摘要：隨著無人機等低空平臺在偵察領(lǐng)域的不斷擴展以及對性能要求的不斷提高,各應用場景對目標檢測精度和速度也提出了越來越高的要求。傳統(tǒng)的目標成像方法難以滿足圖像質(zhì)量需求,人工識別目標的方法也無法應對戰(zhàn)場環(huán)境的快速變化。結(jié)合深度學習和偏振高光譜成像技術(shù)的發(fā)展,通過模擬偏振高光譜低空目標檢測平臺,提出基于Faster R-CNN的地面軍事目標檢測方法。采用區(qū)域建議網(wǎng)絡(luò)模塊進行模型訓練,而在目標檢測階段通過對特征圖進行興趣區(qū)域池化操作得到建議特征圖,最后利用建議特征圖完成目標類別判定。實驗選取3種典型的軍事車輛縮比模型,通過偏振高光譜相機在室內(nèi)外模擬環(huán)境中獲取目標在不同場景條件的圖像數(shù)據(jù),以及某型無人機在低空條件下的地面車輛目標數(shù)據(jù)進行實驗驗證。實驗表明,該方法在有效完成地面目標的檢測時,能夠達到理想的檢測精度和速度。