The invention belongs to the field of infrared image processing, and relates to an infrared small UAV target detection and tracking method under complex background. The method includes steps: (S1) acquiring training samples and training depth convolution neural network as UAV target detection network; (S2) real-time acquisition of target images to be detected, UAV target detection network in input step (S1), output of UAV target detection results; (S3) fast tracking method using nuclear correlation filtering, and (S2) transmission. The target of the UAV is tracked. The method adopts a residual network based on batch regularization and random discarding for feature extraction, which improves training efficiency and model robustness. The method fully combines context features and semantic features, uses multi-level fusion feature map with fine granularity to discriminate multi-scale, and effectively improves the detection accuracy of small targets.
【技术实现步骤摘要】
一种复杂背景下的红外小型无人机目标检测与跟踪方法
本专利技术属于机器视觉、安防监控和红外图像处理领域,涉及深度学习模型的设计与训练,实现了一种复杂背景下的红外小型无人机目标检测与跟踪方法。
技术介绍
随着世界各国无人机生产制造技术的不断提升以及无人机使用门槛的逐步降低,使得民用小型无人机的规模数量以及使用频率都大大增加,由于其造价低廉,且行业内缺乏有效的探测和反制措施,使得无人机“黑飞”问题日益严重。而且此类小型无人机具有挂载爆炸等危险物的能力,近年来世界各地多次发生的无人机非法入侵事件,不仅对公民的个人隐私与生命财产安全造成了严重危害,而且对军事基地、大型集会现场、核电站、政府机要部门驻地等敏感区域的安防造成了极大威胁。此类低空慢速目标具有较强的突发性和灵活性,能够在复杂的城市楼群环境中穿行和悬停,这对重点地区和设施的固定区域监控和安防提出了新的要求。因此对无人机目标的探测和管理至关重要,而能否实现在复杂背景下快速有效的无人机目标实时检测则是解决问题的基础和关键。红外成像技术具有被动工作、抗干扰性强、目标识别能力强、全天候工作等特点,广泛应用于军事侦察、监视和制导等方面,相关研究表明使用红外成像技术进行探测监控是稳定有效的技术路径。随着卷积神经网络和深度学习技术不断完善,尤其是在复杂背景下目标检测和识别领域,积累了大量文献和技术经验。得益于其强大的特征提取和学习能力,深度卷积神经网络能够对复杂的图像进行特征抽取和对目标进行层次化的特征表示,基于目标的结构不变性,能够对形变目标、遮挡目标、模糊目标、多尺度目标以及复杂背景下的目标有着良好的检测能力。如何有效 ...
【技术保护点】
1.一种复杂背景下的红外小型无人机目标检测与跟踪方法,其特征在于包括以下步骤:(S1)获取训练样本,训练深度卷积神经网络作为无人机目标检测网络;(S2)实时获取待检测目标图像,输入步骤(S1)中的无人机目标检测网络,输出无人机目标检测结果;(S3)利用核相关滤波快速跟踪方法,对(S2)输出的无人机目标进行跟踪。
【技术特征摘要】
1.一种复杂背景下的红外小型无人机目标检测与跟踪方法,其特征在于包括以下步骤:(S1)获取训练样本,训练深度卷积神经网络作为无人机目标检测网络;(S2)实时获取待检测目标图像,输入步骤(S1)中的无人机目标检测网络,输出无人机目标检测结果;(S3)利用核相关滤波快速跟踪方法,对(S2)输出的无人机目标进行跟踪。2.如权利要求1所述的一种复杂背景下的红外小型无人机目标检测与跟踪方法,其特征在于所述步骤(S1)的具体过程为:(S11)采集红外图像数据集,对数据集中的无人机目标进行位置和类别的人工标注,将人工标注后的红外图像作为训练样本;(S12)利用深度卷积神经网络提取红外图像的多尺度特征图;(S13)对多尺度特征图进行采样和加权融合,得到融合特征图;(S14)设置滑动候选框作为感兴趣区域,遍历融合特征图,将每个滑动候选框包含的区域输入全连接网络,输出五维的特征向量,所述五维...
【专利技术属性】
技术研发人员:张焱,张宇,石志广,杨卫平,胡谋法,张路平,张景华,刘甲磊,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。