一种主动目标识别方法及装置制造方法及图纸

本发明专利技术是一种主动目标识别方法及装置，包括：在第一状态，通过学习获取目标识别性能与成像参数的关系；至少依据所述关系及目标识别性能，调整在第二状态的成像参数；以及当所述目标识别性能满足预定条件时，在第二状态完成成像和目标识别。本发明专利技术以提高目标识别性能为目的、通过学习成像参数与目标识别性能的隐式、复杂对应关系来改善目标识别性能、成像质量。本发明专利技术可以广泛应用于在轨成像和目标识别中。

An Active Target Recognition Method and Device

【技术实现步骤摘要】
一种主动目标识别方法及装置
本专利技术涉及主动成像、图像处理和目标识别等
，特别是一种主动目标识别方法及装置。
技术介绍
目前的目标识别大都是在对给定的图像上“被动式”对目标进行识别。由于被动式目标识别在图像拍摄阶段没有考虑目标识别性能与成像参数之间的关系，导致在某些成像条件下一些重要目标无法检测或识别。另外，被动式目标识别方式成像和目标识别过程是分开的，成像完成后再进行目标识别，因此被动式目标识别性能很难有大幅度提升，“被动式”目标识别给实际应用带来了很多困难。
技术实现思路
为了解决上述技术问题，即为了解决被动式目标识别带来的目标识别率低的问题，本专利技术提出了一种主动目标识别方法及装置。本专利技术提供的一种主动目标识别方法，包括：在第一状态，通过学习获取目标识别性能与成像参数的关系；至少依据所述关系及目标识别性能，调整在第二状态的成像参数；以及当所述目标识别性能满足预定条件时，在第二状态完成成像和目标识别。在一些优选实施方式中，所述第一状态为离线状态，所述第二状态为在线状态。在一些优选实施方式中，所述成像参数包括亮度和空间分辨率。在一些优选实施方式中，所述的主动目标识别方法还包括，在所述第一状态，根据历史图像及标注训练第一目标识别器。在一些优选实施方式中，所述第一目标识别器被配置为执行如下操作：利用生成模型提取并表征所述历史图像特征；利用判别模型调整所述生成模型，使所述生成模型输出最终特征表征；以及利用分类模型根据所述最终特征表征进行目标识别。在一些优选实施方式中，所述的主动目标识别方法还包括，基于深度生成式对抗网络、类内相似性和类间差异性约束训练所述第一目标识别器。在一些优选实施方式中，所述的主动目标识别方法还包括，采用强化学习技术学习所述关系；其中，与所述强化学习相关的要素包括成像状态数据、动作集合以及目标识别精度。在一些优选实施方式中，所述成像状态数据包括当前成像参数，及相应于所述当前成像参数得到的图像数据；所述动作集合包括增加成像亮度、减少成像亮度、提高成像空间分别率或减少成像空间分别率；所述主动目标识别方法还包括：根据所述当前成像参数、所述图像数据及所述动作集合中的一特定动作，采用评估网络和动作网络学习所述关系，其中所述评估网络被配置为拟合强化学习中的动作值函数。在一些优选实施方式中，所述主动目标识别方法还包括，在线自动更新目标识别器和自动调整成像参数的交替迭代，直至所述目标识别性能满足预定条件时，完成成像和目标识别。本专利技术实施例还提供一种目标识别装置，包括：成像单元、存储器及处理器；所述成像单元被配置为依据成像参数获取图像；所述存储器被配置为：存储第一目标识别器及在线成像过程的中间结果；以及所述的处理器被配置为：目标识别器在线更新和成像参数自动调整，并完成对所述识别图像的识别。与现有技术相比，上述技术方案至少具有以下有益效果：本专利技术所述方法对于解决在轨成像、目标识别的难点具有重要的意义。本专利技术考虑了目标识别性能与成像参数的关系，以提高目标识别性能为目的调整成像参数，充分考虑了在轨成像的特殊性要求，利用学习得到的目标识别性能与成像参数的关系可以在线自动调整成像参数，提高目标识别性能，极大地提高了目标识别性能，可广泛应用于主动目标识别等系统中。附图说明图1是本专利技术实施例提供的主动目标识别方法示意图。图2是本专利技术实施例提供的主动目标识别方法流程图。图3是本专利技术实施例提供的主动目标识别装置。具体实施方式下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述参考在附图中示出并在以下描述中详述的非限制性示例实施例，更加全面地说明本公开的示例实施例和它们的多种特征及有利细节。应注意的是，图中示出的特征不是必须按照比例绘制。本公开省略了已知组件和技术的描述，从而不使本公开的示例实施例模糊。所给出的示例仅旨在有利于理解本公开示例实施例的实施，以及进一步使本领域技术人员能够实施示例实施例。因而，这些示例不应被理解为对本公开的实施例的范围的限制。除非另外特别定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的特征的图像。本公开实施例提供的主动目标识别方法如图1，步骤S1即在离线状态训练目标识别器，得到识别图像的模型；在步骤S2离线状态通过学习获得目标识别性能与成像参数的关系；在步骤S3即在线状态，更新目标识别器，并根据目标识别性能与成像参数的关系以及目标识别性能调整成像参数，在目标识别性能满足预定条件时完成成像并识别成像。也就是说，本公开实施例在在线成像阶段根据离线状态学习到的目标识别性能与成像参数的关系、自适应地调整成像参数，不仅可以得到目标识别性能最优的图像，还可以根据目标识别情况自适应确定是否下传图像，大大减少了网络传输压力。主动目标识别将在轨成像和目标识别技术相结合，对在轨成像和在轨目标识别具有广泛的应用前景。本专利技术的目的是针对在轨成像、目标识别的难点和实际应用的需求，提供一种有效的主动目标识别方法及装置。本专利技术实施例提供一种主动目标识别方法，如图2主动目标识别方法包括：步骤101在第一状态，通过学习获取目标识别性能与成像参数的关系；步骤102依据所述关系及目标识别性能，调整在第二状态的成像参数；以及步骤103在所述第二状态的目标识别性能满足预定条件时，完成成像和目标识别。在一些实施例中，步骤101的第一状态为离线状态，相应的步骤102第二状态为在线状态。在在线状态时图2的主动目标识别方法还包括在线状态更新离线时的目标识别器(图中未示出)，具体更新过程详见如下实例。在另一些实施例中，步骤101的第一状态为离轨状态，相应的第二状态为在轨状态。在一些实施例中，步骤102及步骤103记载的成像参数包括亮度和空间分辨率。步骤102调整在第二状态的成像参数的方式包括但不限于：增加亮度、减少亮度、提高空间分辨率、降低空间分辨率或终止调整。在一些实施例中图2示出的主动目标识别方法100还包括，在所述第一状态，根据历史图像及标注训练第一目标识别器，其中第一状态可以为离线状态。历史图像就是收集的按照传统成像方式所拍摄的目标区域或者目标对象的多张图像。在一些实施例中，第一目标识别器被配置为执行如下操作：利用生成模型提取并表征所述历史图像特征；利用判别模型调整生成模型，使生成模型输出最终特征表征；以及利用分类模型根据最终特征表征进行历史图像的目标识别。在一些实施例中图2的主动目标识别方法100还包括，基于深度生成式对抗网络、类内相似性和类间差异性约束训练第一目标识别器。在一些实施例中所述的主动目标识别方法还包括，采用强化学习技术学习所述关系；其中，与所述强化学习相关的要素包括成像状态数据、动作集合以及目标识别精度。成像状态数据包括当前成像参数(当前成像参数包括但不限于亮度和空间分辨率参数)，及相应于所述当前成像参数得到的图像数据；所述动作集合包括增加成像亮度、减少成像亮度、提高成像空间分别率、减少成像空间分别率或终止调整。此时，步骤101根据所述当前成像参数、所述图像数据及所述动作集合中的一特定动作，采用评估网络和动作网络学习所述关系，其中所述评估网络被配置为拟合强本文档来自技高网...

【技术保护点】
1.一种主动目标识别方法，包括：在第一状态，通过学习获取目标识别性能与成像参数的关系；依据所述关系及目标识别性能，调整在第二状态的成像参数；以及当所述目标识别性能满足预定条件时，在第二状态完成成像和目标识别。

【技术特征摘要】
1.一种主动目标识别方法，包括：在第一状态，通过学习获取目标识别性能与成像参数的关系；依据所述关系及目标识别性能，调整在第二状态的成像参数；以及当所述目标识别性能满足预定条件时，在第二状态完成成像和目标识别。2.如权利要求1所述的主动目标识别方法，其中，所述第一状态为离线状态，所述第二状态为在线状态。3.如权利要求1或2所述的主动目标识别方法，其中，所述成像参数包括亮度和空间分辨率。4.如权利要求1或2所述的主动目标识别方法，还包括，在所述第一状态，根据历史图像及标注训练第一目标识别器。5.如权利要求4所述的主动目标识别方法，其中，所述第一目标识别器被配置为执行如下操作：利用生成模型提取并表征所述历史图像特征；利用判别模型调整所述生成模型，使所述生成模型输出最终特征表征；以及利用分类模型根据所述最终特征表征进行目标识别。6.如权利要求4所述的主动目标识别方法，还包括，基于深度生成式对抗网络、类内相似性和类间差异性约束训练所述第一目标识别器。7.如权利要求1或2所述的主动目标识别方法，还包括，采用强...

【专利技术属性】
技术研发人员：霍春雷，于佳园，潘春洪，向世明，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11