【技术实现步骤摘要】
一种低慢小目标的定位方法及定位装置
本专利技术属于无人机检测、定位
,具体涉及一种低慢小目标的定位方法及定位装置。
技术介绍
“低慢小”目标,全称“低空、慢速、小型飞行目标”,飞行高度一般在1000米以下,速度较慢,雷达反射面积小,存在“难发现、难捕捉、难处置、难应对”的特点,“低慢小”目标对重要目标的空防安全形成极大威胁。因此,如何对“低慢小”目标进行有效追踪和定位已成为本领域内的技术难题。目前对空中低慢小目标的物理拦截方式包括雷达、微波、激光、声阵列等方式,但其存在使用维护为本高、易造成二次伤害等问题。目前,现有技术中的无人机载视觉系统主要是对运动目标进行检测、跟踪,用于检测并跟踪地面目标等平面目标;利用无人机搭载抛网装置,通过机载视觉系统提供目标信息,导引无人机接近目标后进行网式软杀伤拦截,以无人机反制“低慢小”是一种跟踪“低慢小”目标的可行方式,但是无法获取目标的相对三维坐标并精确跟踪空中“低慢小”此类非合作运动目标。由于空中“低慢小”目标具有速度变化快、目标物自身体积微小等特点;同时,目标物周围环境复杂,这些因素导致现有技术中的无人机跟踪系统很难对 ...
【技术保护点】
1.一种低慢小目标的定位方法,其特征在于,该方法包括:预先采集目标图像,堆叠该目标图像的多个帧形成目标图像训练序列,将该目标图像训练序列进行标记形成目标训练样本集;基于所述目标训练样本集对训练样本进行训练,利用目标图像的梯度方向统计特征得到分类器权重,基于所述分类器权重获得目标图像检测模型;利用所述目标图像检测模型对待测目标图像进行检测,检测待测目标图像是否存在低慢小目标。
【技术特征摘要】
1.一种低慢小目标的定位方法,其特征在于,该方法包括:预先采集目标图像,堆叠该目标图像的多个帧形成目标图像训练序列,将该目标图像训练序列进行标记形成目标训练样本集;基于所述目标训练样本集对训练样本进行训练,利用目标图像的梯度方向统计特征得到分类器权重,基于所述分类器权重获得目标图像检测模型;利用所述目标图像检测模型对待测目标图像进行检测,检测待测目标图像是否存在低慢小目标。2.根据权利要求1所述的定位方法,其特征在于,所述形成目标训练样本集包括以下子步骤:采集空中的待训练目标的视频图像,获取第一目标图像;对第一目标图像进行归一化处理,获得第二目标图像;堆叠第二目标图像中的多个帧形成目标图像序列,把目标图像序列中包含低慢小目标的图像作为正样本;将不包含低慢小目标的图像作为负样本;将正样本和负样本合并形成目标训练样本集。3.根据权利要求2所述的定位方法,其特征在于,所述堆叠第二目标图像中的多个帧形成目标图像序列包括:若低慢小目标的速度大于预设的速度阈值时,则从所述目标图像序列中取出连续的多个帧,并将所述连续的多个帧进行堆叠作为正样本;若低慢小目标速度小于等于预设的速度阈值时,则从所述目标图像序列中取出多个间隔的邻近帧作为选用帧,并将所述选用帧进行堆叠作为正样本。4.根据权利要求1所述的定位方法,其特征在于,所述基于所述分类器权重获得目标图像检测模型包括以下子步骤:提取目标训练样本集中的训练样本的图像的梯度方向统计特征;利用Adaboost算法生成最优弱分类器,将目标图像的梯度方向统计特征输入该最优弱分类器进行训练,得到分类器权重;对所述最优弱分类器赋予所述分类器权重并进行迭代,获得目标图像检测模型。5.根据权利要求4所述的定位方法,其特征在于,所述目标训练样本集中的目标图像的梯度方向统计特征包括:训练样本的图像的梯度和梯度强度、训练样本的图像消除噪声后的梯度强度、训练样本的图像的梯度方向和梯度能量。6.根据权利要求1...
【专利技术属性】
技术研发人员:狄帅,赵巍,谭振文,陈爱斌,郭宇,郑典勇,
申请(专利权)人:北京中电慧视科技有限公司,
类型:发明
国别省市:北京,11
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。