一种基于小样本训练视频空对地目标情报自动提取方法技术

本发明专利技术公开了一种基于小样本训练视频空对地目标情报自动提取方法，包括图像识别、图像预处理、图像分割、目标特征提取、目标分类、有规则学习和误差检测，当识别结果出错时，进行二次训练，并重新进行学习和误差检测，有效的解决了无人机等航空器对地面人、车、动物等视频采集后，提取相应类型，进行分类分析，得出相应的类型、运动方向、速度等情报，提高航空器侦察应用价值。

An automatic extraction method of air to ground target information based on small sample training video

【技术实现步骤摘要】
一种基于小样本训练视频空对地目标情报自动提取方法
本专利技术涉及一种信息获取方法，具体涉及一种基于小样本训练视频空对地目标情报自动提取方法。
技术介绍
近年来，随无人机、探空气球等低空探测航空器的发展，特别是无人机的迅速发展，不论是民用无人机还是警用无人机均在数量呈现爆发性增长趋势。民用无人机预计到2020年保有量将达到300万架以上；无人机被广泛用于低空侦察监视，这使得低空空对地视频情报越来越成为低空侦察监视中越来越重要的一种应用。目前，无人机采用的视频采集大多为30倍光学变倍，1080P的吊舱。由于无人机飞行高度大都在150米以上，特别是垂直起降等类型的无人机能够飞行3000米以上的高度，飞行速度达到60km/s以上。在此情况下，针对人、车、动物等体积较小、行驶速度慢的物体，在视频中出现的像素密度极低，特别是对人，有时像素密度小于100。在此情况下，现行的视频情报提取方法很难有效的提取出相应的视频情报信息，这大大的限制了无人机在侦察监视中的应用，特别是中低空对人车物的自动报警预警。现在很多无人机对地主要采集视频，通过人眼进行识别，这本文档来自技高网...

【技术保护点】
1.一种基于小样本训练视频空对地目标情报自动提取方法，其特征在于，包括如下步骤：/nS1，图像获取；采用视频录制方式获取图像信息；/nS2，图像预处理：减少图像中的噪声和杂波干扰，增强图像中目标与背景的对比度；/nS3，图像分割：把待识别目标从图像中定位和分离出来；/nS4，目标特征提取：待识别目标从图像中分割出来后，用数学方法描述该目标，得出目标的每个特征矢量；/nS5，目标分类：将目标的每个特征矢量与分类器特征库中代表目标的特征矢量进行比较，一旦确定图像目标的最接近匹配，分类器经过计算处理就分配一个表示其在给定类型的可信度概率，由可信度概率来确定目标的类别；/nS6，当识别结果错误时，输入...

【技术特征摘要】
1.一种基于小样本训练视频空对地目标情报自动提取方法，其特征在于，包括如下步骤：
S1，图像获取；采用视频录制方式获取图像信息；
S2，图像预处理：减少图像中的噪声和杂波干扰，增强图像中目标与背景的对比度；
S3，图像分割：把待识别目标从图像中定位和分离出来；
S4，目标特征提取：待识别目标从图像中分割出来后，用数学方法描述该目标，得出目标的每个特征矢量；
S5，目标分类：将目标的每个特征矢量与分类器特征库中代表目标的特征矢量进行比较，一旦确定图像目标的最接近匹配，分类器经过计算处理就分配一个表示其在给定类型的可信度概率，由可信度概率来确定目标的类别；
S6，当识别结果错误时，输入差错样本进行二次训练，重新进行图像预处理，增加小慢目标提取鲁棒性；
S7，有规则学习：采用基于YOLOV3与灰度梯队向量及光流场相结合的特征算子作为学习算法，使用FRCNN网络学习；
S8，误差检测：自动对比标注图集与检查结果...

【专利技术属性】
技术研发人员：戴勇，李军启，
申请(专利权)人：河南省润通路空一体交通发展有限公司，
类型：发明
国别省市：河南;41