图像导引方法及装置制造方法及图纸

本发明专利技术公开了一种图像导引方法及装置。其中，该方法包括：通过已发射的惯性导引装置采集实时图像；通过图像识别模型识别实时图像是否包含目标对象，其中，图像识别模型为机器学习模型；在实时图像包含目标对象的情况下，通过惯性导引装置的姿态位置信息，结合实时图像中目标对象的成像位置和成像大小，生成导引信息；通过导引信息对导引对象进行导引，其中，惯性导引装置安装在导引对象上。本发明专利技术解决了相关技术中图像导引方法，需要依靠操作员实施控制，或依赖于识别模板，其准确率低，错误率高的技术问题。技术问题。技术问题。

【技术实现步骤摘要】
图像导引方法及装置


[0001]本专利技术涉及图像导引领域，具体而言，涉及一种图像导引方法及装置。

技术介绍

[0002]图像导引装置指通过连续拍摄包含目标的图像，从图像中分离出目标与背景，进而获取导弹偏离目标的误差信息，并以此信息导引和控制导弹最终精确命中目标的装置。是制导武器的重要组成部分。其中如何从图像中分离识别并跟踪目标，获取目标在图像中的位置与相关数据，是一个重要的技术难点。
[0003]现有的图像导引装置中使用的目标识别与跟踪技术，分为“人在回路”方式，即依靠操作员根据拍摄图像实时控制的方式；传统自动目标识别方式，即采用统计模式识别、模版匹配、支持向量机和神经网络与模板匹配结合自动进行目标识别的方式。“人在回路”方式，需要操作员实时控制，无法做到“发射后不管”。传统自动目标识别方式，严重依赖模板性能，实际战场中，复杂环境和目标特性的不确定性导致传统自动目标识别方式识别率低，误警率高。
[0004]相关技术中“人在回路”方式，需要操作员实时控制，无法做到“发射后不管”，越来越不适用于现代战争需要。传统自动目标识别方式，严重依赖模板性能，实际战场中，复杂环境和目标特性的不确定性导致传统自动目标识别方式识别率低，误警率高。需要在导弹发射前提前确定目标才能进行特定目标跟踪。
[0005]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]本专利技术实施例提供了一种图像导引方法及装置，以至少解决相关技术中图像导引方法，需要依靠操作员实施控制，或依赖于识别模板，其准确率低，错误率高的技术问题。
[0007]根据本专利技术实施例的一个方面，提供了一种图像导引方法，包括：通过已发射的惯性导引装置采集实时图像；通过图像识别模型识别实时图像是否包含目标对象，其中，所述图像识别模型为机器学习模型；在所述实时图像包含所述目标对象的情况下，通过所述惯性导引装置的姿态位置信息，结合所述实时图像中所述目标对象的成像位置和成像大小，生成导引信息；通过所述导引信息对导引对象进行导引，其中，所述惯性导引装置安装在所述导引对象上。
[0008]可选的，通过所述导引信息对导引对象进行导引之后，还包括：持续采集后续的实时图像；根据所述惯性导引装置记录的所述导引对象的惯导信息，确定后续的所述实时图像的旋转角度和缩放系数；根据所述旋转角度和缩放系数，确定所述目标对象在后续的实时图像中的位置和大小；根据所述位置和大小，识别后续的实时图像中是否存在目标对象，以对所述目标对象进行锁定监测。
[0009]可选的，根据所述位置和大小，识别后续的实时图像中是否存在目标对象包括：根据前一帧的实时图像中的目标对象的成像位置和成像大小，以及所述位置和大小，通过所
述图像识别模型，确定所述目标对象出现在所述后续的实时图像中的概率；在所述概率达到预设阈值的情况下，确定所述后续的实时图像中存在所述目标对象；在所述概率未达到所述预设阈值的情况下，持续采集后续的实时图像，通过所述图像识别模型识别所述目标对象。
[0010]可选的，在所述概率达到预设阈值的情况下，确定所述后续的实时图像中存在所述目标对象之后，还包括：根据前一帧的实时图像中的成像位置和成像大小，识别后续的实时图像中的目标对象；根据后续的所述实时图像中的目标对象，更新所述目标对象的成位置和成像大小。
[0011]可选的，通过图像识别模型识别实时图像是否包含目标对象之前，还包括：建立所述图像识别模型；通过常见的目标对象的图像对所述图像识别模型进行训练。
[0012]可选的，通过已发射的惯性导引装置采集实时图像之后，还包括：对采集的所述实时图像进行预处理，其中，所述预处理包括方向修正处理，边缘锐化处理，灰度迁移处理，亮度调整处理。
[0013]可选的，在所述实时图像包含所述目标对象的情况下，通过所述惯性导引装置的姿态位置信息，结合所述实时图像中所述目标对象的成像位置和成像大小，生成导引信息之后，还包括：根据所述导引信息和所述实时图像输出视频流。
[0014]根据本专利技术实施例的另一方面，还提供了一种图像导引装置，包括：采集模块，用于通过已发射的惯性导引装置采集实时图像；识别模块，用于通过图像识别模型识别实时图像是否包含目标对象，其中，所述图像识别模型为机器学习模型；生成模块，用于在所述实时图像包含所述目标对象的情况下，通过所述惯性导引装置的姿态位置信息，结合所述实时图像中所述目标对象的成像位置和成像大小，生成导引信息；导引模块，用于通过所述导引信息对导引对象进行导引，其中，所述惯性导引装置安装在所述导引对象上。
[0015]根据本专利技术实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的图像导引方法。
[0016]根据本专利技术实施例的另一方面，还提供了一种计算机存储介质，所述计算机存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机存储介质所在设备执行上述中任意一项所述的图像导引方法。
[0017]在本专利技术实施例中，采用通过已发射的惯性导引装置采集实时图像；通过图像识别模型识别实时图像是否包含目标对象，其中，图像识别模型为机器学习模型；在实时图像包含目标对象的情况下，通过惯性导引装置的姿态位置信息，结合实时图像中目标对象的成像位置和成像大小，生成导引信息；通过导引信息对导引对象进行导引，其中，惯性导引装置安装在导引对象上的方式，通过图像识别模型识别实时采集的图像，包含目标对象的情况下，生成导引信息，对导引对象进行导引，达到了自动采集图像并识别图像目标，无需人为操作，对导引对象进行导引的目的，从而实现了提高导引准确率的技术效果，进而解决了相关技术中图像导引方法，需要依靠操作员实施控制，或依赖于识别模板，其准确率低，错误率高的技术问题。
附图说明
[0018]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本发
明的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0019]图1是根据本专利技术实施例的一种图像导引方法的流程图；
[0020]图2是根据本专利技术实施方式的导引装置的示意图；
[0021]图3是根据本专利技术实施方式的导引装置的连接结构的示意图；
[0022]图4是根据本专利技术实施方式的硬件系统架构的示意图；
[0023]图5是根据本专利技术实施方式的目标搜索识别的流程图；
[0024]图6是根据本专利技术实施方式的目标持续跟踪的流程图；
[0025]图7是根据本专利技术实施例的一种图像导引装置的示意图。
[0026]上述附图的附图标记详细如下：
[0027]1‑
1相机镜头；1
‑
2壳体；1
‑
3相机连接器和接口转换；1
‑
4核心处理层；1
‑
5对外驱动和辅助电源；1
‑
6电源分配、图传和对外连接器；1
‑
7连接结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像导引方法，其特征在于，包括：通过已发射的惯性导引装置采集实时图像；通过图像识别模型识别实时图像是否包含目标对象，其中，所述图像识别模型为机器学习模型；在所述实时图像包含所述目标对象的情况下，通过所述惯性导引装置的姿态位置信息，结合所述实时图像中所述目标对象的成像位置和成像大小，生成导引信息；通过所述导引信息对导引对象进行导引，其中，所述惯性导引装置安装在所述导引对象上。2.根据权利要求1所述的方法，其特征在于，通过所述导引信息对导引对象进行导引之后，还包括：持续采集后续的实时图像；根据所述惯性导引装置记录的所述导引对象的惯导信息，确定后续的所述实时图像的旋转角度和缩放系数；根据所述旋转角度和缩放系数，确定所述目标对象在后续的实时图像中的位置和大小；根据所述位置和大小，识别后续的实时图像中是否存在目标对象，以对所述目标对象进行锁定监测。3.根据权利要求2所述的方法，其特征在于，根据所述位置和大小，识别后续的实时图像中是否存在目标对象包括：根据前一帧的实时图像中的目标对象的成像位置和成像大小，以及所述位置和大小，通过所述图像识别模型，确定所述目标对象出现在所述后续的实时图像中的概率；在所述概率达到预设阈值的情况下，确定所述后续的实时图像中存在所述目标对象；在所述概率未达到所述预设阈值的情况下，持续采集后续的实时图像，通过所述图像识别模型识别所述目标对象。4.根据权利要求3所述的方法，其特征在于，在所述概率达到预设阈值的情况下，确定所述后续的实时图像中存在所述目标对象之后，还包括：根据前一帧的实时图像中的成像位置和成像大小，识别后续的实时图像中的目标对象；根据后续的所述实时图像中的目标...

【专利技术属性】
技术研发人员：赵旭，刘宁，韦健，苏中，刘福朝，刘洪，李擎，赵辉，李连鹏，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：