本发明专利技术公开了基于高分辨率的反无人机多目标识别和跟踪视频探测方法，所述方法包括：采用4K高清监控相机进行光电数据采集；获取训练样本并对训练样本标注；将样本分割为多个图像，将分割之后的图像进行标注；构建多尺度深度目标检测网络；将样本库的图像输入多尺度深度目标检测网络进行模型训练，获得训练好的参数模型；参数模型对分割后的图像和分割前的图像分别进行识别，综合图像分割前后的识别结果得到无人机位置信息；识别到无人机目标框后，将无人机目标锁定；本发明专利技术的优点在于：有效提升了视场范围，跟踪目标较容易，更快更方便的捕获无人机，有效提高识别的准确性，大大减少误报的可能，缩短无人机搜寻时间。缩短无人机搜寻时间。缩短无人机搜寻时间。
【技术实现步骤摘要】
基于高分辨率的反无人机多目标识别和跟踪视频探测方法
[0001]本专利技术涉及反无人机
，更具体涉及基于高分辨率的反无人机多目标识别和跟踪视频探测方法。
技术介绍
[0002]截至2019年底，全行业无人机拥有者注册用户达37.1万个，其中个人用户32.4万个，企业、事业、机关法人单位用户4.7万个，全行业注册无人机共39.2万架。随着无人机的兴起，引发许多“黑飞”事件，给人民生产生活和国家安全带来威胁。目前在涉及到国家机密和安全的机构，如监狱、机场、电厂、化工厂、军营、科研保密等单位对反无人机系统的需求尤为迫切。
[0003]目前市场的反无人机系统有雷达探测、无线电侦测和光电探测系统。现有的光电识别系统，例如中国专利公开号CN110398720A，公开的一种反无人机探测跟踪干扰系统及光电跟踪系统工作方法，一般在寻找无人机时需要较长时间或者出现误报。这是由于无人机的体积小，飞行高度高距离远，探测设备捕捉到距离较远(500米外)的无人机像素尺寸较小，如主流200万像素图像，无人机约占500个像素左右，然后在识别算法的预处理下图像归一化到更小的尺寸，如将200万像素图像压缩到608
×
608后，无人机仅有50个像素左右，大小在7
×
7左右，无人机图像的轮廓和纹理特征丧失，和天空中的鸟类、飞虫，建筑物上的玻璃反光等无法区分，给识别带来巨大困难，或需人工协助判定。为了获取较清晰的无人机画面，只能拉大相机的放大倍数，获取适合识别的无人机画面，但这样做会使画面视场变小，想要第一时间在画面中捕获无人机变得困难。而且视场变小后即使捕获了无人机，在进行无人机跟踪时，无人机也很容易飞出画面，给跟踪也带来困难。
技术实现思路
[0004]本专利技术所要解决的技术问题在于现有技术反无人机系统存在寻找无人机需要较长时间，难以捕获无人机，跟踪困难，误报的可能性大的问题。
[0005]本专利技术通过以下技术手段实现解决上述技术问题的：基于高分辨率的反无人机多目标识别和跟踪视频探测方法，所述方法包括：
[0006]步骤一：采用4K高清监控相机进行光电数据采集；
[0007]步骤二：获取训练样本并对训练样本标注；
[0008]步骤三：将样本中图像中出现无人机，且无人机像素小于110
×
90的高清图像分割为608
×
608大小的多个图像，将分割之后的图像进行标注，标注好的分割图像、不需要分割的图像以及分割之前的图像形成样本库；
[0009]步骤四：构建多尺度深度目标检测网络；
[0010]步骤五：将样本库的图像输入多尺度深度目标检测网络进行模型训练，获得训练好的参数模型；
[0011]步骤六：对实时采集的目标图像进行无人机识别判定，将图像进行608
×
608的分
割处理，参数模型对分割后的图像和分割前的图像分别进行识别，综合图像分割前后的识别结果得到无人机位置信息；
[0012]步骤七：识别到无人机目标框后，连续三帧进行目标调整匹配，确认是同一无人机目标框后，驱动云台的跟踪伺服机进行自动跟踪目标，将无人机目标锁定。
[0013]本专利技术使用高清相机有效提升了视场范围，更快速的锁定目标，跟踪目标较容易，更快更方便的捕获无人机；训练图片时将原本大图片分割为有交叠的小图片，克服深度学习算法图片预处理时将图片压缩，远距离小目标特征丢失的问题，进一步提高了分辨率，有效提高识别的准确性，大大减少误报的可能，缩短无人机搜寻时间。
[0014]进一步地，所述4K高清监控相机分辨率为3840
×
2160，距离500米时可视画面范围为65m
×
36m，无人机占用像素为30
×
15。
[0015]进一步地，所述步骤二包括：通过公开的无人机数据集以及试点架设的4K高清监控相机采集的监控视频制作样本，使用LabelImg软件实现样本中无人机目标框的标注，删除没有出现无人机的图像帧，保留多种型号和姿态的无人机的图像。
[0016]进一步地，所述步骤三中分割的图像之间保留10像素以上重叠，使用LabelImg软件实现分割后的图像中无人机目标框的标注，标注过程中按照原图与分割后图像比例和相对位置关系进行位置坐标转换，使标注框适合分割后图像，将分割后的图像中完全没有无人机特征部位的图像删除。
[0017]进一步地，所述步骤四包括：通过对不同输出尺度进行融合建立无人机入侵场景中的用于检测图像中由于位置远近不同造成的不同尺寸的无人机信息的多尺度深度目标检测网络，所述多尺度深度目标检测网络为针对无人机入侵场景的YOLOv4网络；所述对不同输出尺度进行融合是通过对具有不同感受野的输出进行上采样后与相同尺度的输出进行融合。
[0018]更进一步地，所述YOLOV4网络包括CSPDarknet53结构、多个DBL结构及SPP结构，所述CSPDarknet53结构包括顺次级联的输入层、DBM结构以及顺序编号的第一CSPX结构至第四CSPX结构，第四CSPX结构的输出结果依次经过两个DBL结构、SPP结构、三个DBL结构然后再输入到一个DBL结构之后进行上采样得到第一上采样结果，第三CSPX结构的输出结果输入到一个DBL结构之后与第一上采样结果融合之后输入5个级联的DBL结构然后一方面输入一个DBL结构之后经过上采样得到第二上采样结果，另一方面直接下采样得到第一下采样结果，再一方面输入一个DBL结构后卷积操作得到Y2输出，第二CSPX结构的输出结果输入到一个DBL结构后与第二上采样结果融合然后输入5个级联的DBL结构再次融合之后再次输入5个级联的DBL结构，然后一方面与第一下采样结果融合后输入一个DBL结构后卷积操作得到Y1输出，另一方面进行下采样得到第二下采样结果，第四CSPX结构的输出结果依次经过两个DBL结构、SPP结构、三个DBL结构之后的输出结果与第二下采样结果融合然后经过5次卷积之后输入一个DBL结构再进行一次卷积之后得到Y3输出；所述DBL结构包括卷积层、归一化层、激活函数，卷积层、归一化层、激活函数顺次级联。
[0019]更进一步地，所述YOLOV4网络过滤掉识别到的目标框中置信度低于阈值的目标框，然后使用非极大值抑制算法去除所有目标框筛中重复的目标框。
[0020]进一步地，所述步骤六在对目标图像进行目标识别过程中，同时对分割后的图像和分割前的图像进行识别，分割前的图像的识别结果中，满足目标尺寸在110
×
90以上的目
标保留，目标尺寸小于110
×
90的与其分割后的图像的识别结果合并，无法合并的丢弃处理，合并方法为对分割后的图像识别的目标位置转换到原图并与原图进行重叠目标合并。
[0021]进一步地，所述图像的识别和处理使用多核处理器加多线程运算。
[0022]更进一步地，所述步骤七包括：识别到无人机目标框后，连续三帧无人机目标框达到阈值要求，判定为有效识别，驱动本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于高分辨率的反无人机多目标识别和跟踪视频探测方法，其特征在于，所述方法包括：步骤一：采用4K高清监控相机进行光电数据采集；步骤二：获取训练样本并对训练样本标注；步骤三：将样本图像中出现无人机，且无人机像素小于110
×
90的高清图像分割为608
×
608大小的多个图像，将分割之后的图像进行标注，标注好的分割图像、不需要分割的图像以及分割之前的图像形成样本库；步骤四：构建多尺度深度目标检测网络；步骤五：将样本库的图像输入多尺度深度目标检测网络进行模型训练，获得训练好的参数模型；步骤六：对实时采集的目标图像进行无人机识别判定，将图像进行608
×
608的分割处理，参数模型对分割后的图像和分割前的图像分别进行识别，综合图像分割前后的识别结果得到无人机位置信息；步骤七：识别到无人机目标框后，连续三帧进行目标调整匹配，确认是同一无人机目标框后，驱动云台的跟踪伺服机进行自动跟踪目标，将无人机目标锁定。2.根据权利要求1所述的基于高分辨率的反无人机多目标识别和跟踪视频探测方法，其特征在于，所述4K高清监控相机分辨率为3840
×
2160，距离500米时可视画面范围为65m
×
36m，无人机占用像素为30
×
15。3.根据权利要求1所述的基于高分辨率的反无人机多目标识别和跟踪视频探测方法，其特征在于，所述步骤二包括：通过公开的无人机数据集以及试点架设的4K高清监控相机采集的监控视频制作样本，使用LabelImg软件实现样本中无人机目标框的标注，删除没有出现无人机的图像帧，保留多种型号和姿态的无人机的图像。4.根据权利要求1所述的基于高分辨率的反无人机多目标识别和跟踪视频探测方法，其特征在于，所述步骤三中分割的图像之间保留10像素以上重叠，使用LabelImg软件实现分割后的图像中无人机目标框的标注，标注过程中按照原图与分割后图像比例和相对位置关系进行位置坐标转换，使标注框适合分割后图像，将分割后的图像中完全没有无人机特征部位的图像删除。5.根据权利要求1所述的基于高分辨率的反无人机多目标识别和跟踪视频探测方法，其特征在于，所述步骤四包括：通过对不同输出尺度进行融合建立无人机入侵场景中的用于检测图像中由于位置远近不同造成的不同尺寸的无人机信息的多尺度深度目标检测网络，所述多尺度深度目标检测网络为针对无人机入侵场景的YOLOv4网络；所述对不同输出尺度进行融合是通过对具有不同感受野的输出进行上采样后与相同尺度的输出进行融合。6.根据权利要求5所述的基于高分辨率的反无人机多目标识别和跟踪视频探测方法，其特征在于，...
【专利技术属性】
技术研发人员：任好，甘彤，商国军，杨利红，房思思，程剑，张琦珺，刘海涛，卢安安，李鹏，唐亮，凌虎，刘正丽，
申请(专利权)人：中国电子科技集团公司第三十八研究所，
类型：发明
国别省市：
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。