【技术实现步骤摘要】
一种基于半监督孪生网络的红外弱小目标跟踪方法
[0001]本专利技术涉及红外图像处理
,具体涉及一种半监督孪生网络的红外弱小目标(在红外热成像图像中所占像素少于8*8个像素点的暗淡目标)跟踪方法。
技术介绍
[0002]红外热成像技术由于具有很强的抗干扰能力而被广泛应用于制导、遥感和预警等领域。当目标距离红外热成像设备距离较远时,在红外图像中目标所占据的像素点极少,并且由于距离衰减导致目标非常暗淡。在遥感和预警等领域中需要在远距离对飞行器等弱小目标进行跟踪,容易受到背景噪声和遮挡的影响导致目标丢失。
[0003]目前,主流目标跟踪的方法分为两类:相关滤波和卷积神经网络。相关滤波法具有较快的计算速度但无法有效应对目标出现形变、遮挡等情况,基于卷积神经网络的跟踪方法具有较高的跟踪精度和鲁棒性但是计算速度较慢。同时,大部分跟踪算法都是针对常规目标,对于红外弱小目标的跟踪效果并不理想,所以高精度、高计算速度的红外弱小目标跟踪算法的研究就显得尤为重要。
技术实现思路
[0004]本专利技术的目的在于提供一 ...
【技术保护点】
【技术特征摘要】
1.一种基于半监督孪生网络的红外弱小目标跟踪方法,其特征在于,步骤如下:步骤S1,采集一段包含跟踪目标的红外视频序列,以第一帧图像中目标所在位置为中心获取目标图像,转入步骤S2;步骤S2,根据上一帧图像中目标所在位置获取当前帧中的搜寻区域图像,将搜寻区域图像输入构建的滤波网络中进行编解码操作,得到响应权值图,利用响应权值图对搜寻区域图像进行激活得到滤波图像,转入步骤S3;步骤S3,利用孪生网络对目标图像和滤波图像进行计算,得到目标位置响应图,在孪生网络和滤波网络的训练过程中,利用目标的真实位置作为监督信息对孪生网络进行训练,利用孪生网络输出的目标位置响应图作为监督信息对滤波网络进行训练,目标位置响应图中响应值最大的点即目标在当前帧中的准确位置,返回步骤S2,对红外视频中后续所有帧进行跟踪。2.根据权利要求1所述的基于半监督孪生网络的红外弱小目标跟踪方法,其特征在于:步骤S2中,根据上一帧图像中目标所在位置获取当前帧中的搜寻区域图像,将搜寻区域图像输入构建的滤波网络中进行编解码操作,得到响应权值图,利用响应权值图对搜寻区域图像进行激活得到滤波图像,具体如下:首先构建三层卷积层对搜寻区域图像进行下采样,并且使用残差单元对前两个卷积层的输出进行特征提取得到残差特征,对经过两次下采样的特征输入残差单元进行计算,然后进行线性插值并与对应尺寸的残差特征相加,上采样后与对应尺寸的残差特征相加,最终得到和搜寻区域图像尺寸一致的响应权值图,利用响应权值图对搜寻区域图像进行激活得到滤波图像。3.根据权利要求2所述的基于半监督孪生网络的红外弱小目标跟踪方法,其特征在于:孪生网络包括特征提取网络、自注意力计算层、交叉注意力计算层和注意力融合层。4.根据权利要求3所述的基于半监督孪生网络的红外弱小目标跟踪方法,其特征在于:步骤S3中,使用孪生网络对目标图像和滤波图像进行计算,得到目标位置响应图,目标位置响应图中响应值最大的点即目标在当前帧中的准确位置,具体如下:步骤S3
‑
1,使用特征提取网络提取目标图像中目标的形状信息、语义信息以及背景信息,得到初始目标特征,使用特征提取网络提取滤波图像中目标的形状信息、语义信息以及背景信息,得到初始搜寻区域特征,转入步骤S3
‑
2;步骤S3
‑
2,利用自注意力计算层和交叉注意力计算层对初始目标特征进行计算得到初始目标特征的自注意力和交叉注意力,再利用自注意力计算层和交叉注意力计算层对初始搜寻区域特征进行计算得到初始搜寻区域特征的自注意力和交叉注意力,使用注意力融合层对相应特征的自注意力和交叉注意力进行融合,得到最终目标特征和最终搜寻区域特征,转入步骤S3
‑
3;步骤S3
‑
3,对最终目标特征和最终搜寻区域特征进...
【专利技术属性】
技术研发人员:王军,吕智成,李玉莲,袁静波,
申请(专利权)人:中国矿业大学,
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。