一种基于特征融合的高动态多目标无人机检测方法技术

本发明专利技术提供一种基于特征融合的高动态多目标无人机检测方法，包括如下步骤：实时检测，获取影像；特征提取与特征融合；形态学操作；寻找目标轮廓；目标搜索；对检测中存在的多检测与漏检测进行误差补偿；根据检测与补偿的判断，输出目标。本发明专利技术主要针对跟踪多个运动目标交错运动时容易丢失目标或误检测的问题，对光照具有一定的鲁棒性，通过颜色空间转换提取目标原始二值图像，经中值和高斯滤波后，通过亮度检测判断其是否对滤波后二值图像进行形态学膨胀；之后对较为精确的目标二值图像进行边缘检测，得到其最小包围矩形框，逐帧检测后绘制颜色对应的目标对应的运动轨迹，完成多目标的视频识别。标的视频识别。标的视频识别。

【技术实现步骤摘要】
一种基于特征融合的高动态多目标无人机检测方法


[0001]本专利技术涉及多目标无人机动态监测
，具体涉及一种基于特征融合的高动态多目标无人机检测方法。

技术介绍

[0002]对无人机的检测、识别是安防中面临的重要挑战，在军事领域，目前仍然缺乏无人机的防御手段。在实际应用中，地面及低空雷达目标识别中的下视场景中地面中包含大量杂波。也有一些学者在研究中采用了基于深度学习的算法，在目标检测识别过程中需要大量的标准样本，目前并没有MNIST、COCO、PASCAL VOC像这样公开的无人机数据集，且无人机种类繁多，大小形状不一，收集所有型号和大小的无人机作为训练数据集来训练，显然工作量很庞大，比较难以实现。传统的无人机低空防务系统主要是基于静态目标的检测，动态检测的准确率不高，因此提出了一种基于无人机队形与无人机特征融合提取的高动态无人机多目标检测的方法，实现对多架无人机的定位检测。

技术实现思路

[0003]有鉴于此，本专利技术提供一种基于特征融合的高动态多目标无人机检测方法，主要针对跟踪多个运动目标交错运动时容易丢失目标或误检测的问题，对光照具有一定的鲁棒性，通过颜色空间转换提取目标原始二值图像，经中值和高斯滤波后，通过亮度检测判断其是否对滤波后二值图像进行形态学膨胀；之后对较为精确的目标二值图像进行边缘检测，得到其最小包围矩形框，逐帧检测后绘制颜色对应的目标对应的运动轨迹，完成多目标的视频识别。
[0004]为解决上述技术问题，本专利技术提供一种基于特征融合的高动态多目标无人机检测方法，包括如下步骤：
[0005]步骤1：实时检测，获取影像；
[0006]步骤2：特征提取与特征融合；
[0007]步骤3：形态学操作；
[0008]步骤4：寻找目标轮廓；
[0009]步骤5：目标搜索；
[0010]步骤6：对检测中存在的多检测与漏检测进行误差补偿；
[0011]步骤7：根据检测与补偿的判断，输出目标。
[0012]进一步的，步骤1中通过低空安防系统实时采集图像信息，图像大小为1920*1080。
[0013]进一步的，步骤2中特征提取包括颜色特征提取和纹理特征提取。
[0014]进一步的，颜色特征提取包括如下步骤：
[0015]对图像进行中值滤波处理；设一个一维序列f1,f2,
…
,f
n
，取窗口长度m，m为奇数，对其进行中值滤波的表达式如下：
[0016][0017]颜色空间转换，将输入的RGB图像转换至YCrCb；
[0018]将存储颜色的通道拆分，提取关于无人机的红色分量，并单独保存，设置参数阈值。
[0019]进一步的，纹理特征提取采用LBP方法，具体步骤如下：
[0020]首先将窗口划分为16*16的cell，对每个cell中的一个像素，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则标记为1，否则为0，3*3邻域内的8个点经比较可产生8位2进制数，即可得到该窗口中心像素点的LBP值；
[0021]计算每个cell的直方图，即每个数字出现的频率，并对直方图归一化；
[0022]最后得到的每个cell的统计直方图进行连接成为一个特征向量，就是整幅图的纹理特征向量。
[0023]进一步的，步骤2中的基于无人机的特征融合与基于无人机队形的算法优化，具体步骤如下：
[0024]高斯归一化方法进行特征间的归一化；
[0025]基于多架无人机在空中飞行时的队形，作为无人机检测过程中误差补偿的途径。
[0026]进一步的，步骤3的形态学操作包括如下步骤：
[0027]首先设置膨胀腐蚀的卷积核B，基于图像处理的效果调整参数值，卷积核B与图像进行卷积，并计算覆盖区域的局部最大最小值；
[0028]对提取的红色区域进行先膨胀后腐蚀操作；
[0029]输出图像。
[0030]进一步的，步骤4的寻找目标轮廓包括如下步骤：
[0031]设置轮廓数量空间；
[0032]设置轮廓索引空间；
[0033]使用opencv中findContours函数寻找所有轮廓；
[0034]绘制边界轮廓。
[0035]进一步的，步骤5中的目标搜索包括如下步骤：
[0036]输入需要检测的飞机数目总数num；
[0037]根据数目选择检测函数；
[0038]寻找上述轮廓的每一个矩形框中心点centerPoint[i]，其中i为当前轮廓，并设置向量空间存储centerPoint；
[0039]寻找中心点坐标point(x[i]，y[i])并存储；
[0040]记录每一个轮廓中心的平均高度，并计算所有目标框的平均高度avH；
[0041][0042]找到最大、最小目标框的y坐标：
[0043]max.y＝max{centerPoint[i].y}
[0044]min.y＝min{centerPoint[i].y}；
[0045]判断中心点位于整体图像的上方还是下方，即判断avH与图像高度rows/2的大小，大于即下方，否则上方；
[0046]在步骤6中根据中心点位置与目标框数据判断是否需要进行误差补偿。
[0047]进一步的，步骤6中，首先判断目标框数目与飞机数目的对比，
[0048]当目标框数目与无人机数目相等时：
[0049]判断目标框位置centerPoint[i].y是否都接近，即差值小于一定阈值；
[0050]判断其队形是否符合输入，即同一斜率存在三架飞机或两架飞机，依据飞机总数依次而定；
[0051]当满足上述两点要求时，将目标全部输出；
[0052]当目标框数目小于无人机数目时，即存在疑似漏检测：
[0053]统计目标框数目；
[0054]当目标框坐标point(x[i],y[i])与图像边界(a，0)(0，b)(1980，b)(a，1080)，a∈(0,1980)b∈(0,1080)进行比较，当小于一定阈值时，判断存在因边界导致的部分飞机不在视野内，输出现有目标，边界数值可以因图像大小不同而变化；
[0055]大于阈值时，统计每一个目标框，判断是否存在周围的目标框符合要求，即根据无人机队形，在三个方向存在同一斜率上飞机数目相同，判断某一位置缺失目标，即在缺失处补充新的目标框；
[0056]当目标框数目大于无人机数目时，即存在多检测：
[0057]目标框centerPoint[i].y小于一定阈值，合并紧挨着的目标框，视作同一目标，统计每一个目标框point(x[i],y[i])周围目标框情况，将坐标靠近的目标框符合要求的目标保留，剔除距离目标群较远的疑似目标框。
[0058]本专利技术的上述技术方案的有益效果如下：
[0059]1、本专利技术的关键技术点体现在针对动态目标的检测；
[006本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征融合的高动态多目标无人机检测方法，其特征在于：包括如下步骤：步骤1：实时检测，获取影像；步骤2：特征提取与特征融合；步骤3：形态学操作；步骤4：寻找目标轮廓；步骤5：目标搜索；步骤6：对检测中存在的多检测与漏检测进行误差补偿；步骤7：根据检测与补偿的判断，输出目标。2.如权利要求1所述的基于特征融合的高动态多目标无人机检测方法，其特征在于：步骤1中通过低空安防系统实时采集图像信息，图像大小为1920*1080。3.如权利要求1所述的基于特征融合的高动态多目标无人机检测方法，其特征在于：步骤2中特征提取包括颜色特征提取和纹理特征提取。4.如权利要求3所述的基于特征融合的高动态多目标无人机检测方法，其特征在于：颜色特征提取包括如下步骤：对图像进行中值滤波处理；设一个一维序列f1,f2,
…
,f
n
，取窗口长度m，m为奇数，对其进行中值滤波的表达式如下：颜色空间转换，将输入的RGB图像转换至YCrCb；将存储颜色的通道拆分，提取关于无人机的红色分量，并单独保存，设置参数阈值。5.如权利要求4所述的基于特征融合的高动态多目标无人机检测方法，其特征在于：纹理特征提取采用LBP方法，具体步骤如下：首先将窗口划分为16*16的cell，对每个cell中的一个像素，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则标记为1，否则为0，3*3邻域内的8个点经比较可产生8位2进制数，即可得到该窗口中心像素点的LBP值；计算每个cell的直方图，即每个数字出现的频率，并对直方图归一化；最后得到的每个cell的统计直方图进行连接成为一个特征向量，就是整幅图的纹理特征向量。6.如权利要求5所述的基于特征融合的高动态多目标无人机检测方法，其特征在于：步骤2中的基于无人机的特征融合与基于无人机队形的算法优化，具体步骤如下：高斯归一化方法进行特征间的归一化；基于多架无人机在空中飞行时的队形，作为无人机检测过程中误差补偿的途径。7.如权利要求6所述的基于特征融合的高动态多目标无人机检测方法，其特征在于：步骤3的形态学操作包括如下步骤：首先设置膨胀腐蚀的卷积核B，基于图像处理的效果调整参数值，卷积核B与图像进行卷积，并计算覆盖区域的局部最大最小值；对提取的红色区域进行先膨胀后腐蚀操作；输出图像。8.如权利要求7所述的基于特征融合的高动态多目标无人...

【专利技术属性】
技术研发人员：刘聪，廖开俊，丁奇，史浩宇，朱宇，翟小花，
申请(专利权)人：中国人民解放军空军工程大学航空机务士官学校，
类型：发明
国别省市：