基于历史数据的指定区域内异常飞机目标检测方法及系统技术方案

本发明专利技术提供了一种基于历史数据的指定区域内异常飞机目标检测方法及系统，获取指定区域内星载合成孔径雷达数据，星载光学凝视成像数据；对所述星载合成孔径雷达数据和星载光学凝视成像数据进行时空数据关联，得到SAR图像数据；采用目标检测算法对所述图像数据进行检测，以对飞机目标进行定位和识别，并记录所述飞机目标的像素坐标；将所述像素坐标转换为所述飞机目标的飞行数据；所述飞行数据包括经度、纬度、高度、速度、和航向；为提高判别的准确度，对所述飞行数据进行预测和延长，计算所述飞行数据与历史空管数据的多因素双向Hausdorff距离，当所述多因素双向Hausdorff距离大于设定的相似度阈值时，则识别为异常飞机目标。目标。目标。

【技术实现步骤摘要】
基于历史数据的指定区域内异常飞机目标检测方法及系统


[0001]本专利技术涉及航空航天
，具体涉及一种基于历史数据的指定区域内异常飞机目标检测方法及系统。

技术介绍

[0002]飞机的航迹通常具有密集性高、速度快、目标间相对速度低及区分性差等特点，并且受观测手段不足、传感器能力限制、周边环境不确定性等因素影响，当前难以获取陌生区域的飞机目标的航迹，从而导致异常飞机目标的识别较为困难。
[0003]因此，需要一种适合在指定陌生区域下，通过可获取的SAR雷达卫星数据和光学凝视成像卫星数据与历史空管数据相结合，并利用航迹预测方法来解决这一突出问题，使得在指定陌生区域中的异常飞机目标能够进行检测，为后续卫星资源调度、异常目标跟踪和信息融合处理打下良好基础。

技术实现思路

[0004]本专利技术提出了一种基于历史数据的指定区域内异常飞机目标检测方法及系统，以解决指定陌生区域内异常目标判别的技术问题。
[0005]为解决上述技术问题，本专利技术提供了一种基于历史数据的指定区域内异常飞机目标检测方法及系统，包括以下步骤：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于历史数据的指定区域内异常飞机目标检测方法，其特征在于：包括以下步骤：步骤S1：获取指定区域内星载合成孔径雷达数据和星载光学凝视成像数据；步骤S2：对所述星载合成孔径雷达数据和星载光学凝视成像数据进行时空数据关联，得到SAR图像数据；步骤S3：采用目标检测算法对所述图像数据进行检测，以对飞机目标进行定位和识别，并记录所述飞机目标的像素坐标；步骤S4：将所述像素坐标转换为所述飞机目标的飞行数据；所述飞行数据包括经度、纬度、高度、速度、和航向；步骤S5：为提高判别的准确度，对所述飞行数据进行预测和延长，计算所述飞行数据与历史空管数据的多因素双向Hausdorff距离，当所述多因素双向Hausdorff距离大于设定的相似度阈值时，则识别为异常飞机目标。2.根据权利要求1所述的一种基于历史数据的指定区域内异常飞机目标检测方法，其特征在于：步骤S3中所述目标检测算法采用目标检测模型YOLOv8，所述目标检测模型YOLOv8的先验信息包括：飞机目标为高亮区域和飞机形状显示为“+”的形状。3.根据权利要求1所述的一种基于历史数据的指定区域内异常飞机目标检测方法，其特征在于：步骤S4中将所述像素坐标转换为所述飞机目标的飞行数据的方法包括以下步骤：步骤S41：设O
‑
uv为像素坐标系，O
‑
xy为图像坐标系，O
c
‑
x
c
y
c
z
c
为相机坐标系，O
w
‑
x
w
y
w
z
w
为世界坐标系，将所述像素坐标（u，v），转化为世界坐标：；式中，f
x
和f
y
分别表示x轴和y轴方向焦距的长度，u0和v0分别表示坐标系平移的距离，R表示旋转矩阵，T表示平移矩阵；步骤S42：计算飞机目标的高度：；式中，h
sar
表示星载SAR雷达距离地面的垂直高度，d表示星载SAR雷达与飞机间的距离，α表示h
sar
与d之间的夹角；步骤S43：计算飞机目标的飞行速度v：；；式中，表示半正矢函数，r表示地球半径，和分别表示飞机目标在t1和t2时刻的经纬度坐标，L表示飞机目标在两个时刻之间的距离。4.根据权利要求1所述的一种基于历史数据的指定区域内异常飞机目标检测方法，其
特征在于：步骤S5中通过适应性传递信息熵图卷积网络模型对所述飞行数据进行预测和延长，包括以下步骤：步骤S511：将所述飞行数据转化为飞行航迹集合T：；；；式中，m表示飞行航迹的条数，P
ln
表示飞行航迹l的第n个航迹点，n表示飞行航迹点的总数目；步骤S512：将原始输入航迹X0乘以随机初始化权重因子ω，得到线性变换后的航迹X，通过飞行航迹集合计算各变量之间的传递熵，得到传递熵矩阵T：；式中，表示从Y到X的传递熵的值，X和Y表示航迹，表示历史空管数据中航迹点对应的概率分布值，x
t
和y
t
分别表示飞机目标t时刻的经度和纬度，，，表示条件熵；步骤S513：将传递熵矩阵转化为：；式中，X
i
和X
j
分别为航迹的第i和j个变量，c表示因果关系显著性阈值，A=a
ij
表示因果关系矩阵，把该矩阵作为邻接矩阵；步骤S514：使用m个具有不同感受野的膨胀卷积核提取节点特征：；式中，h表示提取特征，W
i
表示卷积核，x为输入时间序列，表示卷积操作，表示哈达玛积，b
i
和b
j
表示偏置项，和表示非线性激活函数；步骤S515：将不同卷积核卷积得到的特征进行拼接：；式中，表示连接操作；步骤S516：将输入的飞行器航迹序列转换为特征矩阵，矩阵H中节点的邻接关系由所述邻接矩阵A决定，借助邻接矩阵A进行图结构的节点嵌入，将图特征结构输入图卷积网络提取深层特征，通过以下公式进行节点的前向传递更新，
；式中，H
(l+1)
是第l+1层的输出，H
(l)
是第l+1层的输入，σ表示激活函数，D是邻接矩阵A的度矩阵，λ是可训练参数，I是单位矩阵，W
(l)
是权重...

【专利技术属性】
技术研发人员：周治国，曹宇鹏，周学华，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：