一种复杂战场上的目标识别及跟踪方法、装置及系统制造方法及图纸

本发明专利技术实施例提供了一种复杂战场上的目标识别及跟踪方法、装置及系统，所述方法包括：采集包含目标对象的第一图像集，所述第一图像集中的第一图像的类型不同；对所述第一图像集进行去模糊、去噪处理，形成第二图像集；对所述第二图像集进行图像融合处理，形成融合图像；构建用于识别图像中的目标对象并进行跟踪标记的目标跟踪算法模型，所述目标跟踪算法模型以单阶段目标检测模型为基础，至少通过调整所述单阶段目标检测模型中特征提取模块及池化层的位置以及卷积层的数量得到；将所述融合图像输入至所述目标跟踪算法模型中，以基于所述目标跟踪算法模型得到关于所述目标对象的识别及跟踪结果。别及跟踪结果。别及跟踪结果。

【技术实现步骤摘要】
一种复杂战场上的目标识别及跟踪方法、装置及系统


[0001]本专利技术实施例涉及目标识别与跟踪
，特别涉及一种复杂战场上的目标识别及跟踪方法及装置。

技术介绍

[0002]伴随着现代作战无人化趋势的不断加剧，无人机在军事领域的应用变得愈发重要，不仅能承担侦察、打击、运输等任务，而且还能有效保障作战人员的安全，对于战场的颠覆作用不言而喻。无人机作为战场目标侦察的重要组成，有利于指挥员全面掌握整个战场变化中的态势。在未来的信息化战争中，提高战场态势感知能力，可以有效提高战争全局掌控能力，各军事大国都在加强相关技术的开发和研究。
[0003]由于战场态势具有高动态性，对战场典型目标检测跟踪的实时性与准确性具有较高的要求。此外，在对无人机侦察获得的战场图像信息进行目标检测时，该过程中军事目标受到运动模糊、噪声污染、气候干扰、目标尺寸、部分目标存在遮挡等情况的影响，使得战场态势感知的性能难以满足现实的需求。主要问题表现在几个方面：
[0004]1)战场环境复杂多变，无人机的侦察任务往往包括一些夜间、雾天、雨天等能见度低的场景。同时因无人机飞行抖动与传感器问题，所采集的画面难免出现模糊与噪声的影响，基于常规成像系统的目标检测和跟踪算法在这类场景下，通常性能会大大降低，难以发挥作用。
[0005]2)不同模态的图像数据，如可见光图像和红外图像，具有各自的特点，但单一地依靠其中任一种模态图像样本进行目标检测都具有一定的局限性，无法满足多场景、高精度性能的目标检测与跟踪要求。

技术实现思路

>[0006]本专利技术实施例提供了一种复杂战场上的目标识别及跟踪方法，包括：
[0007]采集包含目标对象的第一图像集，所述第一图像集中的第一图像的类型不同；
[0008]对所述第一图像集进行去模糊、去噪处理，形成第二图像集；
[0009]对所述第二图像集进行图像融合处理，形成融合图像；
[0010]构建用于识别图像中的目标对象并进行跟踪标记的目标跟踪算法模型，所述目标跟踪算法模型以单阶段目标检测模型为基础，至少通过调整所述单阶段目标检测模型中特征提取模块及池化层的位置以及卷积层的数量得到；
[0011]将所述融合图像输入至所述目标跟踪算法模型中，以基于所述目标跟踪算法模型得到关于所述目标对象的识别及跟踪结果。
[0012]作为一可选实施例，还包括：
[0013]对所述第一图像集中的第一图像进行图像模糊度检测，所述图像模糊度检测包括对所述第一图像进行二次模糊处理，基于二次模糊处理前后的第一图像的比对结果确定所述第一图像的模糊度。
[0014]作为一可选实施例，所述对所述第一图像集进行去模糊处理，包括：
[0015]将特征金字塔网络、双判别器结构与图像去模糊算法结合形成第一图像处理网络；
[0016]基于所述第一图像处理网络对所述第一图像进行去模糊处理。
[0017]作为一可选实施例，所述对所述第一图像集进行去噪处理，包括：
[0018]通过引入非对称损失函数及噪声估计子网络至图像去噪网络中，形成第二图像处理网络；
[0019]基于所述第二图像处理网络对所述第一图像进行去噪处理。
[0020]作为一可选实施例，还包括：
[0021]基于能够不平等处理不同图像特征及像素的特征注意模块、由局部残差学习模块和特征注意模块组成的基本块结构，以及能够区别富裕图像中不同特征权重的特征融合结构构建特征融合注意力网络，所述特征融合注意力网络用于对图像进行去雾处理；
[0022]基于所述特征融合注意力网络对所述第一图像集中的第一图像同时进行去雾处理，以得到所述第二图像集。
[0023]作为一可选实施例，所述第一图像集中包括对同一场景进行拍摄得到的第一可见光图像及第一红外图像，形成的所述第二图像集包括去模糊、去噪后的第二可见光图像及第二红外图像；
[0024]所述对所述第二图像集进行图像融合处理，形成融合图像，包括：
[0025]对所述第二可见光图像与第二红外图像进行几何配准；
[0026]将配准后的所述第二可见光图像与第二红外图像进行图像融合处理，形成所述融合图像。
[0027]作为一可选实施例，所述构建用于识别图像中的目标对象并进行跟踪标记的目标跟踪算法模型，包括：
[0028]基于基本卷积层、下采样层、残差模块、特征提取模块和池化层构建所述目标跟踪算法模型，所述基本卷积层由多个卷积层、BN层和激活函数层构成；
[0029]其中，所述目标跟踪算法模型包括六个卷积阶段，所特征提取模块位于第四个和第五个卷积阶段后，所述池化层位于第六个卷积阶段后，且第二个卷积阶段到第六个卷积阶段的残差模块的数量为1、2、4、4、2，各卷积通道数分别为16、24、48、96、128、160。
[0030]作为一可选实施例，所述采集包含目标对象的第一图像集，包括：
[0031]基于无人机、可见光成像传感器及红外传感器采集所述包含所述目标对象的第一图像集。
[0032]本专利技术另一实施例同时提供一种复杂战场上的目标识别及跟踪装置，包括：
[0033]采集模块，用于采集包含目标对象的第一图像集，所述第一图像集中的第一图像的类型不同；
[0034]第一处理模块，用于对所述第一图像集进行去模糊、去噪处理，形成第二图像集；
[0035]第二处理模块，用于对所述第二图像集进行图像融合处理，形成融合图像；
[0036]第一构建模块，用于构建用于识别图像中的目标对象并进行跟踪标记的目标跟踪算法模型，所述目标跟踪算法模型以单阶段目标检测模型为基础，至少通过调整所述单阶段目标检测模型中特征提取模块及池化层的位置以及卷积层的数量得到；
[0037]输入模块，用于将所述融合图像输入至所述目标跟踪算法模型中，以基于所述目标跟踪算法模型得到关于所述目标对象的识别及跟踪结果。
[0038]本专利技术另一实施例还提供一种复杂战场上的目标识别及跟踪系统，包括：
[0039]至少一个处理器；以及，
[0040]与所述至少一个处理器通信连接的存储器；其中，
[0041]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行以实现如上文中任一项所述的复杂战场上的目标识别及跟踪方法。
[0042]本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0043]下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。
附图说明
[0044]附图用来提供对本申请的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请，并不构成对本申请的限制。在附图中：
[0045]图1为本专利技术实施例中的复杂战场上的目标识别及跟踪方法的流程图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂战场上的目标识别及跟踪方法，其特征在于，包括：采集包含目标对象的第一图像集，所述第一图像集中的第一图像的类型不同；对所述第一图像集进行去模糊、去噪处理，形成第二图像集；对所述第二图像集进行图像融合处理，形成融合图像；构建用于识别图像中的目标对象并进行跟踪标记的目标跟踪算法模型，所述目标跟踪算法模型以单阶段目标检测模型为基础，至少通过调整所述单阶段目标检测模型中特征提取模块及池化层的位置以及卷积层的数量得到；将所述融合图像输入至所述目标跟踪算法模型中，以基于所述目标跟踪算法模型得到关于所述目标对象的识别及跟踪结果。2.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，还包括：对所述第一图像集中的第一图像进行图像模糊度检测，所述图像模糊度检测包括对所述第一图像进行二次模糊处理，基于二次模糊处理前后的第一图像的比对结果确定所述第一图像的模糊度。3.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，所述对所述第一图像集进行去模糊处理，包括：将特征金字塔网络、双判别器结构与图像去模糊算法结合形成第一图像处理网络；基于所述第一图像处理网络对所述第一图像进行去模糊处理。4.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，所述对所述第一图像集进行去噪处理，包括：通过引入非对称损失函数及噪声估计子网络至图像去噪网络中，形成第二图像处理网络；基于所述第二图像处理网络对所述第一图像进行去噪处理。5.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，还包括：基于能够不平等处理不同图像特征及像素的特征注意模块、由局部残差学习模块和特征注意模块组成的基本块结构，以及能够区别富裕图像中不同特征权重的特征融合结构构建特征融合注意力网络，所述特征融合注意力网络用于对图像进行去雾处理；基于所述特征融合注意力网络对所述第一图像集中的第一图像同时进行去雾处理，以得到所述第二图像集。6.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，所述第一图像集中包括对同一场景进行拍摄得到的第一可见光图像及第一红外图像，形成的所述第二图像集包括去模糊、去噪后的第二可见光图像及第二红...

【专利技术属性】
技术研发人员：毕建权，杨朝红，邱晓波，张国辉，田相轩，金丽亚，王璇，陈波，王远，刑程，
申请(专利权)人：中国人民解放军陆军装甲兵学院，
类型：发明
国别省市：