一种基于传统图像处理和深度学习相结合的枪焰检测方法技术

本发明专利技术属于目标检测识别技术领域，公开了一种基于传统图像处理和深度学习相结合的枪焰检测方法，其包括以下步骤：

【技术实现步骤摘要】
一种基于传统图像处理和深度学习相结合的枪焰检测方法


[0001]本专利技术属于目标检测识别
，涉及一种枪焰检测方法，特别是指一种基于传统图像处理和深度学习相结合的枪焰检测方法
。

技术介绍

[0002]基于枪焰探测的狙击探测系统，通过高帧频红外探测器和高速图像处理平台，探测和识别敌狙击手射击瞬间产生的枪焰红外辐射能量，进行狙击手探测
。
枪焰检测方法直接决定了系统的性能
。
[0003]由于枪焰持续时间很短
(
数毫秒
)
，因此系统需采用凝视探测
。
考虑到探测视场
、
探测距离和处理速度等条件约束，枪焰在红外探测器中所占像素数极少，因此，枪焰为瞬态红外弱小目标
。
[0004]枪焰检测的任务是从大视场复杂背景中快速
、
准确地识别出枪焰目标
。
[0005]传统常用的红外弱小目标检测方法可分为基于形态学检测方法和基于多方向梯度检测方法
。
[0006]基于形态学检测方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于传统图像处理和深度学习相结合的枪焰检测方法，其特征在于，包括以下步骤：
S1
：基于传统图像处理进行枪焰检测，利用枪焰图像的能量分布
、
时序特征约束初步挑选出疑似目标；
S2
：基于深度学习进行枪焰检测采用深度学习进行建模，运用神经网络所具有的非线性映射特点来判别图像间的形态差异，识别真实枪焰目标
。2.
如权利要求1所述的基于传统图像处理和深度学习相结合的枪焰检测方法，其特征在于，步骤
S1
包括以下步骤：
S11
：差分提取所有瞬间有变化的疑似目标；
S12
：通过对疑似目标面积约束，去除大面积虚假目标；
S13
：通过对疑似目标能量分布进行高斯拟合，去除不符合高斯分布的虚假目标；
S14
：通过时序约束去除持续时间过长的虚假目标
。3.
如权利要求2所述的基于传统图像处理和深度学习相结合的枪焰检测方法，其特征在于，步骤
S11
中，枪焰为瞬态目标，能量随时间变化，通过相邻帧做差将所有具有这一特征的瞬态目标挑选出来
。4.
如权利要求3所述的基于传统图像处理和深度学习相结合的枪焰检测方法，其特征在于，步骤
S12
中，枪焰在红外图像中所占像素点个数在2到
50
之间，通过这一特征去除大面积虚警
。5.
如权利要求4所述的基于传统图像处理和深度学习相结合的枪焰检测方法，其特征在于，步骤
S13
中，给定一个疑似目标区域，即二维矩阵，以最大值为中心点，即高斯分布中心点值最大，将矩阵在原图中扩展为方阵，若超过原图边界则用0代替，得到疑似目标方阵
A
；使用正态高斯函数生成与
A
同大小的高斯矩阵，并且对其进行归一化得到高斯核
K
；对
A
与
K
做点乘后的方阵取模得到高斯拟合值
X
；求
A
的均值方阵
B
，
B
的大小和
A
一致，
B
与
A
的非零元素位置相对应的元素设置为
A
的均值，通过取
B
与
K
点乘后的方阵的模得到
B
的高斯高斯拟合值
Y
，用
X
除于
Y
得到疑似目标的高斯拟合系数
r
，
r
越大说明该方阵分布越拟合高斯分布；计算高斯拟合系数的公式为：计算高斯拟合系数的公式...

【专利技术属性】
技术研发人员：李明星，常伟军，周珂，王国聪，李超良，于跃，腾国奇，杨子建，
申请(专利权)人：西安应用光学研究所，
类型：发明
国别省市：