【技术实现步骤摘要】
本专利技术属于目标探测数据处理，涉及一种基于gnn的目标深度特征表示方法、装置、设备和介质。
技术介绍
1、目标特征表示在飞行器探测领域的目标识别、跟踪与目标关联中发挥着重要的作用，有助于提高系统的目标探测性能和准确性。现阶段常用的目标特征表示主要包括多种手工特征表示以及通过卷积神经网络(cnn)提取的目标外观深度特征表示。其中，手工特征主要包括目标的位置特征、属性特征、外观特征(如颜色特征和hog(histogram oforiented gradients，方向梯度直方图)特征等)以及拓扑特征。其中，目标在大地坐标系下的精确位置信息通常难以获取，且受到飞行器载荷限制，未携带目标定位系统的飞行器无法对目标进行定位，此时位置特征无法获取。外观特征需要通过可见光或红外传感器获取目标外观图像信息，易受到光照强度变化和视角的影响。因此，传统的深度特征表示技术中，存在着特征表示适应性不足的技术问题。
技术实现思路
1、针对上述传统方法中存在的问题，本专利技术提出了一种基于gnn的目标深度特征表示方法、一种基于gnn的目标深度特征表示装置、一种计算机设备以及一种计算机可读存储介质，能够大幅提高飞行器目标的深度特征表示适应性。
2、为了实现上述目的，本专利技术实施例采用以下技术方案：
3、一方面，提供一种基于gnn的目标深度特征表示方法，包括步骤：
4、获取包含待测目标的探测图像和待测目标的初始图；初始图包括各节点、连接节点的边和邻接矩阵，节点包括待测目标和
5、以待测目标为原点，在探测图像上生成目标相对坐标系；目标相对坐标系的横轴指向第一地理方向且与探测图像的图像坐标系的横轴指向不同，目标相对坐标系的纵轴和横轴相互垂直；
6、根据图像坐标系和目标相对坐标系的转换关系，计算邻居目标在目标相对坐标系下的方位角；
7、根据归一化后的邻居目标在目标相对坐标系下的坐标位置和方位角，生成待测目标的手工特征表示；
8、根据手工特征表示获取目标初始节点特征；
9、根据初始图计算目标初始边特征后，计算边的权重矩阵；
10、根据目标初始节点特征、邻接矩阵和边的权重矩阵，计算得到待测目标的目标深度特征。
11、在其中一个实施例中，第一地理方向为正东方向。
12、在其中一个实施例中，图像坐标系和目标相对坐标系的转换关系为：
13、
14、其中，表示目标相对坐标系的原点a0的邻居目标ai在目标相对坐标系中的坐标，θ0表示图像坐标系的横轴xi与目标相对坐标系的横轴xt的夹角，[tx,ty]t表示目标相对坐标系的原点a0在图像坐标系中的分量，表示原点a0与邻居目标ai的连线与图像坐标系的横轴的夹角。
15、另一方面，还提供一种基于gnn的目标深度特征表示装置，包括：
16、图获取模块，用于获取包含待测目标的探测图像和待测目标的初始图；初始图包括各节点、连接节点的边和邻接矩阵，节点包括待测目标和待测目标的邻居目标；
17、相对坐标模块，用于以待测目标为原点，在探测图像上生成目标相对坐标系；目标相对坐标系的横轴指向第一地理方向且与探测图像的图像坐标系的横轴指向不同，目标相对坐标系的纵轴和横轴相互垂直；
18、方位计算模块，用于根据图像坐标系和目标相对坐标系的转换关系，计算邻居目标在目标相对坐标系下的方位角；
19、手工特征模块，用于根据归一化后的邻居目标在目标相对坐标系下的坐标位置和方位角，生成待测目标的手工特征表示；
20、节点特征模块，用于根据手工特征表示获取目标初始节点特征；
21、矩阵计算模块，用于根据初始图计算目标初始边特征后，计算边的权重矩阵；
22、深度特征模块，用于根据目标初始节点特征、邻接矩阵和边的权重矩阵，计算得到待测目标的目标深度特征。
23、在其中一个实施例中，第一地理方向为正东方向。
24、在其中一个实施例中，图像坐标系和目标相对坐标系的转换关系为：
25、
26、其中，表示目标相对坐标系的原点a0的邻居目标ai在目标相对坐标系中的坐标，θ0表示图像坐标系的横轴xi与目标相对坐标系的横轴xt的夹角，[tx,ty]t表示目标相对坐标系的原点a0在图像坐标系中的分量，表示原点a0与邻居目标ai的连线与图像坐标系的横轴的夹角。
27、又一方面，还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的基于gnn的目标深度特征表示方法的步骤。
28、再一方面，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的基于gnn的目标深度特征表示方法的步骤。
29、上述技术方案中的一个技术方案具有如下优点和有益效果：
30、上述基于gnn的目标深度特征表示方法、装置、设备和介质，在获取到包含待测目标的探测图像和初始图后，以待测目标为原点，在探测图像上生成空间位置相对于探测图像本身的图像坐标系的目标相对坐标系，然后根据图像坐标系和目标相对坐标系的转换关系来计算待测目标的邻居目标在目标相对坐标系下的方位角，进而将邻居目标在目标相对坐标系下的坐标位置和方位角分别进行归一化后，生成待测目标的手工特征表示，从而获取目标初始节点特征。接着根据初始图计算目标初始边特征后，计算边的权重矩阵，最终利用前述计算结果来计算得到目标深度特征。
31、相比于传统的深度特征表示技术，上述方案基于gnn的目标深度特征融合了目标与邻居目标的相对空间关系，不受目标外观的影响，且相比于cnn而言，gnn通常具有更少的层数和更少的参数量，极大的缩减了模型大小，更适合部署于算力有限的机载平台上，大幅提高了飞行器目标的深度特征表示适应性。此外，该深度特征适用于未来搭载可见光和红外等异构无人机的目标探测。
本文档来自技高网...【技术保护点】
1.一种基于GNN的目标深度特征表示方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于GNN的目标深度特征表示方法，其特征在于，所述第一地理方向为正东方向。
3.根据权利要求1或2所述的基于GNN的目标深度特征表示方法，其特征在于，所述图像坐标系和所述目标相对坐标系的转换关系为：
4.一种基于GNN的目标深度特征表示装置，其特征在于，包括：
5.根据权利要求4所述的基于GNN的目标深度特征表示装置，其特征在于，所述第一地理方向为正东方向。
6.根据权利要求4或5所述的基于GNN的目标深度特征表示装置，其特征在于，所述图像坐标系和所述目标相对坐标系的转换关系为：
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3任一项所述的基于GNN的目标深度特征表示方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3任一项所述的基于GNN的目标深度特征表示方法
...【技术特征摘要】
1.一种基于gnn的目标深度特征表示方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于gnn的目标深度特征表示方法，其特征在于，所述第一地理方向为正东方向。
3.根据权利要求1或2所述的基于gnn的目标深度特征表示方法，其特征在于，所述图像坐标系和所述目标相对坐标系的转换关系为：
4.一种基于gnn的目标深度特征表示装置，其特征在于，包括：
5.根据权利要求4所述的基于gnn的目标深度特征表示装置，其特征在于，所述第一地理方向为正东方向。
【专利技术属性】
技术研发人员：何咏翔，郭鸿武，张钊，鲁兴举，李玄英，高易，
申请(专利权)人：中国人民解放军国防科技大学，
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。