System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种空中目标的检测追踪方法、装置、设备及介质制造方法及图纸_技高网

一种空中目标的检测追踪方法、装置、设备及介质制造方法及图纸

技术编号:44292024 阅读:15 留言:0更新日期:2025-02-14 22:25
本公开提供了一种空中目标的检测追踪方法、装置、设备及介质,该方法可以包括:通过已训练的在头部网络中融合注意力机制的YOLOv7模型对当前图像帧进行检测,获得当前图像帧中的每个目标的位置检测结果;为每个目标对应构建扩展卡尔曼滤波器;根据每个目标的检测结果通过对应的扩展卡尔曼滤波器预测每个目标在下一图像帧中的预测位置结果,并根据每个目标的预测位置结果以及当前图像帧中的每个目标的位置检测结果计算交并比;根据交并比利用匈牙利算法获取每个目标的预测位置结果与每个目标的位置检测结果之间的最优匹配对;根据最优匹配对跟踪每个目标的位置状态。

【技术实现步骤摘要】

本公开实施例涉及目标检测与跟踪,尤其涉及一种空中目标的检测追踪方法、装置、设备及介质


技术介绍

1、在对空中目标的检测跟踪过程中,相关方案通常会采用模板匹配算法对空中目标进行追踪,利用该算法获得目标的位置信息,进而获取目标形心与视场中心的偏差信息以完成空中运动目标的跟踪控制。

2、但是,模板匹配算法对光照和视角的变化非常敏感,空中的目标检测与追踪技术在具体实施和应用过程中,其视场角度是不停变化且没有规律的,而且在高空中又面临着云层对光照的影响,这些都会导致模板匹配算法的准确性大大降低。此外,相关方案需要预先准备模板,使得其针对的目标以及应用场景受限,对于新增目标以及应用场景需要重新生成不同的模板,增加了工作量和复杂度。当图像含有噪声或者模糊时,可能导致模板匹配算法的结果出现较大误差,进一步影响目标检测的准确性。


技术实现思路

1、有鉴于此,本公开实施例期望提供一种针对空中目标的检测追踪方法、装置及介质,能够提升空中目标检测与追踪的准确性。

2、本公开实施例的技术方案是这样实现的:

3、第一方面,本公开提供了一种空中目标的检测追踪方法,所述方法包括:

4、通过已训练的在头部网络中融合注意力机制的yolov7模型对当前图像帧进行检测,获得所述当前图像帧中的每个目标的位置检测结果;

5、为每个目标对应构建扩展卡尔曼滤波器;

6、根据所述每个目标的检测结果通过对应的扩展卡尔曼滤波器预测每个目标在下一图像帧中的预测位置结果,并根据所述每个目标的预测位置结果以及当前图像帧中的每个目标的位置检测结果计算交并比;

7、根据所述交并比利用匈牙利算法获取每个目标的预测位置结果与每个目标的位置检测结果之间的最优匹配对;

8、根据所述最优匹配对跟踪每个目标的位置状态。

9、第二方面,本公开提供了一种空中目标的检测追踪装置,所述装置包括:检测部分、构建部分、预测部分以及匹配部分;其中,

10、所述检测部分,被配置成通过已训练的在头部网络中融合注意力机制的yolov7模型对当前图像帧进行检测,获得所述当前图像帧中的每个目标的位置检测结果;

11、所述构建部分,被配置成为每个目标对应构建扩展卡尔曼滤波器;

12、所述预测部分,被配置成根据所述每个目标的检测结果通过对应的扩展卡尔曼滤波器预测每个目标在下一图像帧中的预测位置结果,并根据所述每个目标的预测位置结果以及当前图像帧中的每个目标的位置检测结果计算交并比;

13、所述匹配部分,被配置成根据所述交并比利用匈牙利算法获取每个目标的预测位置结果与每个目标的位置检测结果之间的最优匹配对;

14、以及,根据所述最优匹配对跟踪每个目标的位置状态。

15、第三方面,本公开提供了一种计算设备,所述计算设备包括:通信接口,存储器和处理器;其中,

16、所述存储器,用于存储能够在所述处理器上运行的计算机程序;

17、所述处理器,用于在运行所述计算机程序时,执行第一方面所述空中目标的检测追踪方法。

18、第四方面,本公开提供了一种计算机存储介质,所述计算机存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现第一方面所述空中目标的检测追踪方法。

19、本公开提供了一种空中目标的检测追踪方法、装置、设备及介质。通过将注意力机制引入yolov7模型,在利用yolov7模型对目标完成检测之后,利用卡尔曼滤波对目标下一帧位置进行预测,再进行级联匹配,最后利用匈牙利算法进行最优匹配的关联,提升跟踪效果,减少身份切换问题,提高了空中目标检测与追踪的准确性。

本文档来自技高网...

【技术保护点】

1.一种空中目标的检测追踪方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述通过已训练的在头部网络中融合注意力机制的YOLOv7模型对当前图像帧进行检测,获得所述当前图像帧中的每个目标的位置检测结果,包括:

3.根据权利要求2所述的方法,其特征在于,在所述YOLOv7模型的颈部网络中,在SPPCSPC模块与第一上采样模块之间,以及在ELANW模块与第二上采样模块之间均设置一注意力机制模块;相应地,将所述多尺度特征图通过所述YOLOv7模型的符合特征金字塔结构的颈部网络按照通道注意力和空间注意力完成重构之后进行特征融合,获取不同尺寸的综合特征图,包括:

4.根据权利要求1所述的方法,其特征在于,所述根据所述交并比利用匈牙利算法获取每个目标的预测位置结果与每个目标的位置检测结果之间的最优匹配对,包括:

5.根据权利要求4所述的方法,其特征在于,所述方法还包括:

6.根据权利要求1至5任一项所述的方法,其特征在于,所述方法还包括:

7.一种空中目标的检测追踪装置,其特征在于,所述装置包括:检测部分、构建部分、预测部分以及匹配部分;其中,

8.根据权利要求7所述的装置,其特征在于,所述装置还包括训练部分,被配置成:

9.一种计算设备,其特征在于,所述计算设备包括:处理器,存储器;其中,

10.一种计算机存储介质,其特征在于,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现如权利要求1至6任一所述空中目标的检测追踪方法。

...

【技术特征摘要】

1.一种空中目标的检测追踪方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述通过已训练的在头部网络中融合注意力机制的yolov7模型对当前图像帧进行检测,获得所述当前图像帧中的每个目标的位置检测结果,包括:

3.根据权利要求2所述的方法,其特征在于,在所述yolov7模型的颈部网络中,在sppcspc模块与第一上采样模块之间,以及在elanw模块与第二上采样模块之间均设置一注意力机制模块;相应地,将所述多尺度特征图通过所述yolov7模型的符合特征金字塔结构的颈部网络按照通道注意力和空间注意力完成重构之后进行特征融合,获取不同尺寸的综合特征图,包括:

4.根据权利要求1所述的方法,其特征在于,所述根据所述交并比利用匈牙利算...

【专利技术属性】
技术研发人员:朱卓张凯杨东升杨尧高山危发文任雨莹
申请(专利权)人:西北工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1