[發明專利]一種基于視覺的低慢小航空器探測方法在審
| 申請號: | 201711163026.8 | 申請日: | 2017-11-21 |
| 公開(公告)號: | CN109815773A | 公開(公告)日: | 2019-05-28 |
| 發明(設計)人: | 羅喜伶;許乙付;趙博文 | 申請(專利權)人: | 北京航空航天大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/20;G06K9/62;G06N3/04 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 100191*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 光電轉臺 目標檢測 鏡頭 航空器 相機 目標跟蹤 大視角 視角 探測 視覺 遠距離監視 高效探測 跟蹤結果 畫面中央 目標發現 視角檢測 視覺探測 大視場 變焦 長焦 拉近 更正 巡視 監視 分割 跟蹤 引入 矛盾 協調 發現 | ||
本發明提供一種基于視覺的低慢小航空器探測方法,主要設備為搭載有長焦變焦鏡頭和相機的光電轉臺,主要執行過程包括:光電轉臺巡視,鏡頭拉遠,在大視角下進行目標發現,確定可能的疑似區域;光電轉臺調整相機朝向至疑似區域,鏡頭拉近,在小視角下進行目標檢測,實現對目標的分割和識別;光電轉臺調整相機朝向,調整鏡頭,以目標檢測結果為模板,在中視角下進行目標跟蹤,使目標始終處于畫面中央同時占比合適;目標跟蹤過程中,周期性引入目標檢測更正跟蹤結果。本發明將視覺探測過程分為大視角發現、小視角檢測和中視角跟蹤3個過程,深度結合鏡頭和光電轉臺控制,協調大視場監視和遠距離監視矛盾,實現對低慢小航空器準確高效探測。
技術領域
本發明屬于低空空域監視領域、視覺檢測和跟蹤領域,具體涉及一種基于視覺的低慢小航空器探測方法。
背景技術
低慢小,是指具有低空飛行、飛行速度慢、不易被偵測發現等特征的小型航空器和空飄物的統稱。目前見到的低慢小主要包括輕型飛機、無人機、滑翔機、滑翔傘、三角翼、熱氣飛艇、熱氣球等。
相比于軍事目標,“低慢小”航空器的雷達散射面積小、飛行高度低、速度慢、多普勒頻移不明顯,加之使用環境的復雜、背景干擾多,使得“低慢小”目標探測與識別成為一個世界性難題。國內外都在積極開展“低慢小”目標探測與識別技術的研究,研制探測裝備,提高對低空/超低空目標的探測、識別和跟蹤能力。
目前用于“低慢小”目標探測的手段主要有雷達、視覺、聲學、無線電等探測技術。雷達探測對“低慢小”這類與地物雜波較接近、多普勒頻移不明顯、雷達散射截面積小的目標檢測難度極高;聲學探測可接收并識別“低慢小”航空器發動機、旋翼和大氣摩擦所產生的特征聲信號,但在城市環境下此類特征聲信號極易被隱藏,很難被準確識別;無線電探測可偵察、監測和監聽無線電信號,但它僅適合無線電控制的“低慢小”航空器,一旦目標靜默或者調頻控制,很難被及時探測和識別;視覺探測利用基于圖像的目標檢測、識別和跟蹤等技術實現對低慢小航空器的探測,但易受天氣干擾和環境遮擋,影響探測效果。總之,現有的單一探測技術對“低慢小”航空器探測效果不佳,必須通過多體制探測手段進行協同探測,而其中的雷達、無線電、聲學等探測方法因為自身特點和原理限制,往往只能發現疑似“低慢小”目標,最后的目標分類和核實工作往往只能由視覺探測方法進行。因此,研究基于視覺的低慢小航空器探測方法是低慢小航空器管理中的重中之重。
發明內容
本發明的目的在于針對現有技術的不足,提供一種基于視覺的低慢小航空器探測方法,實現對多類低空航空器的探測,協調大視場監視和遠距離監視矛盾。
本發明提供一種基于視覺的低慢小航空器探測方法,技術方案如下:
主要設備為搭載有長焦變焦鏡頭和相機的光電轉臺,主要執行過程包括:光電轉臺巡視,鏡頭拉遠,在大視角下進行目標發現,確定可能的疑似區域;光電轉臺調整相機朝向至疑似區域,鏡頭拉近,在小視角下進行目標檢測,實現對目標的分割和識別;光電轉臺調整相機朝向,調整鏡頭,以目標檢測結果為模板,在中視角下進行目標跟蹤,使目標始終處于畫面中央同時占比合適;目標跟蹤過程中,周期性引入目標檢測更正跟蹤結果。
目標發現方法首先采用天地分界線檢測,將背景分成天空背景與地面背景2種,對于天空背景目標,主要采用基于對比度的小目標檢測方法和三幀差分法運動目標檢測方法,對于地面背景目標,主要采用三幀差分法運動目標檢測方法。
目標檢測方法,采用基于深度卷積神經網絡的目標檢測方法,具體步驟為:
S301分類采集大量低慢小航空器圖片素材,具體可分為多旋翼無人機、系留氣球、航拍氣球、動力滑翔/三角翼、民航飛機等;
S302對每張圖片里的低慢小航空器畫標記框,并為標記框添加類別信息,添加至VOC2007數據集生成新的訓練數據集和測試數據集;
S303以訓練數據集訓練深度卷積神經網絡模型,以測試數據集測試訓練效果;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京航空航天大學,未經北京航空航天大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711163026.8/2.html,轉載請聲明來源鉆瓜專利網。





