[發明專利]基于機器學習的低小慢目標的光電識別跟蹤方法

在審

• 申請號: 201811273114.8
• 申請日: 2018-10-30
• 公開（公告）號: CN109543553A
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 楊萌;肖龍;陳俊峰;郭龍穎;張崎
• 申請（專利權）人: 中國艦船研究設計中心
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 胡建平;孫方旭

1.一種基于機器學習的低小慢目標的光電識別跟蹤方法，其特征在于，該方法包括以下步驟，步驟一，首先確定目標的方向，然后調整相機的方向角和俯仰角，使得目標位于相機的視野范圍內；

步驟二，相機逐幀讀入圖像；

步驟三，目標識別的在線檢測，將讀入的圖像作為神經網絡的輸入，經過機器學習已經訓練好的網絡，得到網絡的輸出，包括目標的分類和位置的束縛框；如果輸出的分類屬于低小慢目標，則進入下一步，否則跳過下一步，直接讀入下一幀圖像；

步驟四，進行目標跟蹤。

2.根據權利要求1所述的基于機器學習的低小慢目標的光電識別跟蹤方法，其特征在于，所述步驟四中包括以下步驟，

S1，由第一幀圖像給出的束縛框，擴大得到補白束縛框，也就得到了下一幀目標可能存在的預測區域，以當前的補白束縛框作為正樣本，以當前正樣本的循環移位作為負樣本，利用機器學習的方法，訓練得到一個目標檢測分類器；

S2，對接下來的一幀圖像，同樣對上一幀的補白束縛框循環移位，對得到的樣本束縛框內的圖像進行分類，選擇響應最強的束縛框作為當前幀目標所在的補白束縛框；根據當前幀與上一幀的補白束縛框之間位置變化，獲得目標的位置變化；

S3，獲得當前幀目標精確位置后，按照當前補白束縛框循環移位得到負樣本更新檢測分類器，如此循環往復，實現目標的連續跟蹤；

S4，根據目標的移動方向控制轉臺的偏轉，使得目標始終位于相機視野范圍內，并根據束縛框大小的變化，對相機進行調焦。

3.根據權利要求1或2所述的基于機器學習的低小慢目標的光電識別跟蹤方法，其特征在于，所述步驟一之前，還包括，神經網絡的離線訓練。

4.根據權利要求1或2所述的基于機器學習的低小慢目標的光電識別跟蹤方法，其特征在于，所述步驟一中，根據雷達信息確定目標的方向。

5.根據權利要求1或2所述的基于機器學習的低小慢目標的光電識別跟蹤方法，其特征在于，所述步驟二中，相機讀入圖像的幀頻為10～50fps。