[發明專利]一種基于卷積神經網絡的目標群分布模式研判方法和設備

有效

• 申請號: 202010099360.7
• 申請日: 2020-02-18
• 公開（公告）號: CN111339871B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 徐欣;刁聯旺;李曉冬
• 申請（專利權）人: 中國電子科技集團公司第二十八研究所
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 李淑靜

本發明提出一種基于卷積神經網絡的目標群分布模式研判方法和設備，所述方法包括以下步驟：利用多源傳感器感知目標群中個體信息，基于空間格劃分策略生成目標群圖像矩陣；在傳統LeNet?5模型基礎上根據目標群圖像矩陣構建卷積神經網絡模型；利用生成的目標群圖像矩陣訓練卷積神經網絡模型；利用訓練好的卷積神經網絡模型對新產生的目標群感知樣本進行分布模型研判。本發明利用卷積神經網絡既考慮了目標群的整體分布形狀與趨勢，也考慮了目標群內部空間分布密度的細微區別。同時融合了雷達、紅外、衛星等多源傳感器的目標探測信息，提升目標群分布模式分析的魯棒性。并能夠靈活調節目標群圖像矩陣的大小，有效平衡目標群分布模式研判準確率與計算成本。

技術領域

本發明涉及計算機視覺與人工智能領域，尤其涉及一種基于深度學習的目標群分布模式研判方法和設備。

背景技術

對目標群的分布模式進行預判在現實中有廣泛且重要的應用，例如，在遙感氣象服務中，可以通過分析云圖中的不同云系分布獲取氣象信息；在軍事對陣中，通過對陣地目標群分布進行分析可以提供更準確的攻擊目標、攻擊范圍。

傳統目標群分布模式分析方法通常側重于目標群分布的形狀和趨勢，但忽略了目標群分布方差等細微區別。因此，當兩個目標群分布模式比較相似時，傳統目標群分布模式分析方法難以區分。例如，有的目標群分布模式分析方法(D.Salmond and N.Gordon.Grouptracking with limited sensor resolution and finite field of view.SPIE:Signaland Data Processing of Small Targets,2000)基于一系列測量數據以及目標群的結構與動態信息來推測目標群的形狀幾何特征；有的目標群跟蹤算法(Chun Zhang,Shu-minFei and Xing-peng Zhou.A target group tracking algorithm for wireless sensornetworks using azimuthal angle of arrival information.Chin.Phys.B,Vol.21,2012)以位置誤差最小化為原則來獲取不同時間戳下能夠覆蓋目標群的地理區域；有的目標群分布模式分析方法(Jian Lan and X.Rong Li.Tracking of extended object ortarget group using random matrix.IEEE Transactions on Aerospace andElectronic Systems,Vol.52(6):p2973-2989,Dec.2016)采用隨機矩陣來同時描述目標群的運動狀態、尺寸大小、形狀與朝向。有的目標群分布模式分析方法(Peng He,Hui-ruZhang,Xiang-dong Lei and Xiao-dong Li.Estimation of spatial distribution oftree species diversity based on universal Krige model.Journal of CentralSouth University of ForestryTechnology,Vol.33(12),December,2013)則局限于評估目標群分布趨勢分析。

發明內容

發明目的：為了解決上述問題，本發明提出一種基于卷積神經網絡的目標群分布模式研判方法和設備，能夠快速有效地獲得目標群分布模式分析結果。

技術方案：根據本發明的第一方面，提供一種基于卷積神經網絡的目標群分布模式研判方法，包括以下步驟：

利用多源傳感器感知目標群中個體信息，基于空間格劃分策略生成目標群圖像矩陣；

在傳統LeNet-5模型基礎上根據目標群圖像矩陣構建卷積神經網絡模型；

利用生成的目標群圖像矩陣訓練卷積神經網絡模型；

利用訓練好的卷積神經網絡模型對新產生的目標群感知樣本進行分布模型研判。