[發(fā)明專(zhuān)利]基于深度學(xué)習(xí)與多目標(biāo)跟蹤算法的視頻SAR動(dòng)目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110551104.1
• 申請(qǐng)日: 2021-05-20
• 公開(kāi)（公告）號(hào): CN113283330A
• 公開(kāi)（公告）日: 2021-08-20
• 發(fā)明（設(shè)計(jì)）人: 張笑博;朱岱寅;吳迪;張喜峰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京航空航天大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京經(jīng)緯專(zhuān)利商標(biāo)代理有限公司 32200
• 代理人: 曹蕓

本發(fā)明公開(kāi)一種基于深度學(xué)習(xí)與多目標(biāo)跟蹤算法的視頻SAR動(dòng)目標(biāo)檢測(cè)方法，屬于雷達(dá)技術(shù)領(lǐng)域。該方法包括如下步驟：1：采用基于特征金字塔結(jié)構(gòu)的Faster R?CNN網(wǎng)絡(luò)檢測(cè)單幀視頻SAR圖像中的動(dòng)目標(biāo)陰影；2：利用檢測(cè)結(jié)果初始化試探性跟蹤器；3：使用關(guān)聯(lián)的檢測(cè)結(jié)果更新跟蹤器；4：將連續(xù)更新三幀的試探性跟蹤轉(zhuǎn)為穩(wěn)定跟蹤并刪除其余試探性跟蹤；5：將連續(xù)三幀未更新的穩(wěn)定跟蹤器轉(zhuǎn)為候選跟蹤。6：若有檢測(cè)結(jié)果更新候選跟蹤，將候選跟蹤轉(zhuǎn)為穩(wěn)定跟蹤。7：若候選跟蹤未更新的次數(shù)超出閾值，將候選跟蹤器刪除。本發(fā)明具有檢測(cè)精度高，實(shí)時(shí)性強(qiáng)的特點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于深度學(xué)習(xí)與多目標(biāo)跟蹤算法的視頻SAR動(dòng)目標(biāo)檢測(cè)方法，屬于雷達(dá)技術(shù)領(lǐng)域,。

背景技術(shù)

合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)因其對(duì)目標(biāo)區(qū)域全天候、全天時(shí)成像的能力在現(xiàn)代遙感領(lǐng)域具有重要意義。但傳統(tǒng)的SAR系統(tǒng)成像幀率較低，無(wú)法提供可靠的動(dòng)目標(biāo)定位。視頻SAR作為一種新的成像模式，能夠高幀率連續(xù)地對(duì)目標(biāo)場(chǎng)景高分辨率成像，以動(dòng)態(tài)的方式對(duì)目標(biāo)區(qū)域持續(xù)監(jiān)測(cè)，并直觀地反映目標(biāo)的運(yùn)動(dòng)和場(chǎng)景變化等動(dòng)態(tài)信息。由于視頻SAR的工作頻率較高，動(dòng)目標(biāo)回波的多普勒調(diào)制對(duì)其運(yùn)動(dòng)很敏感，目標(biāo)的運(yùn)動(dòng)會(huì)導(dǎo)致其在圖像中出現(xiàn)散焦和偏移，并在其真實(shí)位置留下了陰影。因此可以通過(guò)檢測(cè)陰影實(shí)現(xiàn)動(dòng)目標(biāo)的監(jiān)測(cè)。

近年來(lái)，基于深度學(xué)習(xí)的方法在目標(biāo)檢測(cè)上取得了最優(yōu)異的檢測(cè)結(jié)果。眾多學(xué)者已經(jīng)探討了深度學(xué)習(xí)在SAR圖像目標(biāo)檢測(cè)中的可行性。但由于SAR圖像的特征簡(jiǎn)單，只利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行動(dòng)目標(biāo)陰影檢測(cè)會(huì)出現(xiàn)較多的虛警和漏警，基于深度學(xué)習(xí)的檢測(cè)方法亟待完善。

發(fā)明內(nèi)容

針對(duì)上述背景技術(shù)提到的問(wèn)題，本發(fā)明提出了一種基于深度學(xué)習(xí)與多目標(biāo)跟蹤算法的視頻SAR動(dòng)目標(biāo)檢測(cè)方法。

本發(fā)明為解決其技術(shù)問(wèn)題采用如下技術(shù)方案：

一種基于深度學(xué)習(xí)與多目標(biāo)跟蹤算法的視頻SAR動(dòng)目標(biāo)檢測(cè)方法，包括如下步驟：

步驟1：采用基于特征金字塔結(jié)構(gòu)的Faster R-CNN網(wǎng)絡(luò)檢測(cè)單幀視頻SAR圖像中的動(dòng)目標(biāo)陰影；

步驟2：利用上述步驟1中的檢測(cè)結(jié)果初始化試探性跟蹤器；

步驟3：將檢測(cè)結(jié)果與跟蹤關(guān)聯(lián)，并使用關(guān)聯(lián)的檢測(cè)結(jié)果更新跟蹤器；

步驟4：將連續(xù)更新三幀的試探性跟蹤轉(zhuǎn)為穩(wěn)定跟蹤并刪除其余試探性跟蹤；

步驟5：將連續(xù)三幀未更新的穩(wěn)定跟蹤轉(zhuǎn)為候選跟蹤；

步驟6：若有關(guān)聯(lián)的檢測(cè)結(jié)果更新步驟5中的候選跟蹤，將候選跟蹤轉(zhuǎn)為穩(wěn)定跟蹤；

步驟7：若步驟5中的候選跟蹤未更新的次數(shù)超出閾值，將候選跟蹤刪除。

所述步驟2中的檢測(cè)結(jié)果使用如下八維狀態(tài)空間描述：

式中，x和y分別表示目標(biāo)中心的橫縱坐標(biāo)，a和h分別表示目標(biāo)邊界框的寬高比例和高度， 分別表示x、y、a和h的變化速率。

所述步驟3中所述檢測(cè)結(jié)果與跟蹤關(guān)聯(lián)是通過(guò)匈牙利算法實(shí)現(xiàn)。

本發(fā)明的有益效果如下：

1、本發(fā)明首先利用基于特征金字塔結(jié)構(gòu)的Faster R-CNN(快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò))目標(biāo)檢測(cè)網(wǎng)絡(luò)檢測(cè)單幀視頻SAR圖像中的動(dòng)目標(biāo)陰影。然后采用基于檢測(cè)的多目標(biāo)跟蹤算法跟蹤動(dòng)目標(biāo)陰影，提高了檢測(cè)概率并降低了虛警率。

2、本發(fā)明將基于檢測(cè)的多目標(biāo)跟蹤算法應(yīng)用于視頻SAR動(dòng)目標(biāo)陰影檢測(cè)中，具有檢測(cè)精度較高，簡(jiǎn)單易實(shí)現(xiàn)且實(shí)時(shí)性較好的特點(diǎn)。

附圖說(shuō)明