[發(fā)明專利]一種基于機(jī)器學(xué)習(xí)的對海監(jiān)視雷達(dá)目標(biāo)識別方法

在審

• 申請?zhí)枺?/td>: 202110684658.9
• 申請日: 2021-06-21
• 公開（公告）號: CN113447902A
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計）人: 張波;吳偉;王文鋒;孫葉;趙冉;潘宇楓
• 申請（專利權(quán)）人: 南京信息職業(yè)技術(shù)學(xué)院
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 王安琪

1.一種基于機(jī)器學(xué)習(xí)的對海監(jiān)視雷達(dá)目標(biāo)識別方法，其特征在于，包括如下步驟：

S01，采集路口不同場景下的對海雷達(dá)探測信息，形成回波監(jiān)視畫面；

S02，將對海雷達(dá)回波監(jiān)視畫面進(jìn)行截圖，形成圖像信息數(shù)據(jù)；

S03，對S02獲得數(shù)據(jù)進(jìn)行預(yù)處理，作為訓(xùn)練樣本，構(gòu)建訓(xùn)練集、測試集；

S04，構(gòu)建基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)模型；

S05，用S02得到的訓(xùn)練集和測試集對S03得到的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到合適的模型參數(shù)；

S06，將S02得到的對海雷達(dá)回波監(jiān)視畫面數(shù)據(jù)輸入到S05訓(xùn)練好的機(jī)器學(xué)習(xí)模型進(jìn)行分類，識別船舶目標(biāo)并定位和判斷數(shù)量。

2.如權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的對海監(jiān)視雷達(dá)目標(biāo)識別方法，其特征在于，S03中，對S02獲得數(shù)據(jù)進(jìn)行預(yù)處理具體為：將對海雷達(dá)回波監(jiān)視畫面轉(zhuǎn)換為灰度圖，通過人工標(biāo)記的方式對每一張灰度圖中的船舶目標(biāo)數(shù)量進(jìn)行標(biāo)識，其中：包含一艘船的標(biāo)記為“1”，包含兩艘船的標(biāo)記為“2”，以此類推，形成不同場景下船舶目標(biāo)數(shù)量圖像信息的樣本。

3.如權(quán)利要求2所述的基于機(jī)器學(xué)習(xí)的對海監(jiān)視雷達(dá)目標(biāo)識別方法，其特征在于，不同場景包括船舶體積、天氣、背景、船舶移動速度。

4.如權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的對海監(jiān)視雷達(dá)目標(biāo)識別方法，其特征在于，S04中，構(gòu)建基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)模型包括三個神經(jīng)網(wǎng)絡(luò)，三個神經(jīng)網(wǎng)絡(luò)將輸入的原始圖片縮放至不同尺寸，對每個尺寸的圖片分別通過神經(jīng)網(wǎng)絡(luò)進(jìn)行計算，兼顧圖片中不同大小的目標(biāo)形態(tài)。

5.如權(quán)利要求4所述的基于機(jī)器學(xué)習(xí)的對海監(jiān)視雷達(dá)目標(biāo)識別方法，其特征在于，三個神經(jīng)網(wǎng)絡(luò)分別為第一神經(jīng)網(wǎng)絡(luò)、第二神經(jīng)網(wǎng)絡(luò)和第三神經(jīng)網(wǎng)絡(luò)，第一神經(jīng)網(wǎng)絡(luò)、第二神經(jīng)網(wǎng)絡(luò)和第三神經(jīng)網(wǎng)絡(luò)的輸入分別是4×4的2通道圖像、8×8的2通道圖像和16×16的2通道圖像，用于判斷這個網(wǎng)絡(luò)中是否有船舶目標(biāo)，并給出位置框和關(guān)鍵點位置，第一神經(jīng)網(wǎng)絡(luò)、第二神經(jīng)網(wǎng)絡(luò)和第三神經(jīng)網(wǎng)絡(luò)的輸出均由3部分組成，包括是否包含船舶目標(biāo)、船舶目標(biāo)所在區(qū)域和圖像中包含的船舶目標(biāo)數(shù)量。

6.如權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的對海監(jiān)視雷達(dá)目標(biāo)識別方法，其特征在于，S05中，用S02得到的訓(xùn)練集和測試集對S03得到的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到合適的模型參數(shù)具體包括如下步驟：

S051，第一神經(jīng)網(wǎng)絡(luò)進(jìn)行第一遍檢測，并將檢測結(jié)果提交給第二神經(jīng)網(wǎng)絡(luò)；

S052，第二神經(jīng)網(wǎng)絡(luò)在第一網(wǎng)絡(luò)篩選的基礎(chǔ)上，在擴(kuò)大的區(qū)域進(jìn)行檢測，并將檢測結(jié)果提交給第三神經(jīng)網(wǎng)絡(luò)；

S053，第三神經(jīng)網(wǎng)絡(luò)在第一神經(jīng)網(wǎng)絡(luò)和第二神經(jīng)網(wǎng)絡(luò)篩選的基礎(chǔ)上，進(jìn)一步擴(kuò)大區(qū)域進(jìn)行檢測，最后做出分類判別。

7.如權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的對海監(jiān)視雷達(dá)目標(biāo)識別方法，其特征在于，S05中，機(jī)器學(xué)習(xí)模型采用中心損失進(jìn)行船舶目標(biāo)數(shù)量的分類判別訓(xùn)練收斂，為每一類船舶目標(biāo)數(shù)量的圖像指定類別中心，同一類船舶目標(biāo)數(shù)量的圖像靠近自己的類別中心，遠(yuǎn)離其它類別中心。