[發明專利]基于機器學習的紅外圖像弱小目標檢測跟蹤方法及系統

在審

• 申請號: 202210857720.4
• 申請日: 2022-07-20
• 公開（公告）號: CN115345902A
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 許禎瑜;曹岸杰;樓宇濤;茹海忠;杜一凡;吳澤鵬;朱晨聰;汪伊婕
• 申請（專利權）人: 上海衛星工程研究所
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06F16/583;G06F16/587
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

1.一種基于機器學習的紅外圖像弱小目標檢測跟蹤方法，其特征在于，包括如下步驟：

步驟1：輸入紅外圖像，對所述紅外圖像進行特征提取，構建先驗權重塊張量圖；

步驟2：構建紅外圖像塊張量圖，所述紅外圖像塊張量圖融合所述先驗權重塊張量圖確定目標函數；

步驟3：求解所述目標函數，分離得到背景和目標塊張量圖，并對所述先驗權重塊張量圖進行更新；

步驟4：由所述背景和目標塊張量圖重建背景和目標二維圖像，對目標圖像進行閾值分割得到候選檢測目標質心位置，得到每一幀的紅外圖像的候選目標位置；

步驟5：根據候選目標位置，由濾波器初始軌跡假設；

步驟6：分別構建連續軌跡估計模型和離散數據關聯模型，將所述連續軌跡估計模型和所述離散數據關聯模型融合得到跟蹤能量模型；

步驟7：對所述跟蹤能量模型進行求解得到能使軌跡能量最小化的最優解，每新輸入一幀圖片，不斷對前面的軌跡進行優化，從而實現紅外圖像檢測目標的實時跟蹤；

步驟8：紅外圖像檢測目標的實時跟蹤過程中，實時將多目標跟蹤軌跡與本地目標軌跡數據庫進行相似度對比，確認目標種類或型號，選取所需目標軌跡進行有效目標檢測跟蹤。

2.根據權利要求1所述的一種基于機器學習的紅外圖像弱小目標檢測跟蹤方法，其特征在于，所述步驟2包括：構建塊張量圖時滑塊尺寸以及滑動步長需要根據輸入圖像的尺寸進行調整，經多次實驗測試最優的滑塊尺寸和滑動步長，構建最優塊張量圖，最大程度表征目標與背景的有效信息，得到最優的目標檢測效果。

3.根據權利要求1所述的一種基于機器學習的紅外圖像弱小目標檢測跟蹤方法，其特征在于，所述步驟4包括：計算得到每一幀紅外圖像中的目標位置后，分別建立候選目標位置存儲模型和虛警目標位置存儲模型，在輸入多幀圖像后進行軌跡形成過程中，候選目標位置存儲模型用于存儲形成軌跡中的有效目標位置，虛警目標位置存儲模型用于存儲被剔除的虛警目標位置。

4.根據權利要求1所述的一種基于機器學習的紅外圖像弱小目標實時檢測跟蹤方法，其特征在于，所述步驟6包括：描述的跟蹤能量模型中添加標簽成本項，用于在分別最小化數據關聯模型和軌跡估計模型時規范軌跡的數量。

5.根據權利要求4所述的一種基于機器學習的紅外圖像弱小目標檢測跟蹤方法，所述步驟6包括：所述跟蹤能量模型包括便簽成本模型，標簽成本模型包括運動標簽成本、軌跡連續成本、防碰撞成本、外觀特征成本、高階數據保真成本和歸一化成本六項成本模型，其中外觀特征成本包括紅外目標的多種特征描述，紅外目標的多種特征描述包括灰度分布特征、形狀特征和亮度特征，可根據實際情況調整豐富，加強對檢測目標的準確性約束，提高軌跡估計的準確性。

6.根據權利要求1所述的一種基于機器學習的紅外圖像弱小目標檢測跟蹤方法，其特征在于，所述步驟8包括：對計算得到的實時目標軌跡與本地目標軌跡數據庫的軌跡進行形狀相似度對比和速度變化相似度對比，若是已知型號或種類目標，可進行針對性跟蹤，提高可用目標檢測跟蹤速率。