[发明专利]基于卷积神经网络的红外弱小目标检测跟踪方法

说明书

本发明公开了一种基于卷积神经网络的红外弱小目标检测跟踪方法，属于图像目标检测及跟踪领域。使用亮度特征估计目标中心与邻域像素的欧氏距离的计算方法，从而突出真实目标，实现红外弱小目标的快速检测。基于检测到的目标位置，采用全卷积非对称孪生神经网络DeepCF，对目标进行持续快速跟踪。根据设定的跟踪置信度参数T，判断目标是否被遮挡。如果出现遮挡则不断预测物体运动轨迹，并不断纠正。通过本发明可以实现快速准确的目标检测与跟踪。

技术领域

本发明属于图像目标检测及跟踪领域，更具体地，涉及一种基于卷积神经网络的红外弱小目标检测跟踪方法。

背景技术

红外目标检测及跟踪在视频监控、态势感知、自主车辆导航、军事作战及航天遥感等有广泛的应用，是与许多现实应用相关的重要问题。而目红外成像相比较可见光成像具有分辨率低、轮廓模糊及特征不明显等特点。同时在目标运动过程中由于部分遮挡、快速和突然的运动、照明变化以及视点和姿态的变化等各种干扰因素，导致目标检测与跟踪仍然是一个具有挑战性的问题。特别是大多红外图像应用场景都是复杂背景，距离远时，目标大多为点状弱小目标，易淹没在背景中而无法有效检测与跟踪。

现有的对红外目标的检测与跟踪大多基于传统图像处理的方法，首先对背景噪声进行抑制，再使用阈值对输入图像进行分割提取准目标，接着使用诸如形态学滤波等手段进行精细检测，确定跟踪门。采用光流法、相关滤波、质心法及卷积神经网络等方法或其改进方法对目标进行跟踪。但是阈值法对场景以及环境变换敏感，使得检测能力在复杂场景下或背景剧烈变化下大大降低。常见的卷积神经网络方法网络层数多，且大多存在池化层，对弱小目标的跟踪效果不佳。因此，解决红外弱小目标的快速准确检测以及稳定的跟踪显得尤为重要。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于卷积神经网络的红外弱小目标检测跟踪方法，由此解决现有在红外弱小目标的检测及跟踪上存在一定局限性的技术问题。

为实现上述目的，本发明提供了一种基于卷积神经网络的红外弱小目标检测跟踪方法，包括：

(1)基于目标的亮度特征提取红外图像中的目标；

(2)采用全卷积非对称孪生网络的目标网络跟踪器，提取所述目标的不同层次特征，并结合相关滤波作为判据，对所述目标进行跟踪；

(3)利用预设的跟踪置信度参数判断所述目标是否被遮挡或丢失；

(4)若所述目标被遮挡或丢失，则更新运动轨迹方程，预测所述目标的位置，并执行步骤(3)，直至所述目标未被遮挡或未丢失。

优选地，步骤(1)包括：

(1.1)使用高斯滤波对红外图像进行线性加权得到高斯滤波后图像，求得所述高斯滤波后图像的均值；

(1.2)将所述高斯滤波后图像减去所述均值后，求得与所述红外图像之间的欧式距离，得到显著图；

(1.3)求取所述显著图中的最大值，用所述红外图像中的每个像素点除以所述最大值，以凸显目标；

(1.4)使用最大类间方差法求得动态阈值，以所述动态阈值对所述显著图进行阈值分割，并对分割后的图像做图像膨胀的开运算，以使分散的块状区域连通，得到所述目标。

优选地，由t＝w₁*(μ-μ₁)²+w₂*(μ-μ₂)²确定所述动态阈值，其中，w₁+w₂＝1，w₁表示所述显著图中像素值大于预设值的比重，w₂表示所述显著图中像素值小于所述预设值的比重，μ₁表示所述显著图中像素值大于预设值的所有像素的均值，μ₂表示所述显著图中像素值小于所述预设值的所有像素的均值。