[发明专利]一种基于YOLO V3面向末端制导的热红外图像目标识别方法

说明书

本发明公开了一种基于YOLO V3面向末端制导的热红外图像目标识别方法，包括如下步骤：获取红外数据集；制作类别标签；处理数据集；先验框聚类；训练网络；评估模型；结果处理。发明首次将YOLO V3模型应用在导弹末端制导中复杂场景下的目标检测。卷积神经网络可以很好地提取图像特征，避免了早先手工提取特征的缺点。不同于R‑CNN目标检测模型在选择候选区域时所花费时间较多且算法复杂，本方法将特征提取和分类融合在一起，对红外目标检测的mAP值可以达到71.33％，检测速度达到了40帧每秒。

技术领域

本发明涉及热红外图像目标识别方法，特别涉及一种基于YOLO V3面向末端制导的热红外图像目标识别方法。

背景技术

导弹的智能化攻击面对复杂动态目标，要求导弹能自动跟踪并且命中目标。导弹制导过程中，导引系统不断测定飞行器与目标或预定轨道的相对位置关系，发出制导信息传递给飞行器控制系统，以控制飞行。末端制导是指飞行器在接近目标的最后阶段的制导过程。在飞行末端，根据目标的实时方位信息需要对导弹的攻击路线进行精密修正。末端制导的先进程度直接影响导弹命中率。在各种精确制导体系中，红外制导因其制导精度高、抗干扰能力强、隐蔽性好、效费比高等优点，在现代武器装配发展中占据着重要的地位。任何绝对温度零度以上的物体，由于原子和分子结构内部的热运动，而向外界辐射包括红外波段在内的电磁波能量，红外成像制导是利用红外探测器探测目标的红外辐射，以捕获目标红外图像的制导技术，其图像质量与电视相近，但却可在电视制导系统难以工作的夜间和低能见度下作战。红外成像制导技术已成为制导技术的一个主要发展方向。其中，图像处理与识别即目标检测与识别作为系统的中前端处理环节，是红外成像制导系统的重要组成部分，也是其中的一个关键技术难点问题。只有及时地检测到场景中的目标，才能保证后继的目标跟踪、导弹飞行控制等一系列环节的顺利推进。因此，开展红外成像目标检测与识别中关键技术的研究对于提高武器精确打击能力具有重要意义。

目前，红外目标检测识别主要有以下四种方法：第一，经典的统计模式识别方法；第二，基于知识的自动目标识别方法；第三，基于模型的自动目标识别方法；第四，基于多传感器信息融合的自动目标识别方法。