[发明专利]一种基于人工智能的用于战场目标识别的方法

说明书

本发明公开了一种基于人工智能的用于战场目标识别的方法，具体包括如下步骤：步骤1：图像预处理优化；步骤2：学习率优化；设置一个下降率，在训练指定步长后，将原有的学习率进行缩小，以防止其震荡；步骤3：多分辨率学习识别；步骤4：非最大值抑制。其有益效果在于：对获取的光学图像数据进行识别处理，具体是利用深度神经网络，对空中无人机上获取的相关图像数据进行卷积神经网络训练，针对原始模型中存在的过拟合、冗余识别、识别精度欠缺三大问题，根据无人机侦察回传光学图像特点对算法模型进行升级，通过图像预处理优化、学习率优化以及迁移学习，智能生成一套可以快速识别战场多类目标的神经网络。

技术领域

本发明属于人工智能、深度学习领域，具体涉及一种基于人工智能的目标识别的方法。

背景技术

未来战争必将是智能化的军事角逐，为了提高战场决策能力，首先要解决的问题是在强复杂电磁环境下的智能目标识别。传统的机器学习和专家系统等非智能化、无“自学习”能力方法都难以应对目标的智能识别难题。

目前已有利用深度学习算法实现对战场环境的感知，借助于人工智能技术来获取及时、准确的综合战场态势信息，辅助作战指挥员快速指挥决策。

关于目标识别方面的研究大部分是基于雷达情报进行的识别，但在复杂电磁环境下，这种识别会严重受限。而基于光学传感器获取的图像受此干扰较小。目前基于人工智能的图像识别算法存在过拟合、冗余识别、识别精度欠缺等问题，无法满足战场目标识别的需求。

发明内容

本发明的目的提供一种基于人工智能的用于战场目标识别的方法，它利用改进的深度学习智能算法进行目标识别，能够提高侦察无人机在复杂环境下对战场目标的识别能力。

本发明的技术方案如下：一种基于人工智能的用于战场目标识别的方法，具体包括如下步骤：

步骤1：图像预处理优化；

步骤2：学习率优化；

设置一个下降率，在训练指定步长后，将原有的学习率进行缩小，以防止其震荡；

步骤3：多分辨率学习识别；

步骤4：非最大值抑制。

所述的步骤1包括如下：

(1)生成目标框；

(2)图像变换优化；

(3)高斯模糊。

所述的步骤1中的步骤(1)包括，通过Transfer-Faster-RCNN模型生成目标框，在识别目标前首先生成一个目标框，对于目标框使用四维向量来表示(x,y,w,h)，其中，x为目标框的中心点横坐标、y为目标框的中心点纵坐标、w为目标框的宽、h为目标框的高，

A＝(Ax,Ay,Aw,Ah) (1)

G＝(Gx,Gy,Gw,Gh) (2)

其中，A为原始的目标框数据集，G为真实的目标框数据集。

使得输入原始的窗口经过映射到一个和真实框G更接近的回归窗口G′，G′表示平移变换：

G′x＝Ax+Aw·dx(A) (3)

G′y＝Ay+Ah·dy(A) (4)

其中，dx(A)、dy(A)表示平移量，G′x表示平移后的中心点横坐标，G′y表示平移后的中心点纵坐标；

所述的步骤1中的步骤(2)包括，

寻找一种图像的变换F使得

F(Ax,Ay,Aw,Ah)＝(G′x,G′y,G′w,G′h) (5)