[发明专利]一种地基凝视红外成像弱小目标智能识别方法

权利要求书

1.一种地基凝视红外成像弱小目标智能识别方法，其特征在于，包括如下步骤：

步骤1，利用红外跟踪设备采集视频，获取图像I_k，I_k为视频中第k帧图像，k为视频帧数编号；

步骤2，对第k帧图像进行当前帧潜在目标分析，分别进行点特征提取、边缘特征提取并进行融合得到第k帧图像的潜在目标检测结果集合；

步骤3，基于连续m帧图像收集到的潜在目标检测结果集合为{P_k-m,P_k-m+1,…,P_k}，其中P_k为第k帧图像检测结果的集合，即P_k＝{Rect₁，Rect₂，…Rect_n}，Rect_n为第n个检测结果，通过在图像中的一个矩形表述，即Rect＝{X,Y,Width,Height}，X、Y分别表示矩形在图像中横坐标位置、纵坐标位置，Width、Height分别代表矩形宽、高；下标mk-1，对潜在目标进行多帧数据分析，以位置及形状相关度进行数据稳定性判定，最终获取第k帧图像中潜在候选目标T_k；并基于T_k中的目标平均尺寸信息，将T_k区分为点目标与面目标其中代表一个点目标多帧累计形成的潜在目标运动轨迹，下标s1代表第k帧共有s1个点目标，代表一个面目标多帧累计形成的潜在目标运动轨迹，下标s2代表第k帧共有s2个面目标；

步骤4，确定感兴趣识别区域；

步骤5，将感兴趣识别区域中图像分为点目标、面目标，进行卷积网络目标识别；

步骤3包括：第k帧时，已积累了连续m帧潜在目标位置分析结果，即：{{Rect₁,Rect₂,…,Rect_r}_k-m+1,{Rect₁,Rect₂,…,Rect_r}_k-m+2，…，{Rect₁,Rect₂,…,Rect_r}_k}，从{Rect₁,Rect₂,…,Rect_r}_k-m+1开始，计算后续帧间位置的相关性，用{Rect₁,Rect₂,…,Rect_r}_k-m+1中的每一个Rect_r构建一个候选的潜在目标，得到{CandiT₁,CandiT₂,…,CandiT_r}_k-m+1，对于每一个CandiT_r，CandiT即候选目标轨迹r，它初始是由{Rect₁,Rect₂,…,Rect_r}_k-m+1建立，第二帧之后，为与现有轨迹关联的Rect会初始化为新的候选轨迹，下标r代表了共有r个这样的候选目标轨迹，从第k-m+1帧开始往后追溯，直到第k帧，追溯方法是对比{CandiT₁,CandiT₂,…,CandiT_r}_k-m+1中目标的位置，与{Rect₁,Rect₂,…,Rect_r}_k-m+2中的位置，直线像素距离是否小于门限Disgate,Disgate，如果存在小于门限的外接矩形，则在CandiT_r中加入新周期关联点，否则该周期记为空点，如果{Rect₁,Rect₂,…,Rect_r}_k-m+2有一个Rect_r不与{CandiT₁,CandiT₂,…,CandiT_r}_k-m+1中任意一个CandiT_r关联，则该Rect_r产生一个新的CandiT_r，并加入候选的潜在目标集合中，得到{CandiT₁,CandiT₂,…,CandiT_r2}_k-m+2，依次类推得到{CandiT₁,CandiT₂,…,CandiT_rm}_k,检查{CandiT₁,CandiT₂,…,CandiT_rm}_k中的目标各个CandiT_rm，CandiT_rm即第k帧时应有的候选潜在目标轨迹，下标rm代表共有rm个候选潜在目标轨迹，用空点数除以周期数m得到空点率，对于空点率大于关联门限ASSOGATE的候选潜在目标进行剔除，剩下的候选潜在目标构成潜在目标集合{T₁,T₂,…,T_s}_k，最后根据T_s中每一帧关联的Rect_r的大小取得的区域宽度与区域高度，确定T_s的尺寸参数，尺寸基于面积进行度量，T_s代表一个潜在目标轨迹，下标s代表共有s个这样的潜在目标轨迹，如果T_s面积小于门限AreaGate则将T归类为点目标，大于门限AreaGate则将T_s归类为面目标，得到点目标与面目标潜在区域；

步骤4包括：对于包含第k帧潜在目标位置信息的集合与对于每一个T_s中包含各目标出现总帧数参数p，T_s目标每存在一帧p的计数值加1，当第k帧时，p满足为指定识别周期Period固定周期的整数倍时，以T_s位置中对应目标为中心，成比例截取图像I_k中的一小部分图像R_k，对于点目标，R_k图像宽度高度其中Height_T点分别为T_s对应的点目标最新帧检测结果矩形的宽度和高度；对于面目标，R_k图像宽度高度其中Height_T面分别为T_s对应的面目标最新帧检测结果矩形的宽度和高度，从而得到感兴趣识别区域{ROIRect₁,ROIRect₂,…,ROIRect_t}_k，ROIRect_t为第K帧的第t个感兴趣区域结果，其结构表征一个矩形区域，下标t代表共有t个这样的感兴趣区域。