[发明专利]一种地基凝视红外成像弱小目标智能识别方法

说明书

本发明提供了一种地基凝视红外成像弱小目标智能识别方法，主要针对变焦距红外热像仪对远距离弱小目标的自动发现与识别难的问题，提供一套完整的目标检测、识别处理流程，能够实现弱小目标的全自动检测与识别。技术流程首先基于边缘特征与点特征融合，对潜在目标初步筛选，再利用多帧图像筛选关联性进行潜在目标分析，最后通过ROI区域的自动分配，确定识别区域并进行深度学习目标识别。本发明适用于变焦距的红外跟踪设备自动探测发现并识别出目标，针对红外视频进行处理，能够使得红外跟踪设备获得智能化、自动化的探测能力。由于其融合流程的设计，使得目标识别消耗的计算量、以及针对小目标的识别效果均有显著提升。

技术领域

本发明涉及一种地基凝视红外成像弱小目标智能识别方法。

背景技术

当前的军、民用目标预警、探测手段中，红外热像仪以其目标观测距离远，受太阳光照强度以及空气能见度等外界条件影响小，具备全天候值守的能力等优势而被广泛采用。但目前的红外热像仪成像后视频信息处理的技术方面还存在较多的问题，当前主流的红外跟踪设备主要工作模式还是以人工目视观测视频发现潜在目标，在发现目标后，再手动点选目标，通过自动跟踪算法实现锁定监视，整个环节只有最后的跟踪算法可以实现自动运行，而目标发现、识别方面均需要人工参与，自动化、智能化水平还相对较低。目前很多厂家、研究机构也开展对红外热像仪，的自动化目标检测、识别技术研究，但主要局限于目标较远时成像尺寸小，难以有效检测识别目标，同时红外探测系统往往是长焦变焦聚设计，存在目标尺度变化等一系列问题，在这种技术条件下采用传统的人工基于数学概念设计目标特征进行检测与识别的方法已经难以获得可实用、高性能的目标检测、识别效果。当前面对这样的问题主要解决途径是通过设计深度卷积网络，构建大数据量的目标样本图像库，通过监督学习，使得卷积网络自动获特征提取能力，从而完成复杂光照、背景等条件下高性能的目标检测与识别。但是，深度学习类方法虽然本身具有在不同尺度条件下识别目标能力，往往对小目标探测、识别效果欠佳需要针对性提升效果。此外，深度学习类方法计算开销巨大，实用过程中存在计算资源不足、计算速度慢等致命问题。

综上所述，需要有一种通用的高自动化、智能化的红外目标自动发现、识别手段，来取代人工观察作业，提升红外探测系统预警效能，降低人员工作负荷。而实现该手段，则需要解决以下关键问题：(1)如何解决红外变焦聚系统目标成像大小尺度不一条件下的目标检测问题。(2)如何解决红外图像目标识别问题，给出目标类型。(3)如何引入深度学习方法实现弱小目标的检测、识别，同时保证较少的计算资源消耗，以及较好的识别效果。

发明内容

发明目的：本发明针对现有技术手段的不足，提供地基凝视红外成像弱小目标智能识别技术。可提升红外预警探测系统自动化，智能化水平，实现目标自动发现与识别，达到及时预警与告警的效果。

技术方案：

本发明设计了一种地基凝视红外成像弱小目标智能识别方法。能够基于变焦红外跟踪设备，自动检测、识别红外图像中感兴趣目标，替代人眼观察寻找搜索目标。

本发明技术方案的实施步骤如下：

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；