[发明专利]基于视频SAR的目标跟踪方法、系统及设备

权利要求书

1.一种基于视频SAR的目标跟踪方法，其特征在于，包括以下步骤：

步骤1：针对待检测的原始视频SAR数据，进行数据增强，获取增强视频SAR数据；

步骤2：将原始视频SAR数据和增强视频SAR数据进行叠加，输入多任务CNN网络中，提取SAR影像中的目标语义特征，获得若干不同尺度特征图；

所述多任务CNN网络，包括特征提取网络和多尺度特征金字塔网络；

所述特征提取网络以EfficientDet网络为基础，包含了四个层级，每个阶段最后一层的输出构成特征金字塔的多个层级，层级间以2为缩放比例；利用EfficientNet中导致分辨率变化的层级2、3、5、6来构建一个分辨率递减、维度递增的特征金字塔{2,3,5,6}，特征金字塔各层与原图的缩放比例依次为{2,4,8,16}；

所述多尺度特征金字塔网络以经典FPN网络为基础，搭建4层的多尺度特征金字塔，多尺度特征金字塔以{2,3,5,6}为输入，通过上采样和横向连接的方式构建与自底向上特征金字塔逐级对应的特征图{2,3,5,6,7}，并利用FPN构建多尺度特征金字塔，获得若干不同尺度特征图；

步骤3：将步骤2中获得的若干不同尺度特征图，设置相应的面积、像素遍历步长、长宽比生成锚点框，对生成的锚点框进行K分类和边界框回归，用于预测A个锚点框和类在每个空间位置存在目标的概率，概率最大的记为目标检测结果；

步骤4：根据步骤3的若干结果，进行轨迹关联，获得轨迹信息，对轨迹信息进行初始化，表示每帧中所有正确检测框和误报检测框的中心坐标；

步骤5：对上一帧与当前帧的检测框求取交并比，将重合区域大小与设定的阈值进行比较，大于设定阈值的表示为同一目标并赋予该目标轨迹相同的id值作为时序关联；轨迹长度少于或等于设定帧数判定为不连续进而剔除轨迹信息、记录所有消失多帧的轨迹信息，将出现的新轨迹与消失轨迹进行重合区域大小计算；

步骤6：基于Bi-LSTM网络进行目标中心坐标预测得到预测目标；

所述Bi-LSTM网络包含2K+1个单元的隐藏层，每个单元由50个神经元组成，形成从第n-k帧到第n帧的传播链；第n帧缺失的阴影目标的预测即第(K+1)个单元的输出，由前K帧到当前帧的K个单元对应K个中心点坐标并在最后通过全连接层生成缺失目标的预测坐标；

当第m帧有轨迹消失时，根据前n帧中心点坐标值，对当前目标中心点坐标进行预测，若第m+1帧该轨迹仍未出现，则结合前一帧预测的值继续预测当前帧，连续往后预测三帧，若第m+2帧目标仍没有出现则判定该目标消不再出现；若目标出现则停止预测，若目标连续三帧未出现则表明该目标可能已经离开，不再进行预测。

2.根据权利要求1所述的基于视频SAR的目标跟踪方法，其特征在于：步骤1中利用平移、亮度调节、随机噪声、中值滤波、水平垂直翻转、旋转中一种或若干种手段将视频SAR数据进行增强处理。