[发明专利]基于视频SAR的目标跟踪方法、系统及设备

说明书

本发明过公开了一种基于视频SAR的目标跟踪方法、系统及设备，采用一个EfficientNet网络对影像中的目标语义特征进行提取，构建多尺度特征金字塔；利用RPN网络在不同尺度特征图上对锚点框进行类别预测与位置回归；利用Bi‑LSTM网络对目标轨迹进行时序建模，结合目标检测框的结果，同步对当前帧上目标的轨迹进行延长、合并或者生成。最后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；并基于Bi‑LSTM网络进行目标中心坐标预测得到预测目标。本发明以多尺度特征融合的形式将高维特征图中的语义信息注入到低层特征图中进一步提升网络对小尺度阴影目标的检测能力，并结合Bi‑LSTM网络进行时序建模，同步修正检测器的误检和漏检，进而提升目标跟踪的准确度。

技术领域

本发明属于测绘技术领域，涉及一种目标跟踪方法、系统及设备，具体涉及一种基于视频SAR(Synthetic Aperture Radar，合成孔径雷达)的目标跟踪方法、系统及设备。

背景技术

SAR在灾害监测、环境监测、海洋监测、资源勘查、农作物估产、测绘和军事等方面的应用上具有独特的优势，可发挥其他光学成像和遥感手段难以发挥的作用。但是将视频SAR用于目标检测与跟踪方面的研究及方法较少且现有方法精度较低，其主要原因为：

目标检测是计算机视觉中的经典问题，现有方法主要包括以R-CNN、SPP-net、FastR-CNN、Faster R-CNN和R-FCN等为代表的基于候选区域的目标检测方法，以及以YOLO、SSD、Retina-net、RFB-net等为代表的基于回归的目标检测方法。上述方法在自然图像上取得了不错的效果，但对SAR图像自身特点的针对性不强，因此直接用于SAR图像目标检测难以得到较好的结果。

发明内容

本发明针对当前目标跟踪技术忽略在视频SAR影像中的应用情况以及现有目标跟踪方法在视频SAR中应用提取精度较低的问题，提供了一种基于视频SAR影像的改进的目标跟踪方法、系统及设备。

本发明的方法所采用的技术方案是：一种基于视频SAR的目标跟踪方法，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；