[发明专利]一种基于双孔径光电成像系统的无人机检测与识别方法

摘要

本发明公开了一种基于双孔径光电成像系统的无人机自动检测与识别系统,本发明提供的基于双孔径光电成像系统的无人机自动检测与识别系统使用广角相机和长焦相机分别作为无人机检测装置和识别装置进行监控。采集监控图像序列，采用目标检测算法进行无人机疑似目标的检测，继而采用模式识别算法对疑似目标进行识别，确认目标后对目标进行追踪、干扰和管制。本发明使用光电传感器作为无人机检测与识别装置具有可靠性高、成本低廉等优点。借助于广角成像系统在大范围天区搜索疑似目标，使用长焦成像系统(具有两轴转台)对疑似目标进行确认和跟踪，同时满足高检测率和高准确性的需求，大大提高了系统的可靠性，具有突出的经济效益和实用价值。

主权项

1.一种基于双孔径光电成像系统的无人机自动检测与识别方法，其特征在于，包括以下步骤：(1)使用双孔径光学成像系统，其中广角成像系统在大范围天区搜索疑似目标，长焦成像系统对疑似目标进行确认和跟踪；(2)对广角相机采集到的图像序列，根据图像背景先验知识，利用目标检测算法实时检测疑似目标；(3)检测到疑似目标后，控制长焦相机指向疑似目标进行拍摄，得到目标的高清晰度图像序列；(4)利用模式识别算法对长焦相机采集的目标图像进行识别，如果判断为无人机目标，则输出目标位置坐标作为目标跟踪的初始位置坐标，转到步骤(5)，否则转到步骤(2)；(5)控制长焦相机对无人机目标进行追踪，控制云台运动，保证目标始终处于长焦相机的视场中央，跟踪算法得到的无人机坐标可以输出到无人机干扰系统，进行定向干扰；所述追踪算法包括基于MeanShift的目标跟踪算法、基于粒子滤波的目标跟踪算法、KCF算法和光流法；步骤(4)中提到的模式识别算法采用深度学习算法中的Faster‑RCNN算法对长焦相机采集到的高清图像序列进行识别；识别步骤如下：(4.1)首先准备无人机训练样本，并对无人机的位置进行手工标记；使用Faster‑RCNN算法对预先准备好的训练样本进行训练，得到网络模型参数，确定具体网络模型；(4.2)用所述网络模型进行识别，将长焦相机采集到的当前帧图像输入所述网络模型，得到目标的坐标tar getx和tar gety，以及各类目标可信度得分，并将无人机目标得分超过Tthres对应的目标作为无人机目标，并输出无人机目标的坐标，Tthres为阈值，取0.5‑0.9。