[发明专利]基于机器学习的低小慢目标的光电识别跟踪方法

权利要求书

1.一种基于机器学习的低小慢目标的光电识别跟踪方法，其特征在于，该方法包括以下步骤，步骤一，首先确定目标的方向，然后调整相机的方向角和俯仰角，使得目标位于相机的视野范围内；

步骤二，相机逐帧读入图像；

步骤三，目标识别的在线检测，将读入的图像作为神经网络的输入，经过机器学习已经训练好的网络，得到网络的输出，包括目标的分类和位置的束缚框；如果输出的分类属于低小慢目标，则进入下一步，否则跳过下一步，直接读入下一帧图像；

步骤四，进行目标跟踪。

2.根据权利要求1所述的基于机器学习的低小慢目标的光电识别跟踪方法，其特征在于，所述步骤四中包括以下步骤，

S1，由第一帧图像给出的束缚框，扩大得到补白束缚框，也就得到了下一帧目标可能存在的预测区域，以当前的补白束缚框作为正样本，以当前正样本的循环移位作为负样本，利用机器学习的方法，训练得到一个目标检测分类器；

S2，对接下来的一帧图像，同样对上一帧的补白束缚框循环移位，对得到的样本束缚框内的图像进行分类，选择响应最强的束缚框作为当前帧目标所在的补白束缚框；根据当前帧与上一帧的补白束缚框之间位置变化，获得目标的位置变化；

S3，获得当前帧目标精确位置后，按照当前补白束缚框循环移位得到负样本更新检测分类器，如此循环往复，实现目标的连续跟踪；

S4，根据目标的移动方向控制转台的偏转，使得目标始终位于相机视野范围内，并根据束缚框大小的变化，对相机进行调焦。

3.根据权利要求1或2所述的基于机器学习的低小慢目标的光电识别跟踪方法，其特征在于，所述步骤一之前，还包括，神经网络的离线训练。

4.根据权利要求1或2所述的基于机器学习的低小慢目标的光电识别跟踪方法，其特征在于，所述步骤一中，根据雷达信息确定目标的方向。

5.根据权利要求1或2所述的基于机器学习的低小慢目标的光电识别跟踪方法，其特征在于，所述步骤二中，相机读入图像的帧频为10～50fps。