[发明专利]一种基于卷积神经网络的目标群分布模式研判方法和设备

说明书

本发明提出一种基于卷积神经网络的目标群分布模式研判方法和设备，所述方法包括以下步骤：利用多源传感器感知目标群中个体信息，基于空间格划分策略生成目标群图像矩阵；在传统LeNet‑5模型基础上根据目标群图像矩阵构建卷积神经网络模型；利用生成的目标群图像矩阵训练卷积神经网络模型；利用训练好的卷积神经网络模型对新产生的目标群感知样本进行分布模型研判。本发明利用卷积神经网络既考虑了目标群的整体分布形状与趋势，也考虑了目标群内部空间分布密度的细微区别。同时融合了雷达、红外、卫星等多源传感器的目标探测信息，提升目标群分布模式分析的鲁棒性。并能够灵活调节目标群图像矩阵的大小，有效平衡目标群分布模式研判准确率与计算成本。

技术领域

本发明涉及计算机视觉与人工智能领域，尤其涉及一种基于深度学习的目标群分布模式研判方法和设备。

背景技术

对目标群的分布模式进行预判在现实中有广泛且重要的应用，例如，在遥感气象服务中，可以通过分析云图中的不同云系分布获取气象信息；在军事对阵中，通过对阵地目标群分布进行分析可以提供更准确的攻击目标、攻击范围。

传统目标群分布模式分析方法通常侧重于目标群分布的形状和趋势，但忽略了目标群分布方差等细微区别。因此，当两个目标群分布模式比较相似时，传统目标群分布模式分析方法难以区分。例如，有的目标群分布模式分析方法(D.Salmond and N.Gordon.Grouptracking with limited sensor resolution and finite field of view.SPIE:Signaland Data Processing of Small Targets,2000)基于一系列测量数据以及目标群的结构与动态信息来推测目标群的形状几何特征；有的目标群跟踪算法(Chun Zhang,Shu-minFei and Xing-peng Zhou.A target group tracking algorithm for wireless sensornetworks using azimuthal angle of arrival information.Chin.Phys.B,Vol.21,2012)以位置误差最小化为原则来获取不同时间戳下能够覆盖目标群的地理区域；有的目标群分布模式分析方法(Jian Lan and X.Rong Li.Tracking of extended object ortarget group using random matrix.IEEE Transactions on Aerospace andElectronic Systems,Vol.52(6):p2973-2989,Dec.2016)采用随机矩阵来同时描述目标群的运动状态、尺寸大小、形状与朝向。有的目标群分布模式分析方法(Peng He,Hui-ruZhang,Xiang-dong Lei and Xiao-dong Li.Estimation of spatial distribution oftree species diversity based on universal Krige model.Journal of CentralSouth University of ForestryTechnology,Vol.33(12),December,2013)则局限于评估目标群分布趋势分析。

发明内容

发明目的：为了解决上述问题，本发明提出一种基于卷积神经网络的目标群分布模式研判方法和设备，能够快速有效地获得目标群分布模式分析结果。

技术方案：根据本发明的第一方面，提供一种基于卷积神经网络的目标群分布模式研判方法，包括以下步骤：

利用多源传感器感知目标群中个体信息，基于空间格划分策略生成目标群图像矩阵；

在传统LeNet-5模型基础上根据目标群图像矩阵构建卷积神经网络模型；

利用生成的目标群图像矩阵训练卷积神经网络模型；

利用训练好的卷积神经网络模型对新产生的目标群感知样本进行分布模型研判。