[发明专利]一种基于卷积神经网络的红外点目标实时检测跟踪方法

权利要求书

1.一种基于卷积神经网络的红外点目标实时检测跟踪方法，其特征在于，包括如下步骤：

步骤1，计算图像I_k的全局对比度Th，I_k为视频中第k帧图像，k为视频帧数编号；

步骤2，用9×9像素的窗口对图像I_k进行从左到右，从上到下的滑窗，每次取9×9的窗口中的最大灰度值点P，并比较P点和周围像素点的灰度值，如果P点灰度值为最大值，则执行步骤3，否则继续步骤2的滑窗；

步骤3，根据全局对比度Th值判断P点是否为点目标，如果是则继续执行下面步骤，否则继续步骤2的滑窗；

步骤4，积累前3帧图像的点目标信息，采用数据关联的方式进行跟踪，形成批号和航迹信息；

步骤5，每间隔N帧图像，采用YOLOV4卷积神经网络对图像进行一次检测识别，并将结果和当前航迹信息进行融合，去除非点目标航迹信息。

2.根据权利要求1所述的方法，其特征在于，步骤1包括：

图像I_k全局对比度Th的计算方式如下：

其中，M、N分别为原始图像的宽和高，I(i,j)为图像中坐标(i,j)处的像素值，计算每个像素点在水平和垂直方向差值的均方根作为该像素的对比度，计算所有像素对比度的均值作为图像的全局对比度。

3.根据权利要求2所述的方法，其特征在于，步骤2包括：

每次滑窗的步长为9，设定每次滑窗所取的9×9像素的窗口的中心点为K，如果最大值点P出现在以K为中心的7×7区域，则执行步骤3，否则P点分别与它的8领域像素点进行比较，如果P点像素值大于它的所有8领域像素点，则执行步骤3，否则继续步骤2的滑窗过程。

4.根据权利要求3所述的方法，其特征在于，步骤3包括：

以P点为中心，取3×3区域，计为中心区域R₀，然后以R₀为中心，取周围8个3×3领域，分别计为区域R_i，i＝1，2……8；分别计算R₀和R_i的平均值，分别计为Mean₀和Mean_i，计算公式如下，其中(x,y)为P点的坐标：

分别计算Mean₀和Mean_i的差值Diff_i：

Diff_i＝Mean₀-Mean_i,

如果Diff_i中满足如下条件的有7个以上：

Diff_i≥k*Th，

则判定R₀为点目标，其中k为灵敏系数。