[发明专利]一种水域探测系统中多光电智能跟踪方法

说明书

本发明公开了一种水域探测系统中多光电智能跟踪方法，将现有的智能跟踪方案拆分成两部分：一通过中心站智能船只识别设备识别船只并提取特征向量A发送给光电跟踪控制器，通过智能识别算力分配算法，让智能识别算力尽可能支持更多光电设备；二光电平滑跟踪控制器接收视频信号，通过船只智能识别算法获得移动目标特征向量并与A向量进行匹配，触发KCF Tracker跟踪算法跟踪目标。通过两部分协同工作，减少光电设备长时间持续跟踪目标时产生的卡顿、延时，保证光电设备能够准确跟踪船只。

技术领域

本发明涉及雷达探测相关技术领域，具体涉及一种水域探测系统中多光电智能跟踪方法。

背景技术

在水域雷达-光电探测系统中最重要的功能就是用雷达发现船只，并引导光电设备对该船只做长时间跟踪。目前通过人工智能算法实现对目标船只的长时间平滑跟踪在水域雷达-光电探测体统中普遍的应用。市场上常见的智能跟踪方案为：1、雷达引导光电瞄准目标；2、光电将图像送入人工智能设备，智能识别船只，计算船只重心到图像中心的像素位移矢量；3、根据船只的雷达坐标、当前光电设备的坐标、旋转角、俯仰角等信息将像素位移矢量换算成光电的PTZ控制信号。自动操控光电设备平滑的跟踪该目标，并保持该目标在画面的中心并放大到合适的大小。

但目标水域探测系统中的人工智能识别软硬件均是直接使用车辆识别、行人识别中成熟的算法和硬件设备，并没有深入研究水域探测中船只跟踪识别的独有特点，造成现有的智能识别软件和硬件设备不能很好的用在水域探测中。

在现有的水域探测系统中，往往是一台雷达配4-5台重型云台光电设备。雷达和光电均部署在野外供电功率以及网络带宽极为有限，中心站部署在市区机房远离雷达、光电等探测设备。如果将人工智能识别软、硬件部署在中心站，网络延时会让智能识别软件发送的控制信号有较大延时，光电设备无法准确跟踪船只。如果人工智能软硬件放在光电设备端，人工智能软硬件耗能很大，野外能提供的功率通常很紧张，无法支持大功率设备。并且人工智能软硬件加个昂贵，每台光电都配个人工智能设备成本会极大的增加。

另外，船只通常航行很慢，重型云台光电设备监控半径为10-20公里，通常光电设备会持续的对同一艘船跟踪监控10分钟以上，用人工智能识别算法持续长时间的识别同一个目标，这是对计算力的浪费。

发明内容

为了解决上述问题，本发明提供一种水域探测系统多光电设备智能识别方法，将现有的智能跟踪方案拆分成两部分：一通过中心站智能船只识别设备识别船只并提取特征向量A发送给光电跟踪控制器，通过智能识别算力分配算法，让智能识别算力尽可能支持更多光电设备；二光电平滑跟踪控制器接收视频信号，通过船只智能识别算法获得移动目标特征向量并与A向量进行匹配，触发KCF Tracker跟踪算法跟踪目标。通过两部分协同工作，减少光电设备长时间持续跟踪目标时产生的卡顿、延时，保证光电设备能够准确跟踪船只。

为实现上述目的，本发明技术方案具体如下：

一种水域探测系统中多光电智能跟踪方法，具体步骤如下：

S1、雷达指引光电设备瞄准目标船只：如进入警戒区触发雷达持续发送目标坐标、如目标偏离航线触发雷达持续发送目标坐标；

S2、中心站智能船只识别设备接收光电设备发送的视频流，智能识别算法识别视频流目标，将所识别的船只提取特征点并形成特征向量A，并发送目标特征向量A；

通过智能识别算力分配算法，让智能识别算力同时支持多个光电设备；

S3、光电跟踪控制器接收目标特征向量A，并通过KCF Tracker跟踪算法跟踪目标船只，并计算目标中心与视频中心的像素距离；

S4、光电跟踪控制器根据目标船只的雷达坐标、光电设备当前的PTZ信息，通过光电云台控制算法计算出光电设备的控制信号并发送给光电设备；