[发明专利]一种基于半监督孪生网络的红外弱小目标跟踪方法

说明书

本发明公开了一种基于半监督孪生网络的红外弱小目标跟踪方法，首先根据目标位置获取目标图像和搜寻区域图像，接着将搜寻区域图像输入至滤波网络进行编解码操作得到响应权值图，利用响应权值图对搜寻区域图像进行激活得到滤波图像，再将目标图像和滤波图像输入至特征提取网络提取特征并分别计算自注意力和交叉注意力，最后对各自分支的两种注意力融合后将两个分支的最终输出进行相关性计算，得到目标在当前帧的准确位置。本发明所提出的红外弱小目标跟踪方法，使用半监督的方式训练滤波网络，能够有效抑制红外图像中的背景噪声；充分利用目标图像和搜寻区域的注意力信息，在满足实时性要求的基础上显著的提高了对红外弱小目标的跟踪精度。

技术领域

本发明涉及红外图像处理技术领域，具体涉及一种半监督孪生网络的红外弱小目标(在红外热成像图像中所占像素少于8*8个像素点的暗淡目标)跟踪方法。

背景技术

红外热成像技术由于具有很强的抗干扰能力而被广泛应用于制导、遥感和预警等领域。当目标距离红外热成像设备距离较远时，在红外图像中目标所占据的像素点极少，并且由于距离衰减导致目标非常暗淡。在遥感和预警等领域中需要在远距离对飞行器等弱小目标进行跟踪，容易受到背景噪声和遮挡的影响导致目标丢失。

目前，主流目标跟踪的方法分为两类：相关滤波和卷积神经网络。相关滤波法具有较快的计算速度但无法有效应对目标出现形变、遮挡等情况，基于卷积神经网络的跟踪方法具有较高的跟踪精度和鲁棒性但是计算速度较慢。同时，大部分跟踪算法都是针对常规目标，对于红外弱小目标的跟踪效果并不理想，所以高精度、高计算速度的红外弱小目标跟踪算法的研究就显得尤为重要。

发明内容

本发明的目的在于提供一种基于半监督孪生网络的红外弱小目标跟踪方法，在满足实时性要求的同时提高对红外弱小目标的跟踪精度，能够广泛应用于红外遥感、制导和预警等领域。

实现本发明目的的技术解决方案为：一种基于半监督孪生网络的红外弱小目标跟踪方法，步骤如下：

步骤S1，采集一段包含跟踪目标的红外视频序列，以第一帧图像中目标所在位置为中心获取目标图像，转入步骤S2。

步骤S2，根据上一帧图像中目标所在位置获取当前帧中的搜寻区域图像，将搜寻区域图像输入构建的滤波网络中进行编解码操作，得到响应权值图，利用响应权值图对搜寻区域图像进行激活得到滤波图像，转入步骤S3。

步骤S3，利用孪生网络对目标图像和滤波图像进行计算，得到目标位置响应图，目标位置响应图中响应值最大的点即目标在当前帧中的准确位置，返回步骤S2，对红外视频中后续所有帧进行跟踪。

本发明与现有技术相比，其显著优点在于：本发明设计了滤波网络对红外图像中的背景噪声进行抑制，滤波网络使用伪标签监督信息进行训练，能够更好的减少背景噪声对跟踪算法的干扰，孪生网络中的特征提取网络层数和参数量较少，能够快速计算从而对高速移动的目标进行跟踪，同时利用注意力计算层进行注意力计算，将目标图像和搜寻区域图像进行关联，让网络更注重弱小目标所在的位置并能够更好的区分前景和背景，提高了跟踪精度和网络的鲁棒性，实现对红外弱小目标的快速精准跟踪。

附图说明

图1为本发明基于孪生网络的红外弱小目标跟踪网络整体架构图。

图2为本发明特征提取网络结构图。

图3为本发明滤波网络结构图。

图4为本发明滤波网络中的残差单元结构图。

图5为本发明注意力计算结构图。

图6为本发明方法的流程图。

具体实施方式

下面结合附图对本发明作进一步详细描述。

结合图1～图6，一种基于半监督孪生网络的红外弱小目标跟踪方法，步骤如下：