[发明专利]一种复杂战场上的目标识别及跟踪方法、装置及系统

权利要求书

1.一种复杂战场上的目标识别及跟踪方法，其特征在于，包括：

采集包含目标对象的第一图像集，所述第一图像集中的第一图像的类型不同；

对所述第一图像集进行去模糊、去噪处理，形成第二图像集；

对所述第二图像集进行图像融合处理，形成融合图像；

构建用于识别图像中的目标对象并进行跟踪标记的目标跟踪算法模型，所述目标跟踪算法模型以单阶段目标检测模型为基础，至少通过调整所述单阶段目标检测模型中特征提取模块及池化层的位置以及卷积层的数量得到；

将所述融合图像输入至所述目标跟踪算法模型中，以基于所述目标跟踪算法模型得到关于所述目标对象的识别及跟踪结果。

2.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，还包括：

对所述第一图像集中的第一图像进行图像模糊度检测，所述图像模糊度检测包括对所述第一图像进行二次模糊处理，基于二次模糊处理前后的第一图像的比对结果确定所述第一图像的模糊度。

3.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，所述对所述第一图像集进行去模糊处理，包括：

将特征金字塔网络、双判别器结构与图像去模糊算法结合形成第一图像处理网络；

基于所述第一图像处理网络对所述第一图像进行去模糊处理。

4.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，所述对所述第一图像集进行去噪处理，包括：

通过引入非对称损失函数及噪声估计子网络至图像去噪网络中，形成第二图像处理网络；

基于所述第二图像处理网络对所述第一图像进行去噪处理。

5.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，还包括：

基于能够不平等处理不同图像特征及像素的特征注意模块、由局部残差学习模块和特征注意模块组成的基本块结构，以及能够区别富裕图像中不同特征权重的特征融合结构构建特征融合注意力网络，所述特征融合注意力网络用于对图像进行去雾处理；

基于所述特征融合注意力网络对所述第一图像集中的第一图像同时进行去雾处理，以得到所述第二图像集。

6.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，所述第一图像集中包括对同一场景进行拍摄得到的第一可见光图像及第一红外图像，形成的所述第二图像集包括去模糊、去噪后的第二可见光图像及第二红外图像；

所述对所述第二图像集进行图像融合处理，形成融合图像，包括：

对所述第二可见光图像与第二红外图像进行几何配准；

将配准后的所述第二可见光图像与第二红外图像进行图像融合处理，形成所述融合图像。

7.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，所述构建用于识别图像中的目标对象并进行跟踪标记的目标跟踪算法模型，包括：

基于基本卷积层、下采样层、残差模块、特征提取模块和池化层构建所述目标跟踪算法模型，所述基本卷积层由多个卷积层、BN层和激活函数层构成；

其中，所述目标跟踪算法模型包括六个卷积阶段，所特征提取模块位于第四个和第五个卷积阶段后，所述池化层位于第六个卷积阶段后，且第二个卷积阶段到第六个卷积阶段的残差模块的数量为1、2、4、4、2，各卷积通道数分别为16、24、48、96、128、160。

8.根据权利要求1所述的复杂战场上的目标识别及跟踪方法，其特征在于，所述采集包含目标对象的第一图像集，包括：

基于无人机、可见光成像传感器及红外传感器采集所述包含所述目标对象的第一图像集。