[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

说明书

本发明实施例提供了一种复杂战场上的目标识别及跟踪方法、装置及系统，所述方法包括：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。

技术领域

本发明实施例涉及目标识别与跟踪技术领域，特别涉及一种复杂战场上的目标识别及跟踪方法及装置。

背景技术

伴随着现代作战无人化趋势的不断加剧，无人机在军事领域的应用变得愈发重要，不仅能承担侦察、打击、运输等任务，而且还能有效保障作战人员的安全，对于战场的颠覆作用不言而喻。无人机作为战场目标侦察的重要组成，有利于指挥员全面掌握整个战场变化中的态势。在未来的信息化战争中，提高战场态势感知能力，可以有效提高战争全局掌控能力，各军事大国都在加强相关技术的开发和研究。

由于战场态势具有高动态性，对战场典型目标检测跟踪的实时性与准确性具有较高的要求。此外，在对无人机侦察获得的战场图像信息进行目标检测时，该过程中军事目标受到运动模糊、噪声污染、气候干扰、目标尺寸、部分目标存在遮挡等情况的影响，使得战场态势感知的性能难以满足现实的需求。主要问题表现在几个方面：

1)战场环境复杂多变，无人机的侦察任务往往包括一些夜间、雾天、雨天等能见度低的场景。同时因无人机飞行抖动与传感器问题，所采集的画面难免出现模糊与噪声的影响，基于常规成像系统的目标检测和跟踪算法在这类场景下，通常性能会大大降低，难以发挥作用。

2)不同模态的图像数据，如可见光图像和红外图像，具有各自的特点，但单一地依靠其中任一种模态图像样本进行目标检测都具有一定的局限性，无法满足多场景、高精度性能的目标检测与跟踪要求。

发明内容

本发明实施例提供了一种复杂战场上的目标识别及跟踪方法，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。

作为一可选实施例，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。

作为一可选实施例，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。

作为一可选实施例，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。