本申請提供了一種艇載紅外視覺的海面弱目標識別跟蹤方法，解決了現有夜視環境下海面弱目標缺失，無法精準識別跟蹤的技術問題。其包括：利用目標識別模型對紅外視頻幀序列進行識別得到目標的坐標信息和置信度，劃分得到高置信度目標、低置信度目標和無效目標；進行判斷，若為空，生成新的軌跡，否則，生成目標軌跡預測結果；將高置信度目標與目標軌跡預測結果進行匹配；將低置信度目標與第一次匹配失敗的軌跡進行匹配；將匹配成功和匹配失敗的軌跡進行更新，為匹配失敗的高置信度目標生成新的軌跡；將更新后的坐標信息和新的軌跡寫入目標的軌跡序列中，進行迭代直至最后一幀圖像，完成跟蹤。本申請可廣泛應用于目標識別跟蹤技術領域。
【技術實現步驟摘要】
本申請屬于目標識別跟蹤的，更具體地說，是涉及一種艇載紅外視覺的海面弱目標識別跟蹤方法。
技術介紹
1、在海況高且能見度低的情況下尋找海面弱目標一直是海面監控和海上救援的難題。目前，可見光成像技術應用最為廣泛，該技術有分辨率高、顏色豐富、成本低等特點，但在夜晚其可視距離會大幅度縮短，導致夜間目標識別工作比較困難。現有的雷達探測技術可以全天候主動探測，探測距離較遠，但回波信號易受海浪、雨雪干擾，且對海面弱目標檢測精度較差，檢測海面浮標、浮球以及落水人員的效果不佳，因此不能滿足海面感知場景的需求。相比之下，無人艇搭載的紅外熱成像技術可以全天候工作、可穿透煙霧且有較強的抗干擾能力，在海上救援領域有著廣泛應用。
2、然而，受制于紅外傳感器的發展，采集的海面目標的紋理細節特征匱乏，在無人艇搖晃以及目標和海面背景對比度低的情況下，對目標的識別跟蹤非常困難。因此，研究快速且準確的海面弱目標識別跟蹤方法對于解決夜間海面監控和救援場景中的弱目標缺失問題具有重要意義。
技術實現思路
1、本申請實施例的目的在于提供一種艇載紅外視覺的海面弱目標識別跟蹤方法，以解決現有技術中夜視環境下海面弱目標缺失，無法精準識別跟蹤的技術問題。
2、為實現上述目的，本申請實施例提供了一種艇載紅外視覺的海面弱目標識別跟蹤方法，包括以下步驟：
3、利用目標識別模型對紅外視頻幀序列進行識別得到目標的坐標信息和置信度，劃分得到高置信度目標、低置信度目標和無效目標，將無效目標作為海面背景進行去除；</p>4、讀取目標的軌跡序列并進行判斷，若為空，直接生成新的軌跡并進行下一輪迭代，否則，生成目標軌跡預測結果；
5、將高置信度目標與目標軌跡預測結果進行匹配，得到匹配成功的軌跡、第一次匹配失敗的軌跡和匹配失敗的高置信度目標；
6、將低置信度目標與第一次匹配失敗的軌跡進行匹配，得到匹配成功的軌跡、第二次匹配失敗的軌跡和匹配失敗的低置信度目標，將匹配失敗的低置信度目標作為海面背景進行去除；
7、將匹配成功的軌跡進行更新，將第二次匹配失敗的軌跡進行更新，為匹配失敗的高置信度目標生成新的軌跡；
8、將更新后的坐標信息和新的軌跡寫入目標的軌跡序列中，進行迭代直至最后一幀圖像，完成跟蹤；
9、目標識別模型包括邊緣輔助增強模塊和層次加權約束注意力模塊；
10、邊緣輔助增強模塊包括四個角度的邊緣卷積層、非線性層、深度可分離卷積和平均池化層，用來提取圖像的邊緣輪廓特征；
11、層次加權約束注意力模塊包括深度可分離卷積、核大小為3×3的普通卷積層和歸一化層，用來平衡注意力掩碼對輸入的影響。
12、優選地，非線性層包括relu激活函數層和批歸一化層。
13、優選地，核大小為3×3的普通卷積層包括步長為1的3×3卷積、批歸一化層和silu激活函數層。
14、優選地，劃分的公式：
15、；
16、式中，為第個目標的置信度等級，取0、1、2分別表示該目標為無效目標、低置信度目標、高置信度目標，為目標識別模型給出的第個目標的置信度，為高分閾值，為低分閾值。
17、優選地，將低置信度目標與第一次匹配失敗的軌跡進行匹配的過程包括：計算交并比，濾除小于交并比閾值的交并比，將剩余的交并比進行匈牙利匹配。
18、優選地，得到交并比的公式：
19、；
20、式中，為低置信度目標與“第一次匹配失敗的軌跡”的交并比，為識別的低置信度目標區域與軌跡預測的目標區域相交的面積，為識別的低置信度目標區域與軌跡預測的目標區域合并的面積，為識別的低置信度目標區域和軌跡預測的目標區域兩個區域最遠點的歐式距離的平方，為和兩個區域中心點的歐氏距離的平方，為和兩個區域最遠點的水平坐標的歐式距離的平方，為和兩個區域中心點的水平坐標的歐式距離的平方，為和兩個區域最遠點的垂直坐標的歐式距離的平方，為和兩個區域中心點的垂直坐標的歐式距離的平方，、、為后三項的權重因子。
21、優選地，生成目標軌跡預測結果的公式如下：
22、；
23、；
24、式中，為可觀測的目標狀態向量，為軌跡在當前幀的預測狀態向量，為觀測矩陣，為軌跡的中心橫坐標、為中心縱坐標、為寬、為高。
25、優選地，將高置信度目標與目標軌跡預測結果進行匹配的過程包括：將馬氏距離與馬氏距離閾值進行對比，將大于馬氏距離閾值的丟棄，其余的計算代價后進行匈牙利匹配。
26、優選地，得到馬氏距離的公式：
27、；
28、；
29、式中，為變量之間的協方差矩陣，為觀測矩陣，為軌跡在當前幀的狀態預測誤差協方差矩陣，為觀測矩陣的轉置，表示第個高置信度目標和第個卡爾曼濾波器預測結果的馬氏距離，為可觀測的目標狀態向量，為識別目標的狀態向量，包括第個目標的中心橫坐標、中心縱坐標、寬度以及高度信息。
30、優選地，代價的計算公式如下：
31、；
32、式中，為第個高置信度目標與第個軌跡的代價，為調和超參數，為第個高置信度目標與第個軌跡的馬氏距離，為第個高置信度目標的置信度，和均為條件函數，為軌跡狀態，為第個高置信度目標的類別，為第個軌跡的類別。
33、本申請的有益效果在于：本申請提供了一種艇載紅外視覺的海面弱目標識別跟蹤方法，利用改進的目標識別模型進行識別，通過增強模型對目標本身以及目標邊緣輪廓特征的關注度來提高模型對海面弱目標的識別能力。
34、目標識別模型在傳統yolov8的基礎上進行了改進，具體包括以下三點：
35、第一點，調整了傳統yolov8骨干網絡的感受野，使骨干網絡注重提取潛在目標局部細節特征；
36、第二點，在骨干網絡中引入邊緣輔助增強模塊，以對潛在海面弱目標的邊緣輪廓特征進行增強，增強模型對弱目標的特征提取能力；
37、第三點，在傳統yolov8的頸部網絡部分引入層次加權約束注意力模塊，為骨干網絡輸出的多層次特征添加特征掩碼，放大了目標本身特征以及周圍環境特征對識別結果的影響，減少了改進的目標識別模型對遠距離背景特征的關注程度，平衡了注意力掩碼對輸入的影響。
38、此外，本申請調整了匹配過程以及對目標坐標信息的約束。通過這樣的改進能夠最大限度地緩解無人艇上紅外傳感器震蕩導致目標圖像位置變動的問題，提高對海面弱目標的識別跟蹤性能，能夠更精準地識別跟蹤海面弱目標。
本文檔來自技高網...
【技術保護點】
1.一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：所述非線性層包括ReLU激活函數層和批歸一化層。
3.根據權利要求1所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：所述核大小為3×3的普通卷積層包括步長為1的3×3卷積、批歸一化層和SiLU激活函數層。
4.根據權利要求1所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：所述劃分的公式：
5.根據權利要求1所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：
6.根據權利要求5所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：得到所述交并比的公式：
7.根據權利要求1所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：所述生成目標軌跡預測結果的公式如下：
8.根據權利要求1所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：將所述高置信度目標與所述目標軌跡預測結果進行匹配的過程包括：將馬氏距離與馬氏距離閾值進行對比，將大于馬氏距離閾值的丟棄，其余的計算代價后進行匈牙利匹配。
9.根據權利要求8所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：得到所述馬氏距離的公式：
10.根據權利要求8所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：所述代價的計算公式如下：
...
【技術特征摘要】
1.一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：所述非線性層包括relu激活函數層和批歸一化層。
3.根據權利要求1所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：所述核大小為3×3的普通卷積層包括步長為1的3×3卷積、批歸一化層和silu激活函數層。
4.根據權利要求1所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：所述劃分的公式：
5.根據權利要求1所述的一種艇載紅外視覺的海面弱目標識別跟蹤方法，其特征在于：
6.根據權利要求5所述的一種艇載紅外視覺的海面弱目...
【專利技術屬性】
技術研發人員：王軍，韓天豪，馮翔，趙占鋒，王晨旭，周志權，
申請(專利權)人：哈爾濱工業大學威海，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。