CN103617633A - 一种空间红外目标的级联识别方法 - Google Patents
一种空间红外目标的级联识别方法 Download PDFInfo
- Publication number
- CN103617633A CN103617633A CN201310611583.7A CN201310611583A CN103617633A CN 103617633 A CN103617633 A CN 103617633A CN 201310611583 A CN201310611583 A CN 201310611583A CN 103617633 A CN103617633 A CN 103617633A
- Authority
- CN
- China
- Prior art keywords
- target
- track
- false
- infrared
- potential
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种空间红外目标的级联识别方法,其步骤为:(1)输入多帧红外图像的积累值和检测结果,利用峰值判别法去除目标扩散或大面积假目标引起的虚警,获得潜在目标;(2)输入上步获得的潜在目标的轨迹,进行方向判别,去除强噪声积累和闪源、盲源干扰引起的虚警,得到潜在目标点的轨迹;(3)根据上步得到的潜在目标点的轨迹,进行静止轨迹判别,去除星体背景引起的虚警;(4)保留上步未被去除的潜在目标轨迹,宣布为识别出的目标运动轨迹。本发明充分利用红外成像系统特性和空间红外目标的几何特性、运动特征和背景信息,进行目标识别,全面系统的去除了由于目标扩散、强噪声积累、面目标和星体背景、闪源盲源干扰引起的虚警。
Description
技术领域
本发明属于红外目标的识别领域,具体涉及一种空间红外目标级联识别方法,主要应用于空间背景下红外目标的检测后处理,进行目标的判定与识别。
背景技术
空间红外目标由于成像距离较远,信噪比较低,很难通过单帧图像进行检测,因此多帧积累被广泛应用于空间红外目标的检测中。多帧积累进行红外目标检测时会产生目标能量的扩散,从而引入大量虚警,同时噪声、空间背景、恒星和行星等的干扰以及红外焦平面本身的特性(如盲源、闪源等)也会给检测带来很大影响,因此,检测后的红外目标识别技术是红外目标检测中的关键一环。红外目标识别常用的方法有重叠轨迹消除法、局部极值法等,其主要从检测方法本身出发去除虚警,进行目标判别,通常只能去除特定的一类虚警,并没有考虑到具体应用环境下的目标和背景信息,因此识别效果较为有限。
本发明充分利用红外成像系统的焦平面特性(如盲源、闪源等),空间红外目标的几何特性、运动特征和空间背景信息等,系统全面的针对不同情况下引起的虚警分别进行判别和去除,主要包括了由于目标扩散、强噪声积累、面目标和星体背景、闪源盲源干扰等引起的虚警,因此对空间红外目标获得了良好的识别效果。
发明内容
本发明利用空间红外成像系统特性和空间红外目标的几何特性、运动特征和背景信息等,在红外目标检测后进行目标识别,去除检测中的虚警,进行目标判别,确认目标运动轨迹。
本发明技术方案为:空间红外目标的级联识别方法,其步骤如下:
(1)输入多帧红外图像的积累值和检测结果,利用峰值判别法去除目标扩散或大面积假目标引起的虚警,获得潜在目标;
(2)输入上步获得的潜在目标的轨迹,进行方向判别,去除强噪声积累和闪源、盲源干扰引起的虚警,得到潜在目标点的轨迹;
(3)根据上步得到的潜在目标点的轨迹,进行静止轨迹判别去除星体背景引起的虚警;
(4)保留上步未被去除的潜在目标轨迹,宣布为识别出的目标运动轨迹。
步骤(1)中,峰值判别的计算公式为:
式中I(x,y)表示当前处理点(x,y)的多帧积累值,max(·)表示取最大值,Σ表示对于多帧积累值I取最大值的区域,这里指处理点(x,y)的一个邻域,通常可以取5×5、7×7或更大的邻域。
步骤(3)中,判别静止轨迹时,将轨迹信息依次存入变量trace中,依照下式计算帧间位移shift,并统计shift中0元素的个数。
shift=diff(trace)
式中shift表示目标在相邻帧间的位移,diff表示计算trace中相邻元素的差。
步骤(3)中,在进行门限判决时需确定判决门限,其通常设置为轨迹长度的一定比例,例如0.8-1倍的轨迹长度,0元素个数多于判决时判决为虚警,0元素个数少于判决门限时判决为潜在目标。
本发明与现有技术相比的优点在于:
(1)、本发明充分利用红外成像系统、空间红外目标和背景特性,系统全面的针对不同情况下产生的虚警进行了判别和去除,获得了良好的识别效果。
(2)、本发明在实现过程中没有涉及复杂的运算,所以在提升工作性能的同时,并没有引入过多的计算量,简单易行。
(3)、本发明所提供方法对输入图像的信噪比要求不高,且不受目标运动模型和背景噪声模型的干扰,具有较好的通用性。
附图说明
图1为本发明空间红外目标级联识别方法的流程图;
图2为本发明仿真实验结果,其中:
201:第三帧仿真数据;
202:红外图像积累结果;
203:红外图像检测结果;
204:经过步骤1处理后的识别结果;
205:潜在目标的运动轨迹;
206:1号潜在目标的运动轨迹。
具体实施方式
下面结合附图以及具体实施例进一步说明本发明。
空间红外目标级联识别是红外目标检测的后续处理,其流程图如图1所示,输入多帧红外图像的积累值、检测结果和轨迹回溯的结果,去除目标检测过程中产生的虚警,进行目标判别,确认目标运动轨迹。其主要包括了以下4个步骤:
步骤1、根据输入的多帧红外图像积累值和检测结果,利用峰值判别法去除目标扩散或大面积假目标引起的虚警,获得潜在目标。
目标扩散和大面积假目标会在检测结果中产生虚警,且所有虚警连通成一个区域,可以根据这一特性选择区域中的最大值判别为潜在目标,其余判别为虚警进行去除,因此可用(1)式进行判别。
式中I(x,y)表示当前处理点(x,y)的多帧积累值,max(·)表示取最大值,Σ表示对于多帧积累值I取最大值的区域,这里指处理点(x,y)的一个邻域,通常可以取5×5、7×7或更大的邻域。这样就可以获得连通区域内的峰值,判决为潜在目标点,去除由于目标扩散和大面积假目标引起的虚警。
步骤2、输入上步获得的潜在目标的轨迹,进行方向判别,去除强噪声和传感器闪源、盲源引起的虚警,得到潜在目标点的轨迹。
与目标轨迹相比,强噪声和传感器闪源、盲源产生的虚警其轨迹在方向上缺乏规则性,表现为随机运动,基于这种轨迹的方向不稳定性,可以对潜在目标轨迹进行方向判别,区分目标轨迹和虚警轨迹。
计算潜在目标轨迹的方向角,如式(2),其用相邻帧图像中目标运动的位置变化定义,描述了目标在相邻帧间运动的方向:
diri,j=angle(vi-vj) (2)
式中vi、vj分别表示潜在目标轨迹在i、j两帧中的位置,且i-j>0,angle(·)为取角度,值的范围为-π~π,i-j的值为方向阶数,当i-j=1,则为相邻的两帧图像。目标运动方向角描述了目标运动方向的稳定性,方向角分布范围越宽,目标运动越杂乱,方向角集中在很小的范围内时,表明目标具有较确定的运动方向。
对落入0附近区域的方向角进行计数,并对计数结果count1进行门限判别:
式中th1表示判决门限,值取值通常设置为总方向角数目的一定比例,如0.5~0.75倍的方向角数目。
步骤3、根据上步得到的潜在目标点的轨迹,进行静止轨迹判别去除星体背景引起的虚警。
由于星体背景在红外图像中不发生位移,因此检测轨迹在帧间没有位移,利用星体背景的这一特性找出轨迹在帧间没有位移的轨迹判别为星体轨迹,作为虚警进行去除。若目标在各帧的位置依次保存在trace中,可用(4)式计算目标在相邻帧间的位移。
shift=diff(trace) (4)
式中shift表示目标在相邻帧间的位移,diff表示计算trace中相邻元素的差。计算shift中0元素的个数count2,即目标在帧间未发生移动的帧数,并进行如(5)式的门限判决。
式中th2表示判决门限,取值通常设置为轨迹长度的一定比例,例如0.8-1倍的轨迹长度。
步骤4、保留上步未被去除的潜在目标轨迹宣布为识别出的目标运动轨迹。
为验证该方法的有效性,基于仿真数据进行试验。仿真场景中包含了运动小目标、星体、闪源、盲源以及噪声等的干扰,具体仿真参数为:空间红外图像尺寸:256×256;目标信噪比2.2;星体2个;块状假目标1个;闪源率0.01%;盲源率0.01%;仿真帧数15。图201即为仿真的第三帧图像,可以明显的看出块状干扰目标位于图像的右上角。
对仿真的空间红外图像进行积累、检测和空间红外目标的级联识别,如图2所示,图202和图203分别为积累结果和检测结果。输入积累结果和检测结果,运用空间红外目标的级联识别方法进行识别,进行步骤1的识别,可以得到图204所示的识别结果,去除了目标扩散和块状假目标干扰引起的虚警,留下了如编号1-4所示的4个潜在目标;输入这4个潜在目标的运动轨迹如图205,进行步骤2的识别,可将运动轨迹杂乱的1号潜在目标(如图206)作为虚警进行去除;对2-4号三个潜在目标继续进行步骤3的识别,可将2、3号星体背景产生的虚警去除,最终留下1号潜在轨迹;将其判决为空间红外目标真实运动的轨迹,得到了正确的识别结果。
可以看出空间红外目标的级联识别方法充分利用空间红外成像系统特性、空间红外目标的运动特性和背景特性,可以有效的去除目标扩散,强噪声积累,闪源、盲源、星体等产生的虚警,取得了良好的识别效果。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
尽管为说明目的公开了本发明的最佳实施例和附图,但是本领域的技术人员可以理解:在不脱离本发明及所附的权利要求的精神和范围内,各种替换、变化和修改都是可能的。因此,本发明不应局限于最佳实施例和附图所公开的内容。
Claims (4)
1.一种空间红外目标的级联识别方法,其特征在于步骤如下:
步骤(1)、输入多帧红外图像的积累值和检测结果,利用峰值判别法去除目标扩散或大面积假目标引起的虚警,获得潜在目标;
步骤(2)、输入上步获得的潜在目标的轨迹,进行方向判别,去除强噪声积累和闪源、盲源干扰引起的虚警,得到潜在目标点的轨迹;
步骤(3)、根据上步得到的潜在目标点的轨迹,进行静止轨迹判别去除星体背景引起的虚警;
步骤(4)、保留上步未被去除的潜在目标轨迹,宣布为识别出的目标运动轨迹。
3.根据权利要求1的空间红外目标的级联识别方法,其特征在于:所述步骤(3),判别静止轨迹时,将轨迹信息依次存入变量trace中,依照下式计算帧间位移shift,并统计shift中0元素的个数,
shift=diff(trace)
式中shift表示目标在相邻帧间的位移,diff表示计算trace中相邻元素的差。
4.根据权利要求1的空间红外目标的级联识别方法,其特征在于:所述步骤(3),在进行门限判决时需确定判决门限,其通常设置为轨迹长度的一定比例,可以取0.8-1倍的轨迹长度,0元素个数多于判决门限时判决为虚警,0元素个数少于判决门限时判决为潜在目标轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310611583.7A CN103617633B (zh) | 2013-11-26 | 2013-11-26 | 一种空间红外目标的级联识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310611583.7A CN103617633B (zh) | 2013-11-26 | 2013-11-26 | 一种空间红外目标的级联识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103617633A true CN103617633A (zh) | 2014-03-05 |
CN103617633B CN103617633B (zh) | 2017-01-25 |
Family
ID=50168337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310611583.7A Active CN103617633B (zh) | 2013-11-26 | 2013-11-26 | 一种空间红外目标的级联识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617633B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971371B (zh) * | 2014-05-17 | 2017-02-22 | 北京航空航天大学 | 基于焦平面调制特性的空间点目标检测方法 |
CN110275150A (zh) * | 2019-07-16 | 2019-09-24 | 北京航空航天大学 | 基于经验模式分解和迭代端点拟合的变加速运动目标相参积累方法 |
CN110321888A (zh) * | 2019-03-18 | 2019-10-11 | 华中科技大学 | 一种基于fpga的星载红外小目标检测方法 |
CN110363123A (zh) * | 2019-07-03 | 2019-10-22 | 中国电子科技集团公司第三研究所 | 水下运动小目标的检测跟踪方法及系统 |
CN111784752A (zh) * | 2020-06-23 | 2020-10-16 | 哈尔滨工程大学 | 一种固定式多平台被动目标联合探测方法 |
CN117315498A (zh) * | 2023-10-10 | 2023-12-29 | 中国人民解放军战略支援部队航天工程大学 | 一种基于空间目标检测结果的虚警判别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
US20100026809A1 (en) * | 2008-07-29 | 2010-02-04 | Gerald Curry | Camera-based tracking and position determination for sporting events |
-
2013
- 2013-11-26 CN CN201310611583.7A patent/CN103617633B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100026809A1 (en) * | 2008-07-29 | 2010-02-04 | Gerald Curry | Camera-based tracking and position determination for sporting events |
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
Non-Patent Citations (2)
Title |
---|
刘建轶等: "低信噪比序列图像中目标检测、识别及跟踪算法的研究", 《红外与激光工程》 * |
蒲旭敏等: "三维时空中弱点状动目标的实时检测技术研究", 《计算机工程与应用》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971371B (zh) * | 2014-05-17 | 2017-02-22 | 北京航空航天大学 | 基于焦平面调制特性的空间点目标检测方法 |
CN110321888A (zh) * | 2019-03-18 | 2019-10-11 | 华中科技大学 | 一种基于fpga的星载红外小目标检测方法 |
CN110321888B (zh) * | 2019-03-18 | 2021-11-19 | 华中科技大学 | 一种基于fpga的星载红外小目标检测方法 |
CN110363123A (zh) * | 2019-07-03 | 2019-10-22 | 中国电子科技集团公司第三研究所 | 水下运动小目标的检测跟踪方法及系统 |
CN110275150A (zh) * | 2019-07-16 | 2019-09-24 | 北京航空航天大学 | 基于经验模式分解和迭代端点拟合的变加速运动目标相参积累方法 |
CN111784752A (zh) * | 2020-06-23 | 2020-10-16 | 哈尔滨工程大学 | 一种固定式多平台被动目标联合探测方法 |
CN111784752B (zh) * | 2020-06-23 | 2023-07-21 | 哈尔滨工程大学 | 一种固定式多平台被动目标联合探测方法 |
CN117315498A (zh) * | 2023-10-10 | 2023-12-29 | 中国人民解放军战略支援部队航天工程大学 | 一种基于空间目标检测结果的虚警判别方法 |
CN117315498B (zh) * | 2023-10-10 | 2024-05-24 | 中国人民解放军战略支援部队航天工程大学 | 一种基于空间目标检测结果的虚警判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103617633B (zh) | 2017-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986064B (zh) | 一种人流量统计方法、设备及系统 | |
CN103617633A (zh) | 一种空间红外目标的级联识别方法 | |
US10043064B2 (en) | Method and apparatus of detecting object using event-based sensor | |
CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
US9569531B2 (en) | System and method for multi-agent event detection and recognition | |
CN106707296A (zh) | 一种基于双孔径光电成像系统的无人机检测与识别方法 | |
KR102595604B1 (ko) | 이벤트 기반 센서를 이용한 객체의 검출 방법 및 장치 | |
CN101853399B (zh) | 利用计算机视觉技术进行盲道和人行横道实时检测的方法 | |
JP2019505866A (ja) | 通行人の頭部識別方法及びシステム | |
CN103745216B (zh) | 一种基于空域特性的雷达图像杂波抑制方法 | |
CN105989608B (zh) | 一种面向智能机器人的视觉捕捉方法及装置 | |
CN107067413A (zh) | 一种时空域统计匹配局部特征的运动目标检测方法 | |
US9852341B2 (en) | Method and system for detecting moving objects | |
CN110991397B (zh) | 一种行进方向确定方法及相关设备 | |
CN109325456A (zh) | 目标识别方法、装置、目标识别设备及存储介质 | |
CN105138983B (zh) | 基于加权部件模型和选择性搜索分割的行人检测方法 | |
CN106415192B (zh) | 引线图像识别方法及识别装置以及图像处理用元件数据生成方法及生成装置 | |
CN106548131A (zh) | 一种基于行人检测的施工人员安全帽实时检测方法 | |
Yadav | Vision-based detection, tracking, and classification of vehicles | |
CN105893957A (zh) | 基于视觉湖面船只检测识别与跟踪方法 | |
CN106991418A (zh) | 飞虫检测方法、装置及终端 | |
CN107463873A (zh) | 一种基于rgbd深度传感器的实时手势分析与评价方法与系统 | |
CN102565103B (zh) | 一种基于x射线图像的焊缝缺陷跟踪检测方法 | |
CN106023250A (zh) | 一种图像识别与跟踪中目标遮蔽强度的评价方法 | |
US20200211202A1 (en) | Fall detection method, fall detection apparatus and electronic device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |