CN111598044A - 适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法 - Google Patents

适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法 Download PDF

Info

Publication number
CN111598044A
CN111598044A CN202010460889.7A CN202010460889A CN111598044A CN 111598044 A CN111598044 A CN 111598044A CN 202010460889 A CN202010460889 A CN 202010460889A CN 111598044 A CN111598044 A CN 111598044A
Authority
CN
China
Prior art keywords
detection
target
tracking
frame image
result
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
Application number
CN202010460889.7A
Other languages
English (en)
Other versions
CN111598044B (zh
Inventor
高放
翟雨微
张鹏
胡永利
陆晴
狄特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chang Guang Satellite Technology Co Ltd
Original Assignee
Chang Guang Satellite Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chang Guang Satellite Technology Co Ltd filed Critical Chang Guang Satellite Technology Co Ltd
Priority to CN202010460889.7A priority Critical patent/CN111598044B/zh
Publication of CN111598044A publication Critical patent/CN111598044A/zh
Application granted granted Critical
Publication of CN111598044B publication Critical patent/CN111598044B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法，包括步骤：指定检测目标的类型，加载该类型已训练好的检测模型；利用已训练好的检测模型和YOLOv3目标检测算法对第1帧图像进行指定目标类型检测并分配目标编号，得到第1帧图像的最终检测跟踪结果；读取遥感卫星视频数据第t帧图像；对第t帧图像进行指定目标类型检测及目标跟踪，并对指定目标类型检测结果集合和目标跟踪结果集合进行匹配关联，得到第t帧图像的最终检测跟踪结果；判断遥感卫星视频数据是否读取完成，若是，则输出结果后结束。本发明能够实现在大范围内对特定目标的检测以及多特定目标的持续跟踪，检测准确率高、速度快，拓展了目标检测与跟踪的应用范围。

Description

适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法
技术领域
本发明涉及目标检测与目标跟踪技术领域，具体涉及一种适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法。
背景技术
随着计算机视觉技术的发展，基于视觉的目标检测与跟踪已成为目前的研究热点，在军事制导、视觉导航、机器人、智能交通、公共安全等领域有着广泛的应用。
2015年10月6日，长光卫星技术有限公司成功发射“吉林一号”一箭四星，其中包括两颗1.13米分辨率，4096×3072面阵大小的多功能彩色视频卫星，开启国内视频卫星的先河。之后几年，长光卫星技术有限公司陆续发射多颗分辨率优于1米，12000*5000超大面阵、覆盖50多平方公里的多功能彩色视频卫星，初步形成“吉林一号”视频卫星星座，实现对全球任意位置的天重访。大面阵高分辨率视频卫星可实现对某一区域凝视拍摄，获取大面积区域目标的整体分布情况与运动情况，可在全局上进行统计分析。
然而，目前针对视频卫星这种新型的对地观测获取地物信息方式、结合高分辨率卫星视频数据特点，对高分辨率卫星视频数据进行特定目标检测与跟踪的研究还比较匮乏，广泛研究使用的帧差法、背景相减法无法很好的提取完整的目标；而应用最多的DeepSort算法也没有充分考虑高分辨率视频卫星单帧图像尺寸大、目标间通常不存在遮挡等特点，若对卫星视频每帧图像均进行Yolo目标检测，则所用时间会成指数增加，不利于目标跟踪的实时性。由此，结合高分辨率卫星视频数据特点的特定目标检测与跟踪方法需求迫切。
发明内容
本发明的目的是为克服已有技术的不足之处，提出一种适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法。
为达到上述目的，本发明采用如下的技术方案：
一种适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法，包括以下步骤：
步骤一：依据检测需求，指定检测目标的类型，并加载该类型已训练好的检测模型；
步骤二：读取遥感卫星视频数据第1帧图像，利用已训练好的检测模型和YOLOv3目标检测算法对第1帧图像进行指定目标类型检测，得到第1帧图像的指定目标类型检测结果集合d1，并为集合中的每个检测结果分配目标编号，将目标编号加入到第1帧图像的指定目标类型检测结果集合d1，得到第1帧图像的最终检测跟踪结果l1；
步骤三：读取遥感卫星视频数据第t帧图像，判断视频帧号t是否为N的整数倍，其中N为自定义设定的检测频率，若是，则执行步骤四；若否，则转至步骤五；
步骤四：对第t帧图像进行指定目标类型检测及目标跟踪，得到第t帧图像的指定目标类型检测结果集合dt和目标跟踪结果集合ft，并对指定目标类型检测结果集合dt和目标跟踪结果集合ft进行匹配关联，得到第t帧图像的最终检测跟踪结果lt，完成后转至步骤六；
步骤五：根据第t-1帧图像的最终检测跟踪结果lt-1，采用时空上下文视觉跟踪算法对第t-1帧图像中所有指定目标在第t帧图像进行跟踪，得到第t帧图像的最终检测跟踪结果lt；
步骤六：判断遥感卫星视频数据是否读取完成，若是，则输出全部图像的最终检测跟踪结果后结束；若否，则令t加1后返回至步骤三。
与现有技术相比，本发明具有以下有益效果：
本发明采用了YOLOv3目标检测算法与时空上下文视觉跟踪(STC)算法相结合，充分考虑高分辨率卫星视频数据单帧图像尺寸大、目标间通常不存在遮挡等特点，在保证适当检测频率的同时，采用STC跟踪算法优化整体检测跟踪时间，从而使得本发明能够实现在大范围内对特定目标的检测以及多特定目标的持续跟踪，检测准确率高、速度快，拓展了目标检测与跟踪的应用范围。
附图说明
图1为本发明适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法的流程图；
图2为实验案例的最终检测跟踪结果示意图。
具体实施方式
下面将结合附图及较佳实施例对本发明的技术方案进行详细描述。
在其中一个实施例中，参见图1，本发明提出一种适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法，该方法包括以下步骤：
步骤一：依据检测需求，指定检测目标的类型，检测目标的类型为飞机、舰船等，并加载该类型已训练好的检测模型；已训练好的检测模型为使用YOLOv3网络对已标注指定目标的遥感图片训练集进行训练，得到的YOLOv3网络权重值集合。对于遥感图片可使用YOLOv3训练检测的目标，均可作为本发明检测与跟踪的目标。
步骤二：读取遥感卫星视频数据第1帧图像，利用已训练好的检测模型和YOLOv3目标检测算法对第1帧图像进行指定目标类型检测，用目标在图像中的外接矩形框表示目标的位置，得到第1帧图像的指定目标检测结果集合d1；为指定目标检测结果集合d1中的每个检测结果分配目标编号ID(ID＝0,1，2，…)，并将目标编号ID加入到第1帧图像的指定目标检测结果集合d1，得到第1帧图像的最终检测跟踪结果l1，记为
Figure BDA0002510923380000041
其中
Figure BDA0002510923380000042
表示第1帧图像中第i个指定目标的最终检测跟踪信息，最终检测跟踪信息包括目标编号及目标位置信息，p为第1帧图像中指定目标的总数。
步骤三：读取遥感卫星视频数据第t帧图像，判断视频帧号t是否为N的整数倍，若是，则执行步骤四；若否，则转至步骤五；其中t＝2,3……，N为自定义设定的检测频率，可根据需求进行自定义调整，N的默认值可以设定为N＝3×fps，其中fps为输入视频帧率。
步骤四：对第t帧图像进行指定目标类型检测及目标跟踪，得到第t帧图像的指定目标类型检测结果集合dt和目标跟踪结果集合ft，并对指定目标类型检测结果集合dt和目标跟踪结果集合ft进行匹配关联，得到第t帧图像的最终检测跟踪结果lt，完成后转至步骤六。步骤四具体包括以下步骤：
步骤四一：利用已训练好的检测模型和YOLOv3目标检测算法对第t帧图像进行指定目标类型检测，用目标在图像中的外接矩形框表示目标的位置，得到第t帧图像的指定目标类型检测结果集合dt，记为
Figure BDA0002510923380000043
其中
Figure BDA0002510923380000044
表示第t帧图像中检测到的第j个指定目标的位置，n为第t帧图像中指定目标的总数。
步骤四二：根据第t-1帧图像的最终检测跟踪结果lt-1，采用时空上下文视觉跟踪(STC)算法对第t-1帧图像中所有指定目标在第t帧图像进行跟踪，得到第t-1帧图像中所有指定目标在第t帧图像中的对应位置，即第t帧图像的目标跟踪结果集合ft，记为
Figure BDA0002510923380000045
其中fk t表示第t帧图像中检测到的第k个指定目标的位置，m为在第t帧图像中追踪到的第t-1帧图像中指定目标的总数，并且目标跟踪结果集合ft中每个指定目标的目标编号与第t-1帧图像的最终检测跟踪结果lt-1中每个指定目标的目标编号相同。
步骤四三：将第t帧图像的指定目标类型检测结果集合dt与目标跟踪结果集合ft进行匹配关联，即在第t帧图像的目标跟踪结果集合ft中找到与
Figure BDA0002510923380000051
对应为同一目标的fk t，从而得到第t帧图像的最终检测跟踪结果lt。
将第t帧图像的指定目标类型检测结果集合dt与目标跟踪结果集合ft进行匹配关联的具体方法为：
以指定目标类型检测结果集合dt中的任意一个检测结果
Figure BDA0002510923380000052
(即检测到的任意一个指定目标的位置)作为待匹配检测结果，在目标跟踪结果集合ft中找到与待匹配检测结果
Figure BDA0002510923380000053
位置距离最近的目标跟踪结果fk t，待匹配检测结果
Figure BDA0002510923380000054
与目标跟踪结果fk t的距离计算公式为
Figure BDA0002510923380000055
其中(xd,yd)表示待匹配检测结果
Figure BDA0002510923380000056
对应的外接矩形框的中心点坐标，(xf,yf)表示目标跟踪结果fk t对应的外接矩形框的中心点坐标；判断待匹配检测结果
Figure BDA0002510923380000057
与该目标跟踪结果fk t之间的距离dis是否小于或者等于自定义距离阈值D，若dis≤D，则认为目标跟踪结果fk t与待匹配检测结果
Figure BDA0002510923380000058
对应的是同一指定目标，此时将该目标跟踪结果fk t加入到最终检测跟踪结果lt中；若dis＞D，则认为目标跟踪结果集合ft中没有与之相对应的同一指定目标，即待匹配检测结果
Figure BDA0002510923380000059
为该帧新检测出的目标，此时为待匹配检测结果
Figure BDA00025109233800000510
分配新的目标编号，并将待匹配检测结果
Figure BDA00025109233800000511
及其目标编号加入到最终检测跟踪结果lt中；可选地，自定义距离阈值D的取值或者默认值为20；
将待匹配检测结果
Figure BDA00025109233800000512
依次遍历指定目标类型检测结果集合dt中的全部检测结果，遍历完成后，为避免YOLOv3目标检测算法可能存在的漏检情况，将未能成功匹配的目标跟踪结果也加入到最终检测跟踪结果lt中，得到第t帧图像的最终检测跟踪结果lt，完成后转至步骤六。
步骤五：根据第t-1帧图像的最终检测跟踪结果lt-1，采用时空上下文视觉跟踪(STC)算法对第t-1帧图像中所有指定目标在第t帧图像进行跟踪，得到跟踪结果加入到第t帧最终检测跟踪结果lt中，得到第t帧图像的最终检测跟踪结果lt，第t帧图像指定目标检测跟踪完成，最终检测跟踪结果为lt，接下来执行步骤六；
步骤六：判断遥感卫星视频数据是否读取完成，若是，则输出全部图像的最终检测跟踪结果后结束；若否，则根据第t帧图像的最终检测跟踪结果lt，令t加1后重新返回至步骤三，进行下一帧图像的指定目标检测与跟踪，直至完成遥感卫星视频数据的读取，输出结果后结束。
本实施例所提出的适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法采用了YOLOv3目标检测算法与时空上下文视觉跟踪(STC)算法相结合，充分考虑高分辨率卫星视频数据单帧图像尺寸大、目标间通常不存在遮挡等特点，在保证适当检测频率的同时，采用STC跟踪算法优化整体检测跟踪时间，从而使得本发明能够实现在大范围内对特定目标的检测以及多特定目标的持续跟踪，检测准确率高、速度快，拓展了目标检测与跟踪的应用范围。
为进一步说明本发明的可行性，本发明给出一个具体的实验案例。这里采用“吉林一号”视频03星于2018年11月9日拍摄的迪拜国际机场区域视频，视频帧率10帧/秒，原始视频12000*5000大小，为能够方便展示最终检测跟踪结果，截取其中一部分1920*1080大小的视频作为实验案例的遥感卫星视频数据，如图2所示为采用本发明对实验案例的遥感卫星视频数据中的特征目标(飞机)进行检测及持续跟踪的最终检测跟踪结果示意图，其中图2(a)-(c)分别为实验案例的遥感卫星视频数据中第1帧图像、第50帧图像、第210帧图像的最终检测跟踪结果示意图，图中飞机上方的数字1～15为飞机编号(即目标编号)。通过观察图2可以看出，本发明所提出的适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法能够实现在大范围内对特定目标(例如飞机)的检测以及多特定目标的持续跟踪，同时，对于在视频过程中新进入视频区域的目标(如图2(c)内16号飞机)，也能及时进行检测并进行跟踪，相对于需要对每帧数据均进行YOLOv3检测的方法来说，具有检测跟踪准确率高、检测跟踪效率高等优势。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法，其特征在于，包括以下步骤：
步骤一：依据检测需求，指定检测目标的类型，并加载该类型已训练好的检测模型；
步骤二：读取遥感卫星视频数据第1帧图像，利用已训练好的检测模型和YOLOv3目标检测算法对第1帧图像进行指定目标类型检测，得到第1帧图像的指定目标类型检测结果集合d1，并为集合中的每个检测结果分配目标编号，将目标编号加入到第1帧图像的指定目标类型检测结果集合d1，得到第1帧图像的最终检测跟踪结果l1；
步骤三：读取遥感卫星视频数据第t帧图像，判断视频帧号t是否为N的整数倍，其中N为自定义设定的检测频率，若是，则执行步骤四；若否，则转至步骤五；
步骤四：对第t帧图像进行指定目标类型检测及目标跟踪，得到第t帧图像的指定目标类型检测结果集合dt和目标跟踪结果集合ft，并对指定目标类型检测结果集合dt和目标跟踪结果集合ft进行匹配关联，得到第t帧图像的最终检测跟踪结果lt，完成后转至步骤六；
步骤五：根据第t-1帧图像的最终检测跟踪结果lt-1，采用时空上下文视觉跟踪算法对第t-1帧图像中所有指定目标在第t帧图像进行跟踪，得到第t帧图像的最终检测跟踪结果lt；
步骤六：判断遥感卫星视频数据是否读取完成，若是，则输出全部图像的最终检测跟踪结果后结束；若否，则令t加1后返回至步骤三。
2.根据权利要求1所述的适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法，其特征在于，步骤四包括以下步骤：
步骤四一：利用已训练好的检测模型和YOLOv3目标检测算法对第t帧图像进行指定目标类型检测，得到第t帧图像的指定目标类型检测结果集合dt；
步骤四二：根据第t-1帧图像的最终检测跟踪结果lt-1，采用时空上下文视觉跟踪算法对第t-1帧图像中所有指定目标在第t帧图像进行跟踪，得到第t帧图像的目标跟踪结果集合ft，目标跟踪结果集合ft中每个指定目标的目标编号与第t-1帧图像的最终检测跟踪结果lt-1中每个指定目标的目标编号相同；
步骤四三：将第t帧图像的指定目标类型检测结果集合dt与目标跟踪结果集合ft进行匹配关联，得到第t帧图像的最终检测跟踪结果lt。
3.根据权利要求2所述的适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法，其特征在于，将第t帧图像的指定目标类型检测结果集合dt与目标跟踪结果集合ft进行匹配关联的具体方法为：
以指定目标类型检测结果集合dt中的任意一个检测结果作为待匹配检测结果，在目标跟踪结果集合ft中找到与待匹配检测结果位置距离最近的目标跟踪结果，并判断待匹配检测结果与该目标跟踪结果之间的距离是否小于或者等于自定义距离阈值，若是，则将该目标跟踪结果加入到最终检测跟踪结果lt中；若否，则为待匹配检测结果分配新的目标编号后加入到最终检测跟踪结果lt中；
将待匹配检测结果依次遍历指定目标类型检测结果集合dt中的全部检测结果，遍历完成后，将未能匹配的目标跟踪结果加入到最终检测跟踪结果lt中，得到第t帧图像的最终检测跟踪结果lt。
4.根据权利要求1或2所述的适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法，其特征在于，
N＝3×fps，其中fps为输入视频帧率。
5.根据权利要求1或2所述的适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法，其特征在于，
所述自定义距离阈值的取值为20。
CN202010460889.7A 2020-05-27 2020-05-27 适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法 Active CN111598044B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010460889.7A CN111598044B (zh) 2020-05-27 2020-05-27 适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010460889.7A CN111598044B (zh) 2020-05-27 2020-05-27 适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法

Publications (2)

Publication Number Publication Date
CN111598044A true CN111598044A (zh) 2020-08-28
CN111598044B CN111598044B (zh) 2022-02-01

Family

ID=72186524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010460889.7A Active CN111598044B (zh) 2020-05-27 2020-05-27 适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法

Country Status (1)

Country Link
CN (1) CN111598044B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7212652B1 (en) * 2003-07-07 2007-05-01 The United States Of America As Represented By The Secretary Of The Navy Method for tracking targets with hyper-spectral data
US20100329512A1 (en) * 2008-02-27 2010-12-30 Yun Young Nam Method for realtime target detection based on reduced complexity hyperspectral processing
CN103985120A (zh) * 2014-05-13 2014-08-13 西北工业大学 一种遥感图像多目标关联的方法
CN107421439A (zh) * 2017-04-21 2017-12-01 上海交通大学 一种无成像目标显著性检测与坐标跟踪系统及方法
CN108229342A (zh) * 2017-12-18 2018-06-29 西南技术物理研究所 一种海面舰船目标自动检测方法
CN108805904A (zh) * 2018-05-25 2018-11-13 中国空间技术研究院 一种基于卫星序列图像的运动舰船检测与跟踪方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7212652B1 (en) * 2003-07-07 2007-05-01 The United States Of America As Represented By The Secretary Of The Navy Method for tracking targets with hyper-spectral data
US20100329512A1 (en) * 2008-02-27 2010-12-30 Yun Young Nam Method for realtime target detection based on reduced complexity hyperspectral processing
CN103985120A (zh) * 2014-05-13 2014-08-13 西北工业大学 一种遥感图像多目标关联的方法
CN107421439A (zh) * 2017-04-21 2017-12-01 上海交通大学 一种无成像目标显著性检测与坐标跟踪系统及方法
CN108229342A (zh) * 2017-12-18 2018-06-29 西南技术物理研究所 一种海面舰船目标自动检测方法
CN108805904A (zh) * 2018-05-25 2018-11-13 中国空间技术研究院 一种基于卫星序列图像的运动舰船检测与跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BIAO HOU等: "Object Detection and Trcacking Based on Convolutional Neural Networks for High-Resolution Optical Remote Sensing Video", 《IEEE》 *
毕福昆等: "机载复杂遥感场景下特定建筑区检测跟踪算法", 《电子学报》 *

Also Published As

Publication number Publication date
CN111598044B (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
Zhao et al. Vision-based anti-uav detection and tracking
CN110189304B (zh) 基于人工智能的光学遥感图像目标在线快速检测方法
CN111862126A (zh) 深度学习与几何算法结合的非合作目标相对位姿估计方法
CN111862213A (zh) 定位方法及装置、电子设备、计算机可读存储介质
CN110706191B (zh) 一种基于红外图像拼接融合算法的高压容器检测方法
CN102509287A (zh) 针对静止目标的基于经纬度定位和图像配准的查找方法
CN111812978B (zh) 一种多无人机协作slam方法与系统
CN110751077B (zh) 一种基于部件匹配与距离约束的光学遥感图片船舶检测方法
Guo et al. An anchor-free network with density map and attention mechanism for multiscale object detection in aerial images
Peng et al. CourtNet: Dynamically balance the precision and recall rates in infrared small target detection
CN111598044B (zh) 适用于高分辨率遥感卫星视频数据的目标检测与跟踪方法
CN111160181B (zh) 一种基于红外视频图像的小目标检测方法
CN113011359A (zh) 一种基于图像的同时检测平面结构和生成平面描述的方法及应用
Acharya et al. Modelling uncertainty of single image indoor localisation using a 3D model and deep learning
CN116245757B (zh) 多模态数据的多场景通用性遥感影像云修复方法和系统
CN116307170A (zh) 农作物产量预测方法和装置、电子设备及存储介质
CN116524357A (zh) 高压线路鸟巢检测方法、模型训练方法、装置及设备
KR102360576B1 (ko) 구름이동벡터 산출 장치 및 그 방법
Kizilay et al. A YOLOR based visual detection of amateur drones
CN115601841A (zh) 一种联合外观纹理和运动骨架的人体异常行为检测方法
Cao et al. Self-supervised depth completion via adaptive sampling and relative consistency
CN114494342A (zh) 一种同步轨道卫星可见光序列图像海上目标检测跟踪方法
Yao et al. GFB-Net: A Global Context-Guided Feature Balance Network for Arbitrary-Oriented SAR Ship Detection
Abdelali et al. A new moving object tracking method using particle filter and probability product kernel
CN112068097B (zh) 雷达遥感数据的标注方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: No. 1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province

Patentee after: Changguang Satellite Technology Co.,Ltd.

Address before: No. 1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province

Patentee before: CHANG GUANG SATELLITE TECHNOLOGY Co.,Ltd.

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Target detection and tracking methods applicable to high-resolution remote sensing satellite video data

Granted publication date: 20220201

Pledgee: Jilin credit financing guarantee Investment Group Co.,Ltd.

Pledgor: Changguang Satellite Technology Co.,Ltd.

Registration number: Y2024220000032