CN115220005B - 基于多源信息融合的光电跟踪设备自动目标识别方法 - Google Patents

基于多源信息融合的光电跟踪设备自动目标识别方法 Download PDF

Info

Publication number
CN115220005B
CN115220005B CN202210852653.7A CN202210852653A CN115220005B CN 115220005 B CN115220005 B CN 115220005B CN 202210852653 A CN202210852653 A CN 202210852653A CN 115220005 B CN115220005 B CN 115220005B
Authority
CN
China
Prior art keywords
target
photoelectric
radar
radar target
information
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.)
Active
Application number
CN202210852653.7A
Other languages
English (en)
Other versions
CN115220005A (zh
Inventor
李焱
李珍
郭永强
吕春雷
韩玺钰
吴迪
李丹
冯强
兰太吉
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.)
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Original Assignee
Changchun Institute of Optics Fine Mechanics and Physics of CAS
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 Changchun Institute of Optics Fine Mechanics and Physics of CAS filed Critical Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority to CN202210852653.7A priority Critical patent/CN115220005B/zh
Publication of CN115220005A publication Critical patent/CN115220005A/zh
Application granted granted Critical
Publication of CN115220005B publication Critical patent/CN115220005B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

基于多源信息融合的光电跟踪设备自动目标识别方法，属于光电对抗探测领域，解决了现有采用人为判别存在的判断不及时、出现误判、准确率不高的问题。该方法包括以下步骤：雷达目标分类；提取雷达目标特征信息；形成目标初筛判据；对光电目标进行初筛；提取初筛后的光电目标特征信息；特征信息匹配。本发明在进行目标自动识别时准确率极高，能够使光电跟踪设备捕获远距离点源目标的准确率从10～50％提高到95％以上，捕获时间从15秒～5分钟提高到1～3秒，极大地提升了光电跟踪设备自动识别目标的准确率和快速性。

Description

基于多源信息融合的光电跟踪设备自动目标识别方法
技术领域
本发明属于光电对抗探测技术领域，具体涉及一种基于多源信息融合的光电跟踪设备自动目标识别方法。
背景技术
光电跟踪设备虽然跟踪测量精度高，但是其视场小，不具备大空域搜索目标的能力，一般需要依靠雷达等设备提供的引导信息才能发现捕获目标，当复杂的背景进入光电跟踪设备视场后，光电跟踪设备很难捕获到正确的目标。光电跟踪设备在收到雷达引导信息后，由于所处的环境背景复杂，视频图像捕获往往会受到飞鸟、海面亮带、海杂波、船只、建筑、云层以及太阳光等的影响，如图1和图2所示。从图1和图2中可以看出，其视频图像经常会受到外界的干扰(图1中，1、3均为船只，2为真实目标；图2中，4-8均为干扰弹，9为点源目标)，进而发生捕错目标的现象，即视频图像提取跟踪的目标并非雷达引导的目标。
目前，针对上述情况所采用的应对策略多为人为参与的方法，即光电跟踪设备的操作人员通过光电跟踪设备的操纵控制杆和按键的共同组合，人为判别视频图像所提取的目标是否正确，判断目标提取错误后进行人工干预，令视频图像重新提取捕获目标，以达到捕获雷达引导目标的目的。但是，在光电跟踪设备实际使用过程中，由于目标的快速性和多样性，造成光电跟踪设备的操作人员没有足够的反应时间对目标进行及时的判断，尤其是对于远距离目标而言，目标呈现的特征多为“点”目标特性，即无法依赖目标的外形轮廓等特征将真实目标与干扰目标区分开来。另外，还会出现操作人员误判的情况，造成光电跟踪设备跟踪了错误目标，或者光电跟踪设备已经跟踪了正确目标，却将正确目标放弃的现象。经过实战证明光电跟踪设备的操作人员只有拥有了极高的战术素养才能完成对目标正确提取的操作，而且准确率和及时性均不能得到保证。因此，如何实现光电跟踪设备更加快速、更加准确地对目标进行自动识别是本领域技术人员需要重点解决的关键技术难点。
发明内容
为了解决现有采用人为判别视频图像所提取的目标是否正确的方法存在的判断不及时、出现误判、准确率不高的技术问题，本发明提供一种基于多源信息融合的光电跟踪设备自动目标识别方法。
本发明为解决技术问题所采用的技术方案如下：
本发明的基于多源信息融合的光电跟踪设备自动目标识别方法，包括以下步骤：
步骤一、雷达目标分类；
步骤二、提取雷达目标特征信息；
步骤三、形成目标初筛判据；
步骤四、对光电目标进行初筛；
步骤五、提取初筛后的光电目标特征信息；
步骤六、特征信息匹配。
进一步的，步骤一中，所述雷达目标分为四类，分别为：小型目标、中型目标、大型目标和无法判断的目标。
进一步的，步骤二的具体操作流程为：
S2.1输入量为雷达目标的角度信息，通过卡尔曼滤波算法计算出雷达目标的平均速度，压栈N场；
S2.2若雷达目标的平均速度低于0.05°/s，则认为该雷达目标为静止目标，若雷达目标的平均速度大于0.05°/s，则认为该雷达目标为运动目标；
S2.3设定雷达目标的航迹运动方向；
S2.4计算雷达目标运动速度动态门限，取N场速度数据的最大值Max、最小值Min和平均值Mean，雷达目标运动速度的上门限为Max+2*(Max-Mean)，雷达目标运动速度的下门限为Min-2*(Mean-Min)。
进一步的，步骤S2.1中，所述角度信息包括：方位角度信息和俯仰角度信息。
进一步的，步骤S2.3中，在方位方向上，雷达目标向右运动为正，雷达目标向左运动为负；在俯仰方向上，雷达目标向上运动为正，雷达目标向下运动为负。
进一步的，步骤三的具体操作流程为：
S3.1根据雷达目标分类、光电探测器参数和雷达目标距离信息，预估雷达目标在光电探测器视场中所占像元大小为δ个，门限取值为3×δ个，形成初筛判据1；
S3.2根据步骤S2.2中判断出的雷达目标为静止目标或运动目标，形成初筛判据2。
进一步的，步骤四的具体操作流程为：
S4.1光电跟踪设备随动雷达引导，视频图像捕获光电探测器视场内所有光电目标；
S4.2将大于初筛判据1的目标进行筛除；
S4.3将与初筛判据2不一致的目标进行筛除。
进一步的，步骤五的具体操作流程为：
S5.1输入量为光电目标的角度信息和脱靶量信息，通过卡尔曼滤波算法计算出光电目标的平均运动速度；
S5.2计算光电目标的航迹运动方向。
进一步的，步骤S5.1中，所述角度信息包括：方位角度信息和俯仰角度信息；所述脱靶量信息包括：X轴脱靶量信息和Y轴脱靶量信息；步骤S5.2中，相对于光电探测器视场中心，在X轴方向上，光电目标向右运动为正，光电目标向左运动为负，在Y轴方向上，光电目标向上运动为正，光电目标向下运动为负。
进一步的，步骤六的具体操作流程为：
(1)将光电目标的航迹运动方向与雷达目标的航迹运动方向进行匹配，光电目标的航迹运动方向与雷达目标的航迹运动方向相同；
(2)雷达目标运动速度的下门限＜光电目标的平均运动速度＜雷达目标运动速度的上门限；
若同时满足以上两个条件则特征信息匹配成功，完成目标识别判断，则按光电目标脱靶量信息进行伺服闭环跟踪；若匹配不成功，则重复步骤S4～S6，直至匹配成功为止。
本发明的有益效果是：
本发明的一种基于多源信息融合的光电跟踪设备自动目标识别方法，目前已广泛应用于多平台(舰载、机载、车载、陆基等)等各类光电跟踪设备上，实现了极高准确率的目标自动识别，可使光电跟踪设备捕获远距离点源目标的准确率从10～50％提高到95％以上，捕获时间从15秒～5分钟提高到1～3秒，极大地提升了光电跟踪设备自动识别目标的准确率和快速性，解决了现有采用人为判别存在的判断不及时、出现误判、准确率不高的问题。本发明是光电跟踪设备实现自动智能目标识别的一种行之有效的方法，具有很高的应用价值。
附图说明
图1为目标受船只干扰的视频图像。
图2为目标受干扰弹干扰的视频图像。
图3为本发明的一种基于多源信息融合的光电跟踪设备自动目标识别方法的流程图。
图4为特征信息匹配图。
具体实施方式
以下结合附图对本发明做进一步详细说明。
如图3所示，本发明的一种基于多源信息融合的光电跟踪设备自动目标识别方法，主要包括以下步骤：
步骤一、雷达目标分类；
步骤二、提取雷达目标特征信息；
步骤三、形成目标初筛判据；
步骤四、对光电目标进行初筛；
步骤五、提取初筛后的光电目标特征信息；
步骤六、特征信息匹配。
本发明的一种基于多源信息融合的光电跟踪设备自动目标识别方法，具体操作步骤如下：
S1、雷达目标分类，不同类型的雷达目标对应不同的目标初筛判据。其中，按照目标大小将雷达目标分为四大类，分别为：
(1)小型目标，例如小型无人机(翼展小于2米)、空飘球等；
(2)中型目标，例如导弹类(长度小于10米)、汽车类等；
(3)大型目标，例如飞机类、水面舰艇类、导弹类(长度大于10米)、气象气球类等；
(4)无法判断的目标，此类目标均按大型目标处理。
S2、提取雷达目标特征信息，这些特征信息包括雷达目标的特性(运动目标或静止目标)、雷达目标平均速度、雷达目标航迹运动方向、雷达目标运动速度动态门限等。具体由以下步骤实现：
S2.1输入量为雷达目标的角度信息(方位和俯仰)，通过卡尔曼滤波算法分别计算出雷达目标在方位方向和俯仰方向上的平均速度，压栈N场；
S2.2判断雷达目标是运动的还是静止的；若雷达目标在方位方向或俯仰方向上的平均速度低于0.05°/s，则认为该雷达目标在该方向上是静止的，为静止目标；若雷达目标在方位方向或俯仰方向上的平均速度大于0.05°/s，则认为该雷达目标在该方向上是运动的，为运动目标；
S2.3设定雷达目标的航迹运动方向，在方位方向上，雷达目标向右运动为正，雷达目标向左运动为负；在俯仰方向上，雷达目标向上运动为正，雷达目标向下运动为负；
S2.4计算雷达目标运动速度动态门限，取N场速度数据的最大值(Max)、最小值(Min)和平均值(Mean)，雷达目标运动速度的上门限使用公式Max+2*(Max-Mean)，雷达目标运动速度的下门限使用公式Min-2*(Mean-Min)，从而形成雷达目标运动速度的动态门限。
S3、形成目标初筛判据，具体由以下步骤实现：
S3.1根据步骤S1中的雷达目标分类，另外已知光电探测器的参数(焦距、口径、像元尺寸等)和雷达目标距离信息，预估此类雷达目标在光电探测器视场中所占像元大小为δ个，门限取值为3×δ个，形成初筛判据1；
例如：光电探测器的参数：焦距180mm、口径90mm、像元尺寸4μm，雷达目标为飞机(翼展13m)，雷达目标在30km处，预估此类雷达目标在光电视场中大约占16个像元左右，此时门限值为48个像元；
S3.2根据步骤S2.2中判断出的雷达目标是运动目标还是静止目标，形成初筛判据2。
S4、对光电目标进行初筛，即对光电探测器视场中所捕获的所有目标进行筛选，根据步骤S3中的初筛判据1和初筛判据2，将不满足判据的光电目标进行筛除，具体由以下步骤实现：
S4.1光电跟踪设备随动雷达引导，视频图像捕获光电探测器视场内所有光电目标；
S4.2将大于步骤S3.1中的初筛判据1(门限值3×δ个)的目标进行筛除；
S4.3将与步骤S3.2中的初筛判据2(运动目标或静止目标)不一致的目标进行筛除。
S5、提取初筛后的光电目标特征信息，这些特征信息包括光电目标的平均速度、光电目标的航迹运动方向等。具体由以下步骤实现：
S5.1输入量为视频图像采集的光电目标角度信息(方位和俯仰)和光电目标脱靶量信息(X轴和Y轴)，通过卡尔曼滤波算法计算出光电目标的平均运动速度；
S5.2计算光电目标的航迹运动方向；相对于光电探测器视场中心，在X轴方向上，光电目标向右运动为正，光电目标向左运动为负；在Y轴方向上，光电目标向上运动为正，光电目标向下运动为负。
S6、特征信息匹配，具体由以下步骤实现：
进行特征信息匹配时，需要同时满足以下两个条件(1)和(2)时则特征信息匹配成功：
(1)将光电目标的航迹运动方向(步骤S5.2)与雷达目标的航迹运动方向(步骤S2.3)进行匹配，光电目标的航迹运动方向与雷达目标的航迹运动方向相同；
(2)如图4所示，光电目标的平均运动速度(步骤S5.1)需要满足在雷达目标运动速度的上下门限之间(步骤S2.4)，即雷达目标运动速度的下门限(图4中c)＜光电目标的平均运动速度(图4中b)＜雷达目标运动速度的上门限(图4中a)；
若匹配成功，完成目标识别判断，则按照视频图像采集的光电目标脱靶量信息进行伺服闭环跟踪；若匹配不成功，则重复步骤S4～S6，直至匹配成功为止。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.基于多源信息融合的光电跟踪设备自动目标识别方法，其特征在于，包括以下步骤：
步骤一、雷达目标分类；
所述雷达目标分为四类，分别为：小型目标、中型目标、大型目标和无法判断的目标；
步骤二、提取雷达目标特征信息；
S2.1输入量为雷达目标的角度信息，通过卡尔曼滤波算法计算出雷达目标的平均速度，压栈N场；
S2.2若雷达目标的平均速度低于0.05°/s，则认为该雷达目标为静止目标，若雷达目标的平均速度大于0.05°/s，则认为该雷达目标为运动目标；
S2.3设定雷达目标的航迹运动方向；
S2.4计算雷达目标运动速度动态门限，取N场速度数据的最大值Max、最小值Min和平均值Mean，雷达目标运动速度的上门限为Max+2*（Max-Mean），雷达目标运动速度的下门限为Min-2*（Mean -Min）；
步骤三、形成目标初筛判据；
S3.1根据雷达目标分类、光电探测器参数和雷达目标距离信息，预估雷达目标在光电探测器视场中所占像元大小为δ个，门限取值为3×δ个，形成初筛判据1；
S3.2根据步骤S2.2中判断出的雷达目标为静止目标或运动目标，形成初筛判据2；
步骤四、对光电目标进行初筛；
S4.1光电跟踪设备随动雷达引导，视频图像捕获光电探测器视场内所有光电目标；
S4.2将大于初筛判据1的目标进行筛除；
S4.3将与初筛判据2不一致的目标进行筛除；
步骤五、提取初筛后的光电目标特征信息；
S5.1输入量为光电目标的角度信息和脱靶量信息，通过卡尔曼滤波算法计算出光电目标的平均运动速度；
S5.2计算光电目标的航迹运动方向；
步骤六、特征信息匹配；
（1）将光电目标的航迹运动方向与雷达目标的航迹运动方向进行匹配，光电目标的航迹运动方向与雷达目标的航迹运动方向相同；
（2）雷达目标运动速度的下门限＜光电目标的平均运动速度＜雷达目标运动速度的上门限；
若同时满足以上两个条件则特征信息匹配成功，完成目标识别判断，则按光电目标脱靶量信息进行伺服闭环跟踪；若匹配不成功，则重复步骤S4~S6，直至匹配成功为止。
2.根据权利要求1所述的基于多源信息融合的光电跟踪设备自动目标识别方法，其特征在于，步骤S2.1中，所述角度信息包括：方位角度信息和俯仰角度信息。
3.根据权利要求1所述的基于多源信息融合的光电跟踪设备自动目标识别方法，其特征在于，步骤S2.3中，在方位方向上，雷达目标向右运动为正，雷达目标向左运动为负；在俯仰方向上，雷达目标向上运动为正，雷达目标向下运动为负。
4.根据权利要求1所述的基于多源信息融合的光电跟踪设备自动目标识别方法，其特征在于，步骤S5.1中，所述角度信息包括：方位角度信息和俯仰角度信息；所述脱靶量信息包括：X轴脱靶量信息和Y轴脱靶量信息；步骤S5.2中，相对于光电探测器视场中心，在X轴方向上，光电目标向右运动为正，光电目标向左运动为负，在Y轴方向上，光电目标向上运动为正，光电目标向下运动为负。
CN202210852653.7A 2022-07-20 2022-07-20 基于多源信息融合的光电跟踪设备自动目标识别方法 Active CN115220005B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210852653.7A CN115220005B (zh) 2022-07-20 2022-07-20 基于多源信息融合的光电跟踪设备自动目标识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210852653.7A CN115220005B (zh) 2022-07-20 2022-07-20 基于多源信息融合的光电跟踪设备自动目标识别方法

Publications (2)

Publication Number Publication Date
CN115220005A CN115220005A (zh) 2022-10-21
CN115220005B true CN115220005B (zh) 2023-04-28

Family

ID=83610996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210852653.7A Active CN115220005B (zh) 2022-07-20 2022-07-20 基于多源信息融合的光电跟踪设备自动目标识别方法

Country Status (1)

Country Link
CN (1) CN115220005B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3601427B2 (ja) * 2000-08-31 2004-12-15 三菱電機株式会社 レーダ追尾装置
CN106447697B (zh) * 2016-10-09 2018-10-26 湖南穗富眼电子科技有限公司 一种基于动平台的特定动目标快速跟踪方法
CN107991671A (zh) * 2017-11-23 2018-05-04 浙江东车智能科技有限公司 一种基于雷达数据和视频信号融合识别危险目标的方法
CN110346788A (zh) * 2019-06-14 2019-10-18 北京雷久科技有限责任公司 基于雷达和光电融合的高机动和悬停目标全航迹跟踪方法
CN113095345A (zh) * 2020-01-08 2021-07-09 富士通株式会社 数据匹配方法、装置和数据处理设备
CN112526506B (zh) * 2020-11-17 2024-03-01 中国科学院长春光学精密机械与物理研究所 目标搜索跟踪方法及目标追踪装置
CN113627373A (zh) * 2021-08-17 2021-11-09 山东沂蒙交通发展集团有限公司 一种基于雷视融合探测的车辆识别方法
CN114299417A (zh) * 2021-12-09 2022-04-08 连云港杰瑞电子有限公司 一种基于雷视融合的多目标跟踪方法
CN114119676B (zh) * 2022-01-24 2022-08-09 西安羚控电子科技有限公司 基于多特征信息融合的目标检测跟踪识别方法和系统

Also Published As

Publication number Publication date
CN115220005A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
US12072705B2 (en) Intelligent decision-making method and system for unmanned surface vehicle
CN105758397B (zh) 一种飞行器摄像定位方法
CN111968128B (zh) 一种基于图像标记的无人机视觉姿态和位置解算方法
Kartashov et al. Optical detection of unmanned air vehicles on a video stream in a real-time
CN110275153A (zh) 一种基于激光雷达的水面目标检测与跟踪方法
CN111598952B (zh) 一种多尺度合作靶标设计与在线检测识别方法及系统
CN107817679A (zh) 基于红外与可见光融合跟踪的舰船水炮控制系统及方法
CN112444374B (zh) 一种基于光学跟踪测量设备伺服系统的跟踪评估方法
CN108108697A (zh) 一种实时无人机视频目标检测与跟踪方法
CN114627151B (zh) 一种无人机集群对空中目标运动状态跟踪方法
CN105225251A (zh) 基于机器视觉的超视距海上运动目标快速识别与定位装置及方法
CN114139373B (zh) 一种面向无人机反制车的多传感器自动协同管理方法
CN115932834A (zh) 一种基于多源异构数据融合的反无人机系统目标检测方法
CN117173215B (zh) 一种跨摄像头的内河航船全程轨迹识别方法及系统
CN105810023B (zh) 机场起落架收放自动监测方法
Maltese et al. New generation of naval IRST: Example of EOMS NG
CN109584264A (zh) 一种基于深度学习的无人机视觉引导空中加油方法
Mu et al. Surface navigation target detection and recognition based on SSD
CN115220005B (zh) 基于多源信息融合的光电跟踪设备自动目标识别方法
CN116894936B (zh) 基于无人机视觉的海上目标识别定位方法及系统
Zhang et al. Visual location method based on asymmetric guiding light array in UUV recovery progress
Chen et al. AdapTrack: An adaptive FairMOT tracking method applicable to marine ship targets
CN112648998A (zh) 一种基于形状与颜色的无人机合作靶标自主引导测量方法
CN112967290A (zh) 一种可用于无人机对空中目标飞机敌友自动识别的方法
CN115115992B (zh) 基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法

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