一种海上小目标检测与分类方法

技术领域

本发明属于目标识别技术领域，更具体地，涉及一种海上小目标检测与分类方法。

背景技术

小目标智能检测与分类技术可智能检测目标的位置和类别，能够快速精确地定位目标，其在无人机侦察、遥感图像、海上目标检测等军事领域有着较强的应用价值。

目前，目标检测与分类识别技术已经广泛运用到监控系统等民用领域中。例如在陆上，对机场、车站、停车场、居民小区等类型场所的人、动物、车辆进行检测和分类，维护社会治安；在海上，对各种大小舰船、浮标、漂浮物等目标进行探测和识别，辅助船舶航行避碰计算，保障航行安全。

然而在这些领域中，所获取的图像或视频信息中，目标的多样性以及目标与背景环境混杂等因素使得对目标的检测变得困难，已有的民用领域中的检测和识别算法往往难以应用。因此，在复杂环境下，进行高清晰高对比度的目标信息重建，增强微弱运动目标识别技术，提高智能系统在复杂环境下的目标检测和识别能力，具有极为重要的研究意义。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种海上小目标检测与分类方法，针对复杂海杂波环境下海面慢速小目标检测与分类需求，研究海杂波背景和慢速小目标的有效分离，慢速小目标的有效建模和提高信噪比，慢速小目标航迹建立和分类识别等新技术，提升海面小目标检测与分类性能。

为实现上述目的，本发明提供了一种海上小目标检测与分类方法，包括：

对雷达杂波数据和光电视频数据进行预处理，分析背景数据和图像的前后相关性和对比度，将海杂波背景和慢速小目标进行分离；

采用深度学习算法，对不同环境、空间和时间进行测量的大量雷达海杂波背景特征进行学习，建立海杂波的幅度和相位模型，根据幅度和相位模型提取慢速小目标回波；

结合目标光电视频数据，引入基于深度学习的预测方法，预估目标的下一步位置，实现对目标的连续跟踪，确保目标航迹的连续性，在目标航迹建立以后，在跟踪前融合的处理架构下，采用深度学习方法，进行目标的特征、航迹分类以及典型的行为分析。

在一些可选的实施方案中，所述将海杂波背景和慢速小目标进行分离，包括：

将雷达扫描波束驻留期间收到的多帧回波信号进行积累，对新测量的雷达回波数据，结合之前积累的雷达回波数据，采用保守更新策略的VIBE改进方法和深度学习方法，获取海杂波背景和慢小目标的分离结构和参数，提取杂波背景特征。

在一些可选的实施方案中，所述获取海杂波背景和慢小目标的分离结构和参数，包括：

采用保守更新策略的VIBE改进方法建立背景模型，为积累的雷达回波数据的每一个像素点存储一个样本集，然后将每一个新测量的雷达回波数据的新像素值和样本集进行比较判断是否属于背景点，如果新像素值与样本集中的采样值满足预设要求，那么认为新像素值为背景点，将该新像素值加入到背景模型中，以获得海杂波背景和慢小目标的分离结构和参数，然后使用深度学习方法学习大量的背景模型样本，提取海杂波背景特征，为慢小目标建模提供参数。

在一些可选的实施方案中，所述建立海杂波的幅度和相位模型，根据幅度和相位模型提取慢速小目标回波，包括：

采用跟踪前融合和积累平均的方法，利用深度学习建立海杂波的幅度和相位模型，根据累积处理的目标信号是幅度相加，噪声是功率相加，幅度相加比功率相加积累更快，平均之后噪声的方差减小，目标的幅度值超过门限，检测出慢速小目标回波。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

为提高在复杂天气或环境下慢速小目标的检测和分类识别，开展海杂波背景和慢速小目标的有效分离，慢速小目标的有效建模和提高信噪比，慢速小目标航迹建立和分类识别等技术研究，提高在雨雪、雾霾、夜间等情况下对慢速小目标的检测和分类识别率，辅助船舶航行避碰计算，保障航行安全。及时发现违法作业的小渔船、小快艇，为执法人员提供稳定的目标信息，提升执法效率。

附图说明

图1是本发明实施例提供的一种实现海上小目标检测与分类方法的系统组成图；

图2是本发明实施例提供的一种海上小目标检测与分类方法工作原理图；

图3是本发明实施例提供的一种海上小目标检测与分类方法工作流程图；

图4是本发明实施例提供的一种软件界面图；

图5是本发明实施例提供的一种仿真效果图，其中，(a)表示雷达X高度10m；海况3；雨0mm/h；RCS7.5、10、5、1、0.1m

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本申请提供一种海上小目标检测与分类方法，为提高在复杂天气或环境下慢速小目标的检测和分类识别，开展海杂波背景和慢速小目标的有效分离，慢速小目标的有效建模和提高信噪比，慢速小目标航迹建立和分类识别等技术研究，具体包括：

(1)海杂波背景和慢速小目标的有效分离

在实际应用场景中，由于不可预测的外界环境变化，可能会遇到高海况、强风暴、雨雪、雾霾等恶劣天气，或者夜间光线不足、光照变化剧烈等情况，前后采集到的雷达杂波数据和目标光电视频数据等往往存在较大的差异。因此，在进行小目标检测前，需要对雷达杂波数据、光电视频数据进行预处理，分析背景数据和图像的前后相关性和对比度。利用改进的VIBE方法(采用保守更新策略)建立背景模型，为每一个像素点存储了一个样本集，然后将每一个新的像素值和样本集进行比较判断是否属于背景点，如果新的观察值与样本集中的采样值比较接近，那么认为其为背景点，加入到背景模型中，由此获得海杂波背景和慢小目标的分离结构和参数，再使用深度学习算法学习大量的背景模型样本，提取海杂波背景特征，为慢小目标建模提供参数。

(2)慢速小目标的有效建模和提高信噪比

慢速大目标的雷达检测不同于慢速小目标，前者回波强度远大于海杂波，信噪比高，很容易被检测出来。后者回波强度与海杂波相当，甚至弱于海杂波，信噪比低，不容易被检测出来。所以根本问题是如何提高目标位置处的信噪比。

采用深度学习算法，对不同环境、空间、时间进行测量的大量雷达海杂波背景特征进行学习，建立海杂波的幅度和相位模型，与此模型不同的雷达回波就可能是慢速小目标回波。由于累积处理的目标信号是幅度相加，而噪声(前后不相关的)是功率相加，幅度相加比功率相加积累更快，信号很容易超过门限，平均之后情况是噪声的方差减小，目标的幅度值超过门限，目标可被检测出来。因此，可通过累积平均可提高目标的信噪比。

(3)慢速小目标航迹建立和分类识别

由于慢速小目标的检测序列可能时有时无，离散性较大，需要按照其特点制定新的航迹建立规则。在此，结合目标光电图像信息，引入基于深度学习的预测算法，预估目标的下一步位置，并反馈给检测部分，实现对目标的连续跟踪，确保目标航迹的连续性。

目标航迹建立以后，在跟踪前融合的处理架构下，采用深度学习算法，进行目标的特征、航迹分类以及典型的行为分析。

如图1所示，海上小目标智能检测和分类方法所涉及到的硬件组成图，其包括光电取证设备、导航雷达、AIS、GPS/北斗以及综合显控台(含信号采集模块、信息处理模块)组成。通过雷达、光电取证设备、北斗以及AIS等一体化设计，对目标信息进行集中显示，构成一个有机的整体，为船舶可视化航海和海洋执法监视取证提供强有力的信息支持。

如图2所示是其工作原理图，雷达对所观察区域进行全方位搜索和探测，通过雷达视频输入模块将雷达原始回波信号送至雷达信号采集模块。在现代雷达探测技术的基础上，经过雷达视频信号处理、多帧联合处理之后，建立在强海杂波背景下慢速小目标提取和跟踪的数学模型，着力解决在复杂海情下的慢速小目标探测和跟踪，提高目标提取能力。如图3所示，具体提取流程如下：

(1)雷达扫描波束驻留期间收到的多帧回波(包括杂波和目标)信号进行积累；

(2)对新测量的雷达回波数据，结合之前积累的数据，采用改进的VIBE方法和深度学习算法，获取海杂波背景和慢小目标的分离结构和参数，提取杂波背景特征，实现有后续目标航迹反馈的慢速小目标的智能检测；

(3)在智能检测过程中，一些慢速小目标仍无法正常检测，需要借助光电和红外信息，采用跟踪前融合和积累平均的方法，利用深度学习建立海杂波的多维动态模型，进一步提高检测过程的目标信噪比，以提高目标的检测概率；

(4)在测量序列中，慢速小目标序列断续得到检测，需要改进建立航迹的准则，结合光电图像目标信息，加入预测过程，实现慢速小目标的航迹建立，确保目标航迹的连续性，对目标航迹的下一步预测，其信息可反馈至步骤(2)；

(5)根据建立的目标航迹，在跟踪前融合的处理架构下，采用深度学习算法，进行目标的特征、航迹分类以及典型的行为分析，进一步完善慢速小目标的识别和分类。

进一步地，系统对雷达、AIS等多源目标数据自动进行信息融合处理，建立综合目标航迹，跟踪捕获区域内各类目标，提供海上综合目标态势。此外，连续为光电取证设备提供关注目标的位置信息(结合GPS/北斗给出的位置信息，推测出绝对位置)，显示光电取证设备获取的实时视频图像信息，引导光学设备对重点方向、重点目标进行光学探测，掌握目标的行动细节，配合雷达对目标进行识别。

如图4所示，是典型慢小目标跟踪软件界面仿真图，软件以电子海图为底图，并且叠加导航雷达回波图，对岸以及海上目标进行回波显示。另外，对慢小目标的航行轨迹进行实时显示，并且可开窗显示光电取证设备对慢小目标的视频信息。

如图5所示，(a)表示雷达X高度10m；海况3；雨0mm/h；RCS7.5、10、5、1、0.1m

需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。