【技术实现步骤摘要】
本专利技术涉及信号处理，尤其是涉及一种sar旋转多目标检测与追踪方法。
技术介绍
1、合成孔径雷达（synthetic aperture radar，sar）是一种可全天时全天候工作的主动毫米波传感器，对环境的鲁棒性很强，可在暴雨、雾霾、低亮度环境下正常工作。随着sar以及成像技术的不断发展，sar图像已具有高分辨的特点，其中包含着巨大的信息。但由于独特的成像机制，sar图像中的目标呈现出离散的多个强弱不一的散射点，不易于直观解读，因此如何更好的解译sar图像中的目标是一直以来的研究热点。
2、传统的sar目标检测方法基于研究者设计特征提取思路，并设计相关算法进行检测，随着人工智能的兴起，并在光学目标检测中取得优异的成绩，越来越多的学者将ai方法引入sar目标检测，得到的结果大多优于传统的sar目标检测方法，但仍存在一些问题。
3、zhang 等人在2021年"a cnn based method to solve class imbalanceproblem in sar image ship targetrecognition"一文中提出一种动态加权采样和软阈值移动组合方法，解决了传统方法存在的过拟合、识别精度低的问题。
4、luo 等人在2020年"synthetic minority class data by generativeadversarial network for imbalanced sar targetrecognition"一文中针对sar数据分布不平衡的问题，提出
5、（1）改进边框回归算法，优化sar图像目标的边框回归速度；
6、（2）引入注意力模块、改善多尺度特征融合学习机制，提高不同维度捕捉信息能力；
7、（3）重构网络结构，压缩网络深度宽度，追求推理速度；
8、（4）优化数据集，针对数据集有目的的进行扩充增强，从而提升模型性能。
9、然而，以上方法均未涉及连续帧sar图像旋转目标检测领域研究，如何在连续连贯的sar图像中对感兴趣目标进行检测、识别并进行追踪是本方法拟解决的一个重点问题。
技术实现思路
1、本专利技术的目的是提供一种sar旋转多目标检测与追踪方法，针对多类别sar旋转目标追踪过程中遇到的检测性能差，状态跳变、不连续的问题，有针对的对复杂、困难目标进行数据增强；将csl引入yolov5设计高性能目标检测器，并结合改进后的deep-sort、卡尔曼滤波方法对关键状态信息利用贯序先验信息实现融合稳态预测，实现高性能的多类别sar旋转目标追踪。
2、为实现上述目的，本专利技术提供了一种sar旋转多目标检测与追踪方法，包括以下步骤：
3、s1、对sar图像进行针对性数据增强；
4、s2、引入csl方法融合yolov5目标检测网络中，新建训练维度用于预测目标角度；
5、s3、改进deep-sort方法中feature特征提取网络深度；
6、s4、改进deep-sort方法中卡尔曼滤波状态值，结合sar图像中关注的面积、角度值进行融合预测；
7、s5、将步骤s2预测输出得到的sar目标状态值作为观测值输入改进后的卡尔曼滤波器中进行状态预测融合，得到最新的当前时刻融合预测值输出；
8、s6、调节改进yolov5相关参数、改进deep-sort相关参数，优化训练策略。
9、优选的，步骤s1中，所述对sar图像进行针对性数据增强具体操作如下：
10、腐蚀：对旁瓣过于严重以及散射点强度饱和的sar图像目标，采取腐蚀图像处理操作；
11、针对模糊、散焦等sar目标进行锐化图像处理操作，增强数据集；
12、针对特征信息不足的散射点目标，采取直方图均衡化平衡，开闭运算对比度进行增强；
13、针对特征复杂难以学习的sar目标，对该目标进行旋转、平移、翻转以及中值模糊、高斯模糊、线性变换、双边滤波图像处理，以增加特征复杂难以学习的sar目标样本占数据集的比例及丰富度。
14、优选的，步骤s2中，所述yolov5目标检测网络状态如下所示：
15、 （1）
16、其中，为当前帧某一目标状态值，分别为中心点横、纵坐标，矩形预测框的宽、高值；为目标的置信度，是所需预测所有类别的置信度，均为one-hot热编码标签类型；
17、通过将角度结合长边表示法，采用csl算法离散定义n个one-hot标签分类任务，引入yolov5网络训练状态，得到如下状态空间：
18、 （2）
19、其中，为n维度的角度预测行向量。
20、优选的，步骤s4中，所述deep-sort方法中卡尔曼滤波状态方程如下：
21、预测过程：
22、 （3）
23、更新过程：
24、 （4）
25、上式中状态值所包含的状态变量为：
26、 （5）
27、其中，分别为中心点横、纵坐标值，横纵比以及矩形框高度值，为相应的变化率，将横纵比替换为sar图像目标对尺度敏感的面积值，并加入角度值对连续时刻的角度状态值进行预测，得改进后的卡尔曼滤波器状态值如下：
28、 （6）。
29、因此，本专利技术采用上述一种sar旋转多目标检测与追踪方法，有益效果如下：
30、（1）本专利技术采用yolov5作为基础网络框架，结合卷积注意力算法、尺度约束算法、环形平滑标签以及数据增强等方法，提升了旋转目标检测性能，再将检测结果输入至改进后的卡尔曼滤波算法新建状态方程，将区域图像用小型特征提取网络提取关键特征并储存，以便后续进行级联匹配。
31、（2）本专利技术中经匹配关联到的目标，其卡尔曼滤波器随即参考输入参数给出此时刻的状态预测值，并结合上一时刻的参数预测当前时刻目标参数输出，系统如此迭代往复，可实现高性能的sar图像旋转多目标追踪效果，并且可以较好的提升sar目标检测检出率及准确率。
32、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种SAR旋转多目标检测与追踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种SAR旋转多目标检测与追踪方法，其特征在于，步骤S1中，所述对SAR图像进行针对性数据增强具体操作如下：
3.根据权利要求2所述的一种SAR旋转多目标检测与追踪方法，其特征在于，步骤S2中，所述YOLOv5目标检测网络状态如下所示：
4.根据权利要求3所述的一种SAR旋转多目标检测与追踪方法，其特征在于，步骤S4中，所述Deep-SORT方法中卡尔曼滤波状态方程如下：
【技术特征摘要】
1.一种sar旋转多目标检测与追踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种sar旋转多目标检测与追踪方法，其特征在于，步骤s1中，所述对sar图像进行针对性数据增强具体操作如下：
3.根据权利要求2所述的一...
【专利技术属性】
技术研发人员：赵博，范泽康，黄磊，司璀琪，李响，孙晗伟，
申请(专利权)人：深圳大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。