System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于特征融合的空中目标识别方法、装置、设备及介质制造方法及图纸_技高网

基于特征融合的空中目标识别方法、装置、设备及介质制造方法及图纸

技术编号:42828974 阅读:3 留言:0更新日期:2024-09-24 21:03
本发明专利技术实施例涉及目标识别技术领域,特别涉及一种基于特征融合的空中目标识别方法、装置、设备及介质。方法包括:获取空中目标的红外图像和一维距离像;将所述红外图像和所述一维距离像输入预先确定好的识别模型,得到所述空中目标的识别结果;所述识别模型是利用多种飞行器目标的红外图像和一维距离像组成的样本集进行联合训练得到的。本申请,通过多源融合识别能够增强特征表达,从而提高空中目标的识别精度。

【技术实现步骤摘要】

本专利技术实施例涉及目标识别,特别涉及一种基于特征融合的空中目标识别方法、装置、设备及介质


技术介绍

1、随着监测技术的发展,目标识别具有重要意义,尤其对空中飞行器目标的识别,对空中安全防护至关重要。而如何提取出显著且具有代表性的特征是高效识别的关键,传统的基于人工的识别方式已经无法胜任当前形势下的空中目标识别任务。近年来,深度学习相关算法在目标识别领域发挥着越来越突出的作用,已经逐步取代传统的图像处理算法。然而,目前大部分的识别网络主要是基于单源目标的数据特征进行识别,目标特性表征单一,忽视了目标的其他特征,目标识别准确率较低。

2、因此,目前亟需一种基于特征融合的空中目标识别方法。


技术实现思路

1、为了提高空中目标识别的准确率,本专利技术实施例提供了一种基于特征融合的空中目标识别方法、装置、设备及介质。

2、一方面,本专利技术实施例提供了一种基于特征融合的空中目标识别方法,包括:

3、获取空中目标的红外图像和一维距离像;

4、将所述红外图像和所述一维距离像输入预先确定好的识别模型,得到所述空中目标的识别结果;所述识别模型是利用多种飞行器目标的红外图像和一维距离像组成的样本集进行联合训练得到的。

5、另一方面,提供了一种能够获取动态行为的静态扫描装置,包括:

6、获取单元,用于获取空中目标的红外图像和一维距离像;

7、识别单元,用于将所述红外图像和所述一维距离像输入预先确定好的识别模型,得到所述空中目标的识别结果;所述识别模型是利用多种飞行器目标的红外图像和一维距离像组成的样本集进行联合训练得到的。

8、另一方面,提供了一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本说明书任一实施例所述的方法。

9、另一方面,提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行本说明书任一实施例所述的方法。

10、另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述所述方法的步骤。

11、本专利技术实施例提供了一种基于特征融合的空中目标识别方法、装置、设备及介质,该识别模型在进行目标识别时,融合了多源特征,包括从红外图像中提取的一维特征和从一维距离像中提取的二维特征。由于不同特征之间具有差异性,因此,通过多源融合识别能够增强特征表达,从而提高空中目标的识别精度。

本文档来自技高网...

【技术保护点】

1.一种基于特征融合的空中目标识别方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述识别模型包括第一特征提取网络、第二特征提取网络和融合网络;

3.根据权利要求2所述的方法,其特征在于,所述坐标注意力块的输出为:

4.根据权利要求2所述的方法,其特征在于,任一时刻,所述长短期记忆网络的输出和状态单元的计算式分别为:

5.根据权利要求2所述的方法,其特征在于,所述识别模型的确定过程为:

6.根据权利要求5所述的方法,其特征在于,所述损失函数的表达式为:

7.一种基于特征融合的空中目标识别装置,其特征在于,包括:

8.一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-6中任一项所述的方法。

9.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-6中任一项所述的方法。

10.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法的步骤。

...

【技术特征摘要】

1.一种基于特征融合的空中目标识别方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述识别模型包括第一特征提取网络、第二特征提取网络和融合网络;

3.根据权利要求2所述的方法,其特征在于,所述坐标注意力块的输出为:

4.根据权利要求2所述的方法,其特征在于,任一时刻,所述长短期记忆网络的输出和状态单元的计算式分别为:

5.根据权利要求2所述的方法,其特征在于,所述识别模型的确定过程为:

6.根据权利要求5所述的方法,其特征在于,所述损失函...

【专利技术属性】
技术研发人员:冯雪健潘雪莉韩明博杨利霞殷红成
申请(专利权)人:北京环境特性研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1