專利名稱：一種低空飛行器目標識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻圖像識別技術(shù)領(lǐng)域，特別是涉及一種低空飛行器目標識別方法。
背景技術(shù)：
在現(xiàn)代國防和戰(zhàn)爭中，低空飛行器的實時跟蹤識別，對低空防御、掌握戰(zhàn)場主動權(quán)和正確打擊目標以及顯著地提高未來指揮作戰(zhàn)系統(tǒng)的性能，具有重大意義。低空監(jiān)測是傳統(tǒng)雷達系統(tǒng)的死角，隨著計算機視覺技術(shù)的迅速發(fā)展，智能視頻監(jiān)測系統(tǒng)能完全承擔起監(jiān)測任務(wù)，在交通管理、公共安全等方面應(yīng)用成熟，在低空監(jiān)測應(yīng)用已經(jīng)逐漸開展來。低空目標識別的目標就是識別出不同的機種，如直升機、無人飛機、三角翼等。目前圖像目標識別的方法有多種，如模板匹配法、統(tǒng)計決策法、句法模式識別法、模糊模式識別法、神經(jīng)網(wǎng)絡(luò)法、支持向量機，以及近年來提出的仿生識別方法、混沌神經(jīng)網(wǎng)絡(luò)法等。當然對于具體的識別物體，所需要運用的識別方法不一定相同，主要看其實用性，精確性和快速性，并不是越新的識別方法，就能很好地解決一些識別問題，當然是識別的方法越簡單越好。模板匹配法就是對每個待識別的類別繪出典型標準模板作為識別標準，此種方法的缺點就是對識別系統(tǒng)存儲要求高，識別時計算量大，另外對噪聲敏感。模糊模式識別就是系統(tǒng)根據(jù)模式的特點確定隸屬度，然后用隸屬度將模糊集合分成若干子集，相應(yīng)于各個分類，最后根據(jù)隸屬原則實現(xiàn)分類。模糊模式識別允許待識別事物有相當程度的干擾，但要準確合理的建立隸屬函數(shù)往往很難。神經(jīng)網(wǎng)絡(luò)可以處理一些環(huán)境信息十分復雜，背景知識不清楚，推理規(guī)則不明確的問題，但是神經(jīng)網(wǎng)絡(luò)訓練結(jié)果不穩(wěn)定，訓練時需要大量樣本。支持向量機避免了神經(jīng)網(wǎng)絡(luò)訓練結(jié)果不穩(wěn)定的情況，所需訓練樣本量相比其他算法來說較少，同時，支持向量機方法訓練結(jié)果為一些文本文件，對存儲幾乎沒有什么要求。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種低空飛行器目標識別方法，能夠?qū)文繕撕投嗄繕诉M行識別，可為其他智能視頻監(jiān)控系統(tǒng)應(yīng)用場合的目標識別提供參考。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是提供一種低空飛行器目標識別方法，包括以下步驟(I)選取飛行器樣本，提取樣本的特征，訓練支持向量機；(2)在檢測和跟蹤的基礎(chǔ)上，采用支持向量機進行飛行器目標識別。所述步驟(I)還包括以下子步驟(11)選取飛行器樣本，每個飛行器樣本均選取多種不同姿態(tài)的圖片，經(jīng)過截取、縮放，把圖片進行歸一化處理；(12)對所有進行歸一化處理后的樣本采用梯度特征描述子提取特征；(13)采用一類對多余的方法進行訓練。
所述步驟(11)中還包括選取鳥類樣本圖片并進行歸一化處理的步驟。所述步驟(12)具體包括將圖片平均分為若干塊，對圖片每次進行單塊的梯度特征提取，獲取每個像素點的梯度值，每塊平均分為若干個胞元，在每個胞元內(nèi)統(tǒng)計9個方向的梯度直方圖，依次完成所有胞元的處理，最終把圖片處理完畢。所述步驟(13)具體包括先將一種飛行器作為正樣本，其它都為負樣本，進行訓練，得到一個訓練結(jié)果文本文件，之后換一種飛行器作為正樣本進行同樣的處理，直到所有飛行器處理完畢。所述步驟(13)后還包括對訓練結(jié)果文本進行測試的步驟，如果訓練結(jié)果較差，添加新的樣本，再次訓練，直到獲得良好的效果。所述步驟(2)包括以下子步驟(21)根據(jù)檢測和跟蹤的結(jié)果，將跟蹤目標所在區(qū)域稍微進行放大，并對此區(qū)域進行識別；(22)對所選區(qū)域每次進行特定大小的區(qū)域識別，對每個區(qū)域提取梯度特征描述子特征來處理；所述特定大小為圖片歸一化處理后的大小；(23)先采用一個訓練結(jié)果文本對目標進行識別，如果發(fā)現(xiàn)是所屬飛行器則識別結(jié)束，如果不是，就采用第二個訓練結(jié)果文本進行識別，直到所有訓練結(jié)果文本都識別完成之后，都沒有發(fā)現(xiàn)目標，則認為是鳥類。所述步驟(22)中對所選區(qū)域進行縮放處理，以使不同大小的目標都能進行識別。有益效果由于采用了上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有以下的優(yōu)點和積極效果本發(fā)明能夠?qū)文繕撕投嗄繕诉M行識別，并且具有耗時少，實時性高，識別精度高的優(yōu)點。
具體實施例方式下面結(jié)合具體實施例，進一步闡述本發(fā)明。應(yīng)理解，這些實施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍。此外應(yīng)理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領(lǐng)域技術(shù)人員可以對本發(fā)明作各種改動或修改，這些等價形式同樣落于本申請所附權(quán)利要求書所限定的范圍。本發(fā)明的實施方式涉及一種低空飛行器目標識別方法，包括以下步驟步驟一，選取樣本，提取特征，訓練支持向量機，其詳細實現(xiàn)過程為(I)取飛行器樣本，每個機種選取取不同姿態(tài)和大小的三千張樣本圖片，經(jīng)過截取、縮放，把圖片都歸一化到96*64的尺寸，為了區(qū)別鳥類，同時也取三千張鳥類的樣本圖片統(tǒng)一歸一化到96*64的尺寸。例如，從圖像或視頻中選擇三個機種(直升機、無人飛機、三角翼)和可能出現(xiàn)的鳥類圖片作為訓練樣本，經(jīng)過截取，最后歸一化到96*64尺寸大小的圖片。(2)對所有訓練樣本采用梯度特征描述子(HOG)提取特征，對96*64尺度的圖片每次進行16*16的塊進行梯度特征提取,獲取每個像素點的梯度值,在每個8*8胞元內(nèi)統(tǒng)計9個方向的梯度直方圖，處理完之后步進8*8的大小，同樣處理，完成一次行方向的處理后，就下移16行，繼續(xù)進行處理，最終把圖片處理完畢，得到一個2772維的列向量。(3)為了加快目標識別速度，采用一類對多余的方法進行訓練，先讓一個機種作為正樣本，其它都為負樣本，進行訓練，得到一個訓練結(jié)果文本文件，再讓另一個機種作為正樣本進行同樣的處理，直到所有機種處理完畢。例如第一次選取直升機為正樣本，其它都為負樣本，得到第一個訓練結(jié)果文本；第二次選取無人飛機為正樣本，其它都為負樣本，得到第二個訓練結(jié)果文本；第三次選取三角翼為正樣本，其它都為負樣本，得到第三個訓練結(jié)果文本。(4)對訓練結(jié)果文本進行測試，如果訓練結(jié)果較差，添加新的樣本，再次訓練，如此反復幾次，直到獲得良好的效果。步驟二，在檢測和跟蹤的基礎(chǔ)上，采用支持向量機進行飛行器目標識別，其詳細實現(xiàn)過程為(5)根據(jù)檢測和跟蹤的結(jié)果，將跟蹤目標所在區(qū)域稍微放大，只對此區(qū)域進行識別，而不需要對全圖進行識別，節(jié)約了大量時間，提高了識別的實時性；(6)對所選區(qū)域每次進行96*64的區(qū)域識別，對每個96*64區(qū)域提取HOG特征來處理。同時對所選區(qū)域進縮放處理，達到不同大小的目標都能識別。(7)先采用一個訓練結(jié)果文本對目標進行識別，如果發(fā)現(xiàn)是所屬機種，就識別結(jié)束，如果不是，就接著采用第二個訓練結(jié)果文本，如果直到所有訓練結(jié)果文本都識別完成之后，都沒有發(fā)現(xiàn)目標，則認為是鳥類。不難發(fā)現(xiàn)，在識別時利用支持向量機方法和訓練結(jié)果樣本在檢測和跟蹤的基礎(chǔ)上，對指定區(qū)域進行目標識別，每次以96*64大小掃描圖片。同時指定區(qū)域可以進行縮放，先進行縮小處理后，最多縮小四倍，然后在進行放大處理在每個尺度進行目標識別，以達到不同大小的目標都能識別，從而實現(xiàn)了單目標和多目標的識別。在識別過程中不需要對全圖進行識別，節(jié)約了大量時間，提高了識別的實時性。
權(quán)利要求
1.一種低空飛行器目標識別方法，其特征在于，包括以下步驟 (I)選取飛行器樣本，提取樣本的特征，訓練支持向量機； (2 )在檢測和跟蹤的基礎(chǔ)上，采用支持向量機進行飛行器目標識別。
2.根據(jù)權(quán)利要求1所述的低空飛行器目標識別方法，其特征在于，所述步驟(I)還包括以下子步驟 (II)選取飛行器樣本，每個飛行器樣本均選取多種不同姿態(tài)的圖片，經(jīng)過截取、縮放，把圖片進行歸一化處理； (12)對所有進行歸一化處理后的樣本采用梯度特征描述子提取特征； (13)采用一類對多余的方法進行訓練。
3.根據(jù)權(quán)利要求1所述的低空飛行器目標識別方法，其特征在于，所述步驟(11)中還包括選取鳥類樣本圖片并進行歸一化處理的步驟。
4.根據(jù)權(quán)利要求1所述的低空飛行器目標識別方法，其特征在于，所述步驟(12)具體包括將圖片平均分為若干塊，對圖片每次進行單塊的梯度特征提取，獲取每個像素點的梯度值，每塊平均分為若干個胞元，在每個胞元內(nèi)統(tǒng)計9個方向的梯度直方圖，依次完成所有胞元的處理，最終把圖片處理完畢。
5.根據(jù)權(quán)利要求1所述的低空飛行器目標識別方法，其特征在于，所述步驟(13)具體包括先將一種飛行器作為正樣本，其它都為負樣本，進行訓練，得到一個訓練結(jié)果文本文件，之后換一種飛行器作為正樣本進行同樣的處理，直到所有飛行器處理完畢。
6.根據(jù)權(quán)利要求1所述的低空飛行器目標識別方法，其特征在于，所述步驟(13)后還包括對訓練結(jié)果文本進行測試的步驟，如果訓練結(jié)果較差，添加新的樣本，再次訓練，直到獲得良好的效果。
7.根據(jù)權(quán)利要求2所述的低空飛行器目標識別方法，其特征在于，所述步驟(2)包括以下子步驟 (21)根據(jù)檢測和跟蹤的結(jié)果，將跟蹤目標所在區(qū)域稍微進行放大，并對此區(qū)域進行識別； (22)對所選區(qū)域每次進行特定大小的區(qū)域識別，對每個區(qū)域提取梯度特征描述子特征來處理；所述特定大小為圖片歸一化處理后的大??； (23)先采用一個訓練結(jié)果文本對目標進行識別，如果發(fā)現(xiàn)是所屬飛行器則識別結(jié)束，如果不是，就采用第二個訓練結(jié)果文本進行識別，直到所有訓練結(jié)果文本都識別完成之后，都沒有發(fā)現(xiàn)目標，則認為是鳥類。
8.根據(jù)權(quán)利要求7所述的低空飛行器目標識別方法，其特征在于，所述步驟(22)中對所選區(qū)域進行縮放處理，以使不同大小的目標都能進行識別。
全文摘要
本發(fā)明涉及一種低空飛行器目標識別方法，包括以下步驟選取飛行器樣本，提取樣本的特征，訓練支持向量機；在檢測和跟蹤的基礎(chǔ)上，采用支持向量機進行飛行器目標識別。不難發(fā)現(xiàn)，本發(fā)明能夠?qū)文繕撕投嗄繕诉M行識別，可為其他智能視頻監(jiān)控系統(tǒng)應(yīng)用場合的目標識別提供參考。
文檔編號G06K9/66GK103049764SQ20121054119
公開日2013年4月17日 申請日期2012年12月13日 優(yōu)先權(quán)日2012年12月13日
發(fā)明者張 誠, 谷宇章, 胡珂立, 魏智, 鄒方圓, 徐小龍 申請人:中國科學院上海微系統(tǒng)與信息技術(shù)研究所