[发明专利]一种多平台联合目标自主识别方法

权利要求书

1.一种多平台联合目标自主识别方法，其特征在于，所述多平台联合目标自主识别方法包括如下步骤：

步骤1：预设多个识别目标，并获得各个识别目标的含有深度信息的二维图像；

步骤2：通过各个识别目标的含有深度信息的二维图像训练CNN网络，从而预设CNN网络参数；

步骤3：飞机探测疑似目标，并获取疑似目标的含有深度信息的二维图像；

步骤4：将飞机获得的疑似目标的含有深度信息的二维图像传递给已经完成训练的CNN网络，从而通过CNN网络判断出疑似目标是否为预设的多个识别目标中的一个。

2.如权利要求1所述的多平台联合目标自主识别方法，其特征在于，所述步骤1具体为：

步骤11：预设多个识别目标，通过各个平台对各预设目标进行光学采集，确保有2个或两个以上平台的光学探测设备从不同观测角度保证一个或者多个目标在传感器视场内，对各个预设目标进行光学采集，得到图像I1、I2…In，形成图像集合I；

步骤12：将图像与图像采集平台的空间坐标通过数据链传递给将要实施打击或侦察任务的平台；

任务平台接收到图像后对图像集合I中的任意两图进行SIFT匹配计算，获取图像中匹配的特征点集合S；

对S进行处理，根据S中特征点之间的相对位置关系计算其分布向量V＝[k，d]，其中k为两图特征点连线的斜率，d为特征点连线的距离，根据识别的精度要求选定特征点的最大密度区域，抛弃不在该区域内的特征点，形成新的特征点集合Sn_i；

将所采集的图像转化为HSV图像，取出其中的V通道，并扩展灰度范围至0～255，从而形成灰度图像；

对新特征点集Sni进行聚类，根据识别精度聚类数选择C，得到C个聚类；

步骤13：计算每个聚类的聚类中心，在本聚类的特征点中，计算欧式距离得到与聚类中心距离最小的特征点作为本聚类的中心，并计算两幅图像中该点之间的横向视差及纵向视差；

根据相机特性对对每个特征区域进行深度距离恢复，计算公式如下：

X/U＝Y/V＝L/F

其中：X、Y、L为目标与观测平台之间横向、纵向及平行于光轴的距离，f为当前相机焦距；

步骤14：将得到的深度信息归一化，按特征区域分布组成与原图像规模一致的矩阵，与灰度图像点乘，得到包含深度信息的二维图像。

3.如权利要求2所述的多平台联合目标自主识别方法，其特征在于，所述步骤2为：通过所述步骤14所获得的二维图像训练CNN网络。

4.如权利要求1所述的多平台联合目标自主识别方法，其特征在于，所述步骤4具体为：

通过公式判断，当结果大于δ时，则认为疑似目标为预设的多个识别目标中的一个；其中，

R_i为CNN网络对特征区域的识别结果，S_i为特征区域的面积；δ为自定义预设值。