[发明专利]基于凝视卫星复杂场景的飞机动目标跟踪方法

权利要求书

1.一种基于凝视卫星复杂场景的飞机动目标跟踪方法，其特征在于，包括以下步骤：

步骤一、输入视频数据；

步骤二、提取潜在变化区域：对视频进行帧间差分处理，将第1帧分别与第X_i1帧、第X_i2帧、第X_i3帧三次差分并将结果累加；

步骤三、优化潜在变化区域：利用形态学滤波的开运算处理，消除融合后图像差值小处，并得到准确的潜在变化区域；

步骤四、训练飞机检测网络：选择更快的基于区域卷积神经网络作为检测网络，输入图像经过卷积层生成特征图，通过区域推荐网络得到候选区域，然后进行分类以及候选区域微调得到检测网络；

步骤五、检测动目标：在视频首帧，以步骤三得到的变化区域为中心，提取w×h的图像并利用步骤四所得检测网络对此图像进行目标检测，得到飞机动目标；

步骤六、飞机动目标跟踪：使用多通道颜色特征算法对步骤五检测到的飞机动目标进行跟踪，在确定跟踪对象后，根据目标位置取出该帧的目标窗和下一帧的目标窗，再对这两个窗进行快速傅里叶变换，转化后在频域图直接点乘。

2.根据权利要求1所述的一种基于凝视卫星复杂场景的飞机动目标跟踪方法，其特征在于：步骤六所述多通道颜色特征算法使用主成分分析降维，11个通道通过降维矩阵降至2维。

3.根据权利要求1所述的一种基于凝视卫星复杂场景的飞机动目标跟踪方法，其特征在于：步骤二所述帧间差分处理满足：若相减两帧图像的帧数分别为第k帧,第(k+1)帧，其帧图像分别为f_k(x,y)，f_k+1(x,y)，差分图像二值化阈值为T，差分图像用D(x,y)表示，则帧间差分法的公式如下：

4.根据权利要求1所述的一种基于凝视卫星复杂场景的飞机动目标跟踪方法，其特征在于：步骤四所述更快的基于区域卷积神经网络包括两步：区域推荐网络与快速区域卷积神经网络，其中，区域推荐网络生成候选框，快速区域卷积神经网络训练检测网络，区域推荐网络分为两条线，其中一条线通过全连接层分类候选框获得前景和背景，另一条计算对于候选框的偏移量，以获得精确的位置，整个网络使用的损失函数满足：

其中，i表示边框批次的索引，p_i是对边框的预测结果，t_i是边框的位置，L_reg是边框的数量损失，L_cls是边框的分类损失，N_cls是一批次中产生的推荐框数量，N_reg是边框的数量，L_reg使用的smooth_L1损失，计算公式如下：

其中，x为损失的真实值和预测值之差；

快速区域卷积神经网络从图片中使用选择网络选出候选区，然后把它们输入到全卷积网络中，然后通过候选区域池化，得到固定长度的特征向量特征表示，输入到全连接网络中，将得到的特征一分为二，一个输入到推荐分类的全连接中，另一个输入到用于边界框回归的全连接中。

5.根据权利要求1所述的一种基于凝视卫星复杂场景的飞机动目标跟踪方法，其特征在于：步骤四中采用一次拍摄多边框检测器作为检测网络。

6.根据权利要求1所述的一种基于凝视卫星复杂场景的飞机动目标跟踪方法，其特征在于：步骤六中采用核相关滤波算法对步骤五检测到的飞机动目标实施跟踪。