[发明专利]一种基于Faster R-CNN的坦克装甲目标检测方法

说明书

本发明公开了一种基于Faster R‑CNN的坦克装甲目标检测方法，包含以下步骤：A、使用传统方法进行对坦克装甲图像的识别；B、根据研究对象的相关复杂特性，选取Faster R‑CNN算法作为目标检测算法，并对该算法进行深入研究；C、改进算法Faster R‑CNN，针对Faster R‑CNN的网络结构特点，设计实现改进算法；本发明能够对复杂环境中的坦克装甲图像进行识别，应用目标检测算法Faster R‑CNN，对研究对象的特征进行筛选，实现注意区域推荐，提高目标检测的准确性。针对研究对象坦克装甲的特殊性，对Faster R‑CNN算法检测速度提出改进方案，最终达到快速高效地识别研究对象的目的。

技术领域

本发明涉及一种智能柜，具体是一种基于Faster R-CNN的坦克装甲目标检测方法。

背景技术

基于图像的目标检测技术是指利用计算机视觉等相关技术，将既定类别的物体自动从图像中检测出来，并对物体的类别、位置、大小以及置信度进行判断。目前，该技术已在海防监视、精确制导、视频监控等方面得到广泛应用。然而，对于坦克装甲车辆而言，由于地面战场环境的复杂性以及相对较远的观测打击距离，在大视场内实现对敌方坦克装甲目标的自动检测识别和精确定位仍具有很大的难度。

当前，坦克装甲车辆仍然是地面战场最主要的作战力量，因此开展针对坦克装甲目标自动检测识别方面的研究，通过结合我方无人机、地面侦察车以及坦克装甲车辆等多种观测平台的图像采集设备，实现对敌方的坦克装甲目标的自动检测识别，对提升坦克装甲车辆的智能化、信息化作战水平具有重要的意义。

由于在军事行动中，地面行驶的坦克为了提高其战场生存能力，会采用迷彩伪装或者用绿色植被做大量的遮挡，使其与环境融为一体，并且野外环境错综复杂，加大了对坦克装甲目标的检测难度。因此，复杂背景下的目标检测成为了近年来理论和应用的研究热点，它的目的是将目标从连续变化的模拟图像中快速、准确地识别与定位出来，并给出目标在图像中的位置信息，从而能够完成目标追踪、情景理解等后续任务。

目前在国内的研究机构中，中国科学院北京自动化研究所下属的模式识别国家重点实验室视觉监控研究处于领先地位。他们在交通场景视觉监控、人的运动视觉监控和行为模式识别方面进行了深入研究。

2006年，北京理工大学的张彦梅提出针对坦克目标识别与定位方法，利用各单探测器局部判别结果及二者的关系。进行决策层综合判定的目标识别方法和原则; 各探测器通过对时域内信号特征的判别形成局部判别信息, 在此基础上, 决策中心针对弹道可能出现的假目标特点制定了正确的融合判别准则, 有效避免了假目标干扰, 保证了目标识别精度; 在考虑目标定位的基础上，通过对磁场特性曲线的分析, 给出了局部判别准则中相应门限的制定方法，据此确定磁探测门限。

2015年，微软亚洲研究院的何恺明等人提出的模型Res Net更是将网络的深度提升到了更深层次，达到了152层之多。这些是DCNN在图像分类识别中的有效应用。但是深度神经网络结构并不是越深越好。而且这些网络结构大多是仅仅对图片进行分类识别。

北京陆战平台全电化技术重点实验室的郝娜提出一种基于多特征判别的坦克分队战场目标定位方法，该方法提出一种用于坦克分队的基于多特征判别的战场目标定位方法，有效利用分队各坦克获取的目标种类、位置、姿态信息，本车位置以及火控瞄准线角度等信息，采用多特征融合对目标进行身份确定、位置计算。经实验系统验证，该方法对目标定位准确，有效解决了激光测距手段单一、易暴露本车的缺点，使坦克分队实现了被动方式的战场目标定位。