抗干扰多维特征检测方法及系统与流程

1.本发明涉及图像检测技术领域，特别涉及一种抗干扰多维特征检测方法及系统。


背景技术：

2.低小慢目标具有周围环境复杂，目标速度慢，图像特征少等特点，在现有图像检测算法的框架下，难以快速、准确的进行识别。现有的低小慢检测方法有如下两种：1、使用神经网络等高硬件需求机器学习算法采集大量数据进行目标识别；2、使用初级图像识别算法对目标进行检测。
3.针对上述两种检测方法，前者解释性差，对硬件和数据采集要求高，运行速度慢，核心硬件国产化难度大、成本高，后者检测率低；两者最大的共同缺点是仅从图像角度去进行检测，都难以区别目标与目标背景。


技术实现要素：

4.本发明的提供一种抗干扰多维特征检测方法及系统，在对低小慢目标识别过程中，硬件需求低，运算速度快，识别率高，抗背景干扰能力强。
5.第一方面，提供一种抗干扰多维特征检测方法，包括以下步骤：
6.获取待测目标的当前帧待检测图像、当前帧的最近一帧雷达目标信息、无线电目标信息及历史目标航迹库；
7.根据所述待检测图像，基于svm分类模型及速度运动函数获取多个目标航迹；
8.根据多个所述目标航迹、所述无线电目标信息、所述最近一帧雷达目标信息及所述历史目标航迹库，获取每个所述目标航迹对应的总置信度；
9.选取总置信度最小的目标航迹为确定目标。
10.根据第一方面，在第一方面的第一种可能的实现方式中，所述“根据所述待检测图像，基于svm分类模型及速度运动函数获取多个目标航迹”步骤，具体包括以下步骤：
11.根据所述待检测图像，基于svm分类模型获取多个目标点迹；
12.基于速度运动函数在多个所述目标点迹中确定多个目标航迹。
13.根据第一方面，在第一方面的第二种可能的实现方式中，所述“根据多个所述目标航迹、所述无线电目标信息、所述最近一帧雷达目标信息及所述历史目标航迹库，获取每个所述目标航迹对应的总置信度”步骤，具体包括以下步骤：
14.计算每个目标航迹对应的帧间相关度质量；
15.对多个所述目标航迹进行聚集度计算，获取每个目标航迹对应的聚集相关度质量；
16.根据所述无线电目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小无线电相关度质量；
17.根据所述最近一帧雷达目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小雷达相关度质量；
18.根据所述历史目标航迹库与多个所述目标航迹，获取每个所述目标航迹对应的最小历史相关度质量；
19.根据所述帧间相关度质量、所述聚集相关度质量、所述最小无线电相关度质量、所述最小雷达相关度质量及所述最小历史相关度质量，获取每个所述目标航迹对应的总置信度。
20.根据第一方面，在第一方面的第三种可能的实现方式中，所述“计算每个目标航迹对应的帧间相关度质量”步骤，具体包括以下步骤：
21.计算每个目标航迹对应的帧间相关度质量qv如下：
[0022][0023]
式中，vn、v
n-1
分别为一个目标航迹在相邻两帧条件下的航迹速度。
[0024]
根据第一方面，在第一方面的第四种可能的实现方式中，所述“对多个所述目标航迹进行聚集度计算，获取每个目标航迹对应的聚集相关度质量”步骤，具体包括以下步骤：
[0025]
获取每个目标航迹对应的聚集相关度质量q
gm
如下：
[0026][0027]
式中，p为目标航迹空间位置。
[0028]
根据第一方面，在第一方面的第五种可能的实现方式中，所述“根据所述无线电目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小无线电相关度质量”步骤，具体包括以下步骤：
[0029]
对所述无线电目标信息中的方位与每个所述目标航迹中的方位之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小无线电方位相关度质量q
wm
如下：
[0030]qwm
＝a
m-awꢀꢀꢀꢀ
式(三)；
[0031]
对所述无线电目标信息中的速度与每个所述目标航迹中的速度之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小无线电速度相关度质量qs
wm
如下：
[0032]
qs
wm
＝s
m-swꢀꢀꢀꢀꢀ
式(四)；
[0033]
根据最小无线电方位相关度质量q
wm
与最小无线电速度相关度质量qs
wm
，计算每个所述目标航迹对应的最小无线电相关度质量qw如下：
[0034]qw
＝w1q
wm
+w2qs
wm
ꢀꢀꢀ
式(五)；
[0035]
式中，am为目标航迹m的方位；aw为无线电目标w的方位；sm为目标航迹m的速度；sw为无线电目标w的速度；w1为q
wm
的的权重系数；w2为qs
wm
的的权重系数。
[0036]
根据第一方面，在第一方面的第六种可能的实现方式中，所述“根据所述最近一帧雷达目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小雷达相关度质量”步骤，具体包括以下步骤：
[0037]
对所述最近一帧雷达目标信息中的空间位置与每个所述目标航迹中的空间位置之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小雷达空间相关度质量q
rm
如下：
[0038]qrm
＝p
m-prꢀꢀꢀꢀꢀꢀ
式(六)；
[0039]
对所述最近一帧雷达目标信息中的速度与每个所述目标航迹中的速度之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小雷达速度相关度质量qs
rm
如下：
[0040]
qs
rm
＝s
m-srꢀꢀꢀꢀꢀ
式(七)；
[0041]
根据最小雷达空间相关度质量q
rm
与最小雷达速度相关度质量qs
rm
，计算每个所述目标航迹对应的最小雷达相关度质量qr如下：
[0042]
qr＝w3q
rm
+w4qs
rm
ꢀꢀꢀꢀ
式(八)；
[0043]
式中，pm为目标航迹m的空间位置；pr为雷达目标r的空间位置；sm为目标航迹m的速度；sr为雷达目标r的速度；w3为q
rm
的的权重系数；w4为qs
rm
的的权重系数
[0044]
根据第一方面，在第一方面的第七种可能的实现方式中，所述“根据所述历史目标航迹库与多个所述目标航迹，获取每个所述目标航迹对应的最小历史相关度质量”步骤，具体包括以下步骤：
[0045]
对所述历史目标航迹库中的速度与每个所述目标航迹中的速度之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小历史相关度质量qs
hm
如下：
[0046]
qs
hm
＝s
m-shꢀꢀꢀ
式(九)；
[0047]
式中，sm为目标航迹m的速度；sh为历史目标航迹库目标r的速度。
[0048]
根据第一方面，在第一方面的第八种可能的实现方式中，所述“根据所述帧间相关度质量、所述聚集相关度质量、所述最小无线电相关度质量、所述最小雷达相关度质量及所述最小历史相关度质量，获取每个所述目标航迹对应的总置信度”步骤，具体包括以下步骤：
[0049]
获取每个所述目标航迹对应的总置信度q如下：
[0050]
q＝w5qv+w6q
gm
+w7qw+w8qr+w9qs
hm
ꢀꢀꢀꢀꢀꢀ
式(十)；
[0051]
式中，w5为帧间相关度质量qv的权重系数；w6为聚集相关度质量q
gm
的权重系数；w7为最小无线电相关度质量qw的权重系数；w8为最小雷达相关度质量qr的权重系数；w9为最小历史相关度质量qs
hm
的权重系数。
[0052]
第二方面，提供了一种抗干扰多维特征检测系统，包括以下步骤：
[0053]
数据获取模块，用于获取待测目标的当前帧待检测图像、当前帧的最近一帧雷达目标信息、无线电目标信息及历史目标航迹库；
[0054]
航迹模块，与所述数据获取模块通信连接，用于根据所述待检测图像，基于svm分类模型及速度运动函数获取多个目标航迹；
[0055]
置信度模块，与所述数据获取模块及所述航迹模块通信连接，用于根据多个所述目标航迹、所述无线电目标信息、所述最近一帧雷达目标信息及所述历史目标航迹库，获取每个所述目标航迹对应的总置信度；
[0056]
目标确定模块，与所述置信度模块通信连接，用于选取总置信度最小的目标航迹为确定目标。
[0057]
与现有技术相比，本发明的优点如下：在低小慢目标识别过程中，不但考虑了图像方面的特征，还引入运动学、雷达无线电目标特征、历史航迹特征等，未使用神经网络复杂算法，计算量不大，对硬件需求低，运算速度快，识别率高，抗背景干扰能力强，可解释性强。
附图说明
[0058]
图1是本发明一种抗干扰多维特征检测方法的一实施例的流程示意图；
[0059]
图2是本发明一种抗干扰多维特征检测方法的又一实施例的流程示意图；
[0060]
图3是本发明一种抗干扰多维特征检测系统的结构示意图。
具体实施方式
[0061]
现在将详细参照本发明的具体实施例，在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明，但将理解，不是想要将本发明限于所述的实施例。相反，想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意，这里描述的方法步骤都可以由任何功能块或功能布置来实现，且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
[0062]
为了使本领域技术人员更好地理解本发明，下面结合附图和具体实施方式对本发明作进一步详细说明。
[0063]
注意：接下来要介绍的示例仅是一个具体的例子，而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
[0064]
参见图1所示，本发明实施例提供一种抗干扰多维特征检测方法，包括以下步骤：
[0065]
s100，获取待测目标的当前帧待检测图像、当前帧的最近一帧雷达目标信息、无线电目标信息及历史目标航迹库；
[0066]
s200，根据所述待检测图像，基于svm分类模型及速度运动函数获取多个目标航迹；
[0067]
s300，根据多个所述目标航迹、所述无线电目标信息、所述最近一帧雷达目标信息及所述历史目标航迹库，获取每个所述目标航迹对应的总置信度；
[0068]
s400，选取总置信度最小的目标航迹为确定目标。
[0069]
具体地，本实施例中，本发明在低小慢目标识别过程中，不但考虑了图像方面的特征，还引入运动学、雷达无线电目标特征、历史航迹特征等，未使用神经网络复杂算法，计算量不大，对硬件需求低，运算速度快，识别率高，抗背景干扰能力强，可解释性强。
[0070]
优选地，在本技术另外的实施例中，所述“s200，根据所述待检测图像，基于svm分类模型及速度运动函数获取多个目标航迹”步骤，具体包括以下步骤：
[0071]
s210，根据所述待检测图像，基于svm分类模型获取多个目标点迹；
[0072]
s220，基于速度运动函数在多个所述目标点迹中确定多个目标航迹。
[0073]
具体地，本实施例中，用32*32划动框(可根据实际情况变更划动框大小)将待测目标的当前帧待检测图像切分成若干待检测图像，将图像作为一个一维向量作为svm的轻量级特征向量进行第一层筛选，在画面中获得大量初级待定目标；svm检测约束函数如下所示：
[0074][0075]
w为训练模型学习参数(训练模型为事先使用历史目标图像训练得到)，其物理意
义为超平面法向量，b为超平面截距，“s.t.”为subject to的简写，表示优化时的约束项，即必须满足的条件；即满足上述约束束函数条件的为目标点迹。
[0076]
当得到连续n帧图像中的目标点迹后，对同一目标点迹进行帧间关联，速度运动函数如下：
[0077][0078]
因此满足上述速度运动函数条件的目标点迹认为是目标航迹，v为目标速度，vmin为最小速度，vmax为最大速度，vdelta为两桢最大速度差。
[0079]
优选地，在本技术另外的实施例中，所述“s300，根据多个所述目标航迹、所述无线电目标信息、所述最近一帧雷达目标信息及所述历史目标航迹库，获取每个所述目标航迹对应的总置信度”步骤，具体包括以下步骤：
[0080]
s310，计算每个目标航迹对应的帧间相关度质量；
[0081]
s320，对多个所述目标航迹进行聚集度计算，获取每个目标航迹对应的聚集相关度质量；
[0082]
s330，根据所述无线电目标信息与多个所述目标航迹，获取每个所述目标航迹对应的的最小无线电相关度质量；
[0083]
s340，根据所述最近一帧雷达目标信息与多个所述目标航迹，获取每个所述目标航迹对应的的最小雷达相关度质量；
[0084]
s350，根据所述历史目标航迹库与多个所述目标航迹，获取每个所述目标航迹对应的最小历史相关度质量；
[0085]
s360，根据所述帧间相关度质量、所述聚集相关度质量、所述最小无线电相关度质量、所述最小雷达相关度质量及所述最小历史相关度质量，获取每个所述目标航迹对应的总置信度。
[0086]
具体地，本实施例中，由于现有的低小慢检测方法有如下两种：1、使用神经网络等高硬件需求机器学习算法采集大量数据进行目标识别；2、使用初级图像识别算法对目标进行检测；前者解释性差，对硬件和数据采集要求高，运行速度慢，核心硬件国产化难度大、成本高，后者检测率低；两者最大的共同缺点是仅从图像角度去进行检测，都难以区别目标与目标背景；因此针对上述问题，本发明不但考虑了图像方面的特征，还引入运动学、航迹聚类关系、雷达无线电目指特征、历史航迹特征，每一层的算法计算量都不大，对硬件需求低，运算速度快，识别率高，抗背景干扰能力强，可解释性强。
[0087]
优选地，在本技术另外的实施例中，所述“s310，计算每个目标航迹对应的帧间相关度质量”步骤，具体包括以下步骤：
[0088]
计算每个目标航迹对应的帧间相关度质量qv如下：
[0089][0090]
式中，vn、v
n-1
分别为一个目标航迹在相邻两帧条件下的航迹速度；帧间相关度质量越小，说明目标航迹越稳定。
[0091]
优选地，在本技术另外的实施例中，所述“s320，对多个所述目标航迹进行聚集度计算，获取每个目标航迹对应的聚集相关度质量”步骤，具体包括以下步骤：
[0092]
获取每个目标航迹对应的聚集相关度质量q
gm
如下：
[0093][0094]
式中，p为目标航迹空间位置。
[0095]
具体地，本实施例中，一般认为目标点与背景的一个巨大区别在于背景往往会提取出来多个航迹，而目标则相对孤立，因此用航迹和航迹之间的距离作为指标建立聚集相关度质量，公式如式(二)所述，聚集相关度质量为一个航迹与其他所有航迹距离的倒数和。
[0096]
优选地，在本技术另外的实施例中，所述“s330，根据所述无线电目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小无线电相关度质量”步骤，具体包括以下步骤：
[0097]
对所述无线电目标信息中的方位与每个所述目标航迹中的方位之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小无线电方位相关度质量q
wm
如下：
[0098]qwm
＝a
m-awꢀꢀꢀꢀꢀ
式(三)；
[0099]
对所述无线电目标信息中的速度与每个所述目标航迹中的速度之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小无线电速度相关度质量qs
wm
如下：
[0100]
qs
wm
＝s
m-swꢀꢀꢀꢀꢀꢀ
式(四)；
[0101]
根据最小无线电方位相关度质量q
wm
与最小无线电速度相关度质量qs
wm
，计算每个所述目标航迹对应的最小无线电相关度质量qw如下：
[0102]qw
＝w1q
wm
+w2qs
wm
ꢀꢀꢀ
式(五)；
[0103]
式中，am为目标航迹m的方位；aw为无线电目标w的方位；sm为目标航迹m的速度；sw为无线电目标w的速度；w1为q
wm
的的权重系数；w2为qs
wm
的的权重系数。
[0104]
因此，最小无线电相关度质量qw越小，说明目标航迹与无线电目标信息越吻合。
[0105]
优选地，在本技术另外的实施例中，所述“s340，根据所述最近一帧雷达目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小雷达相关度质量”步骤，具体包括以下步骤：
[0106]
对所述最近一帧雷达目标信息中的空间位置与每个所述目标航迹中的空间位置之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小雷达空间相关度质量q
rm
如下：
[0107]qrm
＝p
m-prꢀꢀꢀꢀꢀ
式(六)；
[0108]
对所述最近一帧雷达目标信息中的速度与每个所述目标航迹中的速度之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小雷达速度相关度质量qs
rm
如下：
[0109]
qs
rm
＝s
m-srꢀꢀꢀꢀ
式(七)；
[0110]
根据最小雷达空间相关度质量q
rm
与最小雷达速度相关度质量qs
rm
，计算每个所述目标航迹对应的最小雷达相关度质量qr如下：
[0111]
qr＝w3q
rm
+w4qs
rm
ꢀꢀꢀꢀ
式(八)；
[0112]
式中，pm为目标航迹m的空间位置；pr为雷达目标r的空间位置；sm为目标航迹m的速度；sr为雷达目标r的速度；w3为q
rm
的的权重系数；w4为qs
rm
的的权重系数。
[0113]
因此，最小雷达相关度质量qr越小，说明目标航迹与雷达目标信息越吻合。
[0114]
优选地，在本技术另外的实施例中，所述“s350，根据所述历史目标航迹库与多个所述目标航迹，获取每个所述目标航迹对应的最小历史相关度质量”步骤，具体包括以下步骤：
[0115]
对所述历史目标航迹库中的速度与每个所述目标航迹中的速度之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小历史相关度质量qs
hm
如下：
[0116]
qs
hm
＝s
m-shꢀꢀꢀ
式(九)；
[0117]
式中，sm为目标航迹m的速度；sh为历史目标航迹库目标r的速度。
[0118]
具体地，本实施例中，使用历史目标航迹库的信息与目标航迹进行对照，生成历史航迹相关参数；对于已经识别出的被人工确认过的航迹速度，记录其速度，记录在历史目标航迹库中，作为航迹历史数据判别特征，将目标航迹与历史目标航迹库进行对比，得到每个目标航迹对应的插值结果最小的最小历史相关度质量qs
hm
。
[0119]
优选地，在本技术另外的实施例中，所述“s360，根据所述帧间相关度质量、所述聚集相关度质量、所述最小无线电相关度质量、所述最小雷达相关度质量及所述最小历史相关度质量，获取每个所述目标航迹对应的总置信度”步骤，具体包括以下步骤：
[0120]
获取每个所述目标航迹对应的总置信度q如下：
[0121]
q＝w5qv+w6q
gm
+w7qw+w8qr+w9qs
hm
ꢀꢀꢀꢀ
式(十)；
[0122]
式中，w5为帧间相关度质量qv的权重系数；w6为聚集相关度质量q
gm
的权重系数；w7为最小无线电相关度质量qw的权重系数；w8为最小雷达相关度质量qr的权重系数；w9为最小历史相关度质量qs
hm
的权重系数。
[0123]
最后对所有目标航迹对应的总置信度进行排序，选取总置信度最小的目标航迹为确定目标(疑似目标)。
[0124]
同时参见图2所示，本发明实施例提供的一种抗干扰多维特征检测方法，包括如下步骤：
[0125]
1、获取待测目标的当前帧待检测图像；
[0126]
2、根据所述待检测图像，基于svm分类模型获取多个目标点迹；
[0127]
3、基于速度运动函数在多个所述目标点迹中确定多个目标航迹；
[0128]
4、计算每个目标航迹对应的帧间相关度质量；
[0129]
5、对多个所述目标航迹进行聚集度计算，获取每个目标航迹对应的聚集相关度质量；
[0130]
6、根据所述无线电目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小无线电相关度质量；
[0131]
7、根据所述最近一帧雷达目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小雷达相关度质量；
[0132]
8、根据所述历史目标航迹库与多个所述目标航迹，获取每个所述目标航迹对应的最小历史相关度质量；
[0133]
9、根据所述帧间相关度质量、所述聚集相关度质量、所述最小无线电相关度质量、
所述最小雷达相关度质量及所述最小历史相关度质量，获取每个所述目标航迹对应的总置信度；
[0134]
10、选取总置信度最小的目标航迹为确定目标。
[0135]
同时参见图3所示，本发明实施例提供的一种抗干扰多维特征检测系统，包括以下步骤：
[0136]
数据获取模块，用于获取待测目标的当前帧待检测图像、当前帧的最近一帧雷达目标信息、无线电目标信息及历史目标航迹库；
[0137]
航迹模块，与所述数据获取模块通信连接，用于根据所述待检测图像，基于svm分类模型及速度运动函数获取多个目标航迹；
[0138]
置信度模块，与所述数据获取模块及所述航迹模块通信连接，用于根据多个所述目标航迹、所述无线电目标信息、所述最近一帧雷达目标信息及所述历史目标航迹库，获取每个所述目标航迹对应的总置信度；
[0139]
目标确定模块，与所述置信度模块通信连接，用于选取总置信度最小的目标航迹为确定目标。
[0140]
因此，本发明不但考虑了图像方面的特征，还引入运动学、航迹聚类关系、雷达无线电目指特征、历史航迹特征，每一层的算法计算量都不大，对硬件需求低，运算速度快，识别率高，抗背景干扰能力强，可解释性强。
[0141]
具体的，本实施例与上述方法实施例一一对应，各个模块的功能在相应的方法实施例中已经进行详细说明，因此不再一一赘述。
[0142]
基于同一发明构思，本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的所有方法步骤或部分方法步骤。
[0143]
本发明实现上述方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0144]
基于同一发明构思，本技术实施例还提供一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。
[0145]
所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器
等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
[0146]
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(例如声音播放功能、图像播放功能等)；存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0147]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0148]
本发明是参照根据本发明实施例的方法、设备(系统)、服务器和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0149]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0150]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0151]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种抗干扰多维特征检测方法，其特征在于，包括以下步骤：获取待测目标的当前帧待检测图像、当前帧的最近一帧雷达目标信息、无线电目标信息及历史目标航迹库；根据所述待检测图像，基于svm分类模型及速度运动函数获取多个目标航迹；根据多个所述目标航迹、所述无线电目标信息、所述最近一帧雷达目标信息及所述历史目标航迹库，获取每个所述目标航迹对应的总置信度；选取总置信度最小的目标航迹为确定目标。2.如权利要求1所述的抗干扰多维特征检测方法，其特征在于，所述“根据所述待检测图像，基于svm分类模型及速度运动函数获取多个目标航迹”步骤，具体包括以下步骤：根据所述待检测图像，基于svm分类模型获取多个目标点迹；基于速度运动函数在多个所述目标点迹中确定多个目标航迹。3.如权利要求1所述的抗干扰多维特征检测方法，其特征在于，所述“根据多个所述目标航迹、所述无线电目标信息、所述最近一帧雷达目标信息及所述历史目标航迹库，获取每个所述目标航迹对应的总置信度”步骤，具体包括以下步骤：计算每个目标航迹对应的帧间相关度质量；对多个所述目标航迹进行聚集度计算，获取每个目标航迹对应的聚集相关度质量；根据所述无线电目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小无线电相关度质量；根据所述最近一帧雷达目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小雷达相关度质量；根据所述历史目标航迹库与多个所述目标航迹，获取每个所述目标航迹对应的最小历史相关度质量；根据所述帧间相关度质量、所述聚集相关度质量、所述最小无线电相关度质量、所述最小雷达相关度质量及所述最小历史相关度质量，获取每个所述目标航迹对应的总置信度。4.如权利要求3所述的抗干扰多维特征检测方法，其特征在于，所述“计算每个目标航迹对应的帧间相关度质量”步骤，具体包括以下步骤：计算每个目标航迹对应的帧间相关度质量q
v
如下：式中，v
n
、v
n-1
分别为一个目标航迹在相邻两帧条件下的航迹速度。5.如权利要求3所述的抗干扰多维特征检测方法，其特征在于，所述“对多个所述目标航迹进行聚集度计算，获取每个目标航迹对应的聚集相关度质量”步骤，具体包括以下步骤：获取每个目标航迹对应的聚集相关度质量q
gm
如下：式中，p为目标航迹空间位置。
6.如权利要求3所述的抗干扰多维特征检测方法，其特征在于，所述“根据所述无线电目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小无线电相关度质量”步骤，具体包括以下步骤：对所述无线电目标信息中的方位与每个所述目标航迹中的方位之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小无线电方位相关度质量q
wm
如下：q
wm
＝a
m-a
w
ꢀꢀꢀꢀ
式(三)；对所述无线电目标信息中的速度与每个所述目标航迹中的速度之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小无线电速度相关度质量qs
wm
如下：qs
wm
＝s
m-s
w
ꢀꢀꢀꢀ
式(四)；根据最小无线电方位相关度质量q
wm
与最小无线电速度相关度质量qs
wm
，计算每个所述目标航迹对应的最小无线电相关度质量q
w
如下：q
w
＝w1q
wm
+w2qs
wm
ꢀꢀꢀꢀ
式(五)；式中，a
m
为目标航迹m的方位；a
w
为无线电目标w的方位；s
m
为目标航迹m的速度；s
w
为无线电目标w的速度；w1为q
wm
的的权重系数；w2为qs
wm
的的权重系数。7.如权利要求3所述的抗干扰多维特征检测方法，其特征在于，所述“根据所述最近一帧雷达目标信息与多个所述目标航迹，获取每个所述目标航迹对应的最小雷达相关度质量”步骤，具体包括以下步骤：对所述最近一帧雷达目标信息中的空间位置与每个所述目标航迹中的空间位置之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小雷达空间相关度质量q
rm
如下：q
rm
＝p
m-p
r
ꢀꢀꢀꢀꢀ
式(六)；对所述最近一帧雷达目标信息中的速度与每个所述目标航迹中的速度之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小雷达速度相关度质量qs
rm
如下：qs
rm
＝s
m-s
r
ꢀꢀꢀꢀꢀ
式(七)；根据最小雷达空间相关度质量q
rm
与最小雷达速度相关度质量qs
rm
，计算每个所述目标航迹对应的最小雷达相关度质量q
r
如下：q
r
＝w3q
rm
+w4qs
rm
ꢀꢀꢀꢀ
式(八)；式中，p
m
为目标航迹m的空间位置；p
r
为雷达目标r的空间位置；s
m
为目标航迹m的速度；s
r
为雷达目标r的速度；w3为q
rm
的的权重系数；w4为qs
rm
的的权重系数。8.如权利要求3所述的抗干扰多维特征检测方法，其特征在于，所述“根据所述历史目标航迹库与多个所述目标航迹，获取每个所述目标航迹对应的最小历史相关度质量”步骤，具体包括以下步骤：对所述历史目标航迹库中的速度与每个所述目标航迹中的速度之间进行插值计算，获取每个所述目标航迹对应的插值结果最小的最小历史相关度质量qs
hm
如下：qs
hm
＝s
m-s
h
ꢀꢀꢀꢀꢀ
式(九)；式中，s
m
为目标航迹m的速度；s
h
为历史目标航迹库目标r的速度。9.如权利要求3所述的抗干扰多维特征检测方法，其特征在于，所述“根据所述帧间相关度质量、所述聚集相关度质量、所述最小无线电相关度质量、所述最小雷达相关度质量及所述最小历史相关度质量，获取每个所述目标航迹对应的总置信度”步骤，具体包括以下步
骤：获取每个所述目标航迹对应的总置信度q如下：q＝w5q
v
+w6q
g
m+w7q
w
+w8q
r
+w9qs
hm
ꢀꢀꢀꢀ
式(十)；式中，w5为帧间相关度质量q
v
的权重系数；w6为聚集相关度质量q
gm
的权重系数；w7为最小无线电相关度质量q
w
的权重系数；w8为最小雷达相关度质量q
r
的权重系数；w9为最小历史相关度质量qs
hm
的权重系数。10.一种抗干扰多维特征检测系统，其特征在于，包括以下步骤：数据获取模块，用于获取待测目标的当前帧待检测图像、当前帧的最近一帧雷达目标信息、无线电目标信息及历史目标航迹库；航迹模块，与所述数据获取模块通信连接，用于根据所述待检测图像，基于svm分类模型及速度运动函数获取多个目标航迹；置信度模块，与所述数据获取模块及所述航迹模块通信连接，用于根据多个所述目标航迹、所述无线电目标信息、所述最近一帧雷达目标信息及所述历史目标航迹库，获取每个所述目标航迹对应的总置信度；目标确定模块，与所述置信度模块通信连接，用于选取总置信度最小的目标航迹为确定目标。

技术总结
本发明公开了一种抗干扰多维特征检测方法及系统，其方法包括以下步骤：获取待测目标的当前帧待检测图像、当前帧的最近一帧雷达目标信息、无线电目标信息及历史目标航迹库；根据所述待检测图像，基于SVM分类模型及速度运动函数获取多个目标航迹；根据多个所述目标航迹、所述无线电目标信息、所述最近一帧雷达目标信息及所述历史目标航迹库，获取每个所述目标航迹对应的总置信度；选取总置信度最小的目标航迹为确定目标；在对低小慢目标识别过程中，硬件需求低，运算速度快，识别率高，抗背景干扰能力强。干扰能力强。干扰能力强。


技术研发人员：葛奇鹏 陈俩兴 胡迪 李子龙 汪诒诚
受保护的技术使用者：武汉华中天勤防务技术有限公司
技术研发日：2023.03.28
技术公布日：2023/8/5