一种巡逻执勤目标检测算法研究

巡逻执勤是具有重要意义的安全维稳行动,但是巡逻环境复杂、目标多样、检测难度大的问题十分突出,所以如何准确、实时检测巡逻执勤目标具有重大现实意义。为了提升对巡逻执勤目标检测的准确性和实时性,基于YOLOv5算法进行改进。为抑制巡逻环境带来的干扰,结合ECANet注意力机制进行改进,提高被检测目标显著性;同时为保证较好的实时性及多尺度目标检测能力,引入BiFPN网络结构。将改进算法与原始算法进行比较,mAP提升3.51%;与4种算法进行了对比实验,结果显示该算法能较好地降低巡逻执勤目标检测因检测相似、尺度多样、光照干扰等问题带来的影响,进一步验证了该算法在巡逻执勤目标检测任务中的有效性。     

基于特征值的单矢量水听器目标检测算法

针对水下目标检测在低信噪比与非平稳背景噪声情况下性能下降的问题,结合特征值检测算法原理,给出一种单矢量水听器联合信息互相关检测算法。该算法利用电子旋转导向角度与振速信息构成一种组合振速,并结合声压信息得到一种互相关值,在大快拍无信号条件下,该值满足渐进高斯分布;将该值除以解析振速与声压信息的协方差矩阵最小特征值,得到一种检测统计量;通过与门限值比较,实现目标检测。理论分析可见,所提检测算法无须背景噪声的先验信息,并且可以通过调节导向角度提高检测性能;在单目标情况下,利用检测统计量与导向角度的对应关系可实现目标方位估计。仿真与实测数据结果表明,相比于单矢量水听器最大最小特征值检测算法与能量检测算法,所提算法检测性能优良,适合于单矢量水听器目标预警检测。     

基于形状熵差的相似多目标检测方法

为实现靶场多目标图像的目标自动检测,利用多目标形状的相似性,提出一种基于形状熵差的目标检测新方法。提出了形状熵差的概念,将目标形状模型引入局部熵计算中,由局部内熵与局部外熵之差的极值点确定目标位置。基于此设计并实现了一种新的目标自动检测方法。通过实验证明了算法的有效性和鲁棒性。相比较于常见的一些目标检测算法,该方法具有更好的抗干扰能力和环境光照变化适应能力,可以应用于靶场多目标图像的目标检测,也可应用于其他类似的目标检测问题。     

分数布朗运动模型的人造目标检测

对光电目标进行自动检测与识别是导弹末端智能制导的一项关键技术,分形理论的出现为解决这个问题提供了新的技术途径.分形维计算的稳定性问题制约着其在实际工程中的应用.基于图像分形维计算的分数布朗运动模型法,提出了一种能够从自然背景中检测出人造目标的方法.实验证明,对于光电目标检测,给出方法的检测结果稳定,是一种非常有前途的方法.     

基于目标距离像的地面目标检测和跟踪

本文阐述了高分辨率一维距离成像的原理,提出了一种基于目标距离像的目标信号检测和跟踪方法。理论分析与模拟结果表明,通过目标距离像可以测量出目标的一部分强散射中心;强散射中心信息的综合利用,可以提高信干比并改善检测和跟踪性能。因此利用目标距离像可以较好地解决强地物杂波背景下目标信号的检测和跟踪问题。     

基于改进动态规划的雷达弱小目标检测与跟踪

针对复杂背景下雷达弱小目标的检测和跟踪问题,提出了一种改进动态规划的检测前跟踪算法.该方法用多级检验判决方法代替常用的两级门限检测,并用传统跟踪技术进行目标位置状态估计,根据估计值与状态值的欧氏距离设计一个惩罚项来改进值函数.通过仿真验证,结果表明该方法能有效消除伪航迹,减小计算量,提高对雷达弱小目标的检测和跟踪性能.     

无序量测下的机动弱目标检测前跟踪

针对无序量测(OOSM)情况下的机动微弱目标检测与跟踪问题,提出一种基于OOSM和多模粒子滤波(OOSM-MMPF)的检测前跟踪(TBD)算法。该算法通过直接利用OOSM对粒子权重进行更新,并在此基础上对粒子集进行重采样,从而实现OOSM情况下的目标状态更新。由于充分利用了OOSM包含的信息,该算法可以有效提高机动微弱目标的正确检测概率与跟踪精度。仿真结果表明,该算法可以有效处理OOSM问题,实现对机动弱目标的有效检测和跟踪,其算法性能接近顺序量测滤波时的MMPF算法性能。     

基于方位线性预测的远距离目标机动检测方法

随着拖曳线列阵声纳的应用,水下声探测的范围成倍增大,纯方位目标定位与跟踪技术面临严峻的挑战,特别是在对抗条件下的目标机动检测与跟踪问题难度更大。本文针对基于拖曳线列阵声纳探测的远距离目标机动检测问题,通过对以往纯方位目标机动检测方法的适用性分析,结合远距离目标方位变化的特点,提出了基于方位序列线性预测的累积和机动检测模型,解决了远距离、大误差、纯方位量测条件下的目标机动检测问题。实验室仿真验证结果表明,算法对幅度稍大的目标转向机动,具有较灵敏的机动检测效果及较强的鲁棒性。     

基于双层粒子滤波的多传感器多目标TBD算法

针对多传感器多目标检测跟踪问题,提出了一种多传感器多目标双层粒子滤波检测前跟踪算法。算法采用双层粒子滤波结构,在目标检测层中采用量测消除法对多目标逐一检测,形成目标跟踪子粒子群,在目标跟踪层中采用二次重采样的方法对粒子群中粒子分布进行修正,在跟踪过程及时发现并剔除虚假目标。仿真结果表明算法的有效性。     

多雷达观测信号融合检测算法

针对海上小目标检测问题提出了一种基于多雷达观测信号层融合的检测算法。该算法对各个雷达的观测值按采样时刻进行排序,然后根据对应时刻的脉冲信号进行高阶互累积量计算然后在相关域上积累进行似然比检测。仿真分析表明该算法与基于贝叶斯准则的分布式检测算法相比,具有较低的复杂度和低信噪比条件下较高的目标检测概率。     

宽带雷达自适应积累检测

研究了宽带雷达距离像检测问题。针对宽带雷达目标的距离像姿态敏感性,将模型定阶准则引入到距离像长度估计问题中,提出了一种基于信息熵准则的自适应积累检测算法。仿真结果表明,与基于平均信噪比最大准则的自适应积累检测相比,算法的检测性能更优。     

图像目标检测技术在坦克火控系统中的应用

图像目标检测技术是提升坦克火控系统性能的关键技术之一。分析了图像目标检测技术的工作原理与技术优势,介绍了面向坦克火控系统的目标检测技术发展现状,并指出坦克火控系统目标检测技术需要重点解决的问题以及解决方案,对坦克火控系统图像目标检测技术的发展进行了展望。     

一种基于外辐射源的弱目标检测跟踪算法

针对强杂波条件下弱目标的检测跟踪问题,提出一种基于外辐射源的极大似然概率数据关联检测跟踪算法。该算法建立了多基站外辐射源雷达系统数学模型,并提出基于极大似然概率数据关联的弱目标航迹起始算法。利用遗传算法解决极大似然概率数据关联中的优化求解问题,以提高目标检测跟踪性能。通过滑窗法实现航迹维持。仿真结果表明,所提算法能有效解决强杂波条件下弱目标的检测跟踪问题,并改善检测跟踪性能。     

基于误差校准的多雷达粒子滤波检测跟踪算法

基于粒子滤波的检测前跟踪方法是一种处理弱目标检测与跟踪的有效方法。使用多部雷达对同一目标进行观测,可以提高目标的检测概率和跟踪精度。但雷达系统误差不同,得到的目标量测信息不能直接进行融合。针对多个具有不同系统误差的雷达联合检测跟踪问题,通过将不同雷达的量测信息向前追溯,对误差进行校准,从而消除不同雷达对于同一粒子的量测误差,然后将粒子权重进行融合。仿真结果表明,在雷达具有不同系统误差的情况下,采用本算法可以有效提高目标的跟踪精度。     

基于删除平均的VI-CFAR检测器

针对MLVI-CFAR检测器在多个随机分布干扰目标背景下检测性能不好,以及OSVI-CFAR检测器在均匀环境和仅单滑窗存在干扰目标的环境下检测性能欠佳问题,提出了一种基于删除平均(CML)的VI-CFAR检测器(CMLVI-CFAR).仿真验证了CMLVI-CFAR检测器在均匀背景及多目标干扰环境下,都具有比MLVI和OSVI-CFAR检测器好的检测性能,并且其在杂波边缘背景下的虚警控制能力与前两者也基本一致,说明其在实际杂波环境中具有更强的鲁棒性和良好的应用潜力.     

一种基于航向估计的多平台纯方位目标转向机动检测算法

针对纯方位目标转向机动检测问题,提出一种基于航向估计的多平台纯方位目标机动检测算法。该算法通过选定假设机动点序列,解算假设机动点前后的两段目标运动要素,根据解算出的相邻段航向差序列变化来判别目标是否发生机动。基于Taylor级数要素解算模型,建立了两段运动要素联合解算模型和两段运动要素独立解算模型。通过对多种航路进行仿真计算,统计分析这两种解算模型下机动检测算法的虚警率、目标机动检测率、机动检测延迟时间以及机动时刻估计精度。仿真结果表明,两种解算模型下的机动检测算法能够有效地对转向机动目标进行机动检测。     

基于视觉的飞行器智能目标检测对抗攻击技术

随着人工智能技术和计算机视觉技术的快速发展,利用智能目标检测技术识别空中出现的侦察机、无人机等飞行器目标已经成为了一种常见的军事防御手段.针对从数字图像层面对基于深度学习网络的目标检测模型进行混淆、欺骗,并在未来将数字攻击结果实物化的可行性问题,提出了一种基于视觉的限定攻击区域的飞行器目标检测对抗攻击方法.利用飞行器数...     

基于可变卷积与迁移学习的小样本检测方法

针对主流方法对弱小目标识别效率低的问题,提出了一种基于可变卷积与迁移学习的小样本检测方法。基于可变卷积思想改进特征提取主干网络,实现在少量数据上达到和普通卷积在大量数据上相等的学习能力。设计一种Soft-NMS共同作用的方法降低多目标重叠容易出现的漏检问题。通过在公开数据集PASCAL VOC和实测弱小目标数据集上的实验表明,所提算法实现小样本条件下对实测弱小目标的检测与识别,且与原始方法相比性能有显著提高,在公开数据集上较原算法提高了5.5%,在实测数据集上较原算法提高了8.3%。     

基于显著性检测与特征匹配的目标识别方法

为加强目标识别的可靠性,提出了一种基于显著性检测与特征匹配的目标识别方法。提出了改进的显著性检测方法提取显著性目标,利用改进的特征检测子与快速视网膜特征描述子(Fast Retina Keypoint,FREAK)对目标与模板库进行并行匹配,最后根据平均匹配率完成目标识别。实验结果表明,改进的显著性检测方法较传统方法具有更高的检测精度和目标完整性,改进的特征检测子较传统方法具有更强的鲁棒性与实时性,基于显著性检测与特征匹配的目标识别方法能够实现可靠性较强的目标实时识别。     

机载脉冲多普勒雷达对运动目标可检测性模型分析

针对机载脉冲多普勒雷达检测目标时存在的径向速度盲区问题,通过建立载机与目标的相对运动模型的方法对检测盲区的产生原理进行分析,论述了载机与目标相对径向速度的求解方法,推导了目标可检测速度门限的表达式。仿真分析验证了本结论的有效性,说明此结论能够为研究改善机载雷达检测目标性能的方法提供可靠依据。