[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115115992B - 基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法 - Google Patents

基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法 Download PDF

Info

Publication number
CN115115992B
CN115115992B CN202210880757.9A CN202210880757A CN115115992B CN 115115992 B CN115115992 B CN 115115992B CN 202210880757 A CN202210880757 A CN 202210880757A CN 115115992 B CN115115992 B CN 115115992B
Authority
CN
China
Prior art keywords
target
tracking
photoelectric
processing unit
interference
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210880757.9A
Other languages
English (en)
Other versions
CN115115992A (zh
Inventor
李焱
李珍
周俊鹏
董宇星
刘海波
张海波
郭永强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Original Assignee
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun Institute of Optics Fine Mechanics and Physics of CAS filed Critical Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority to CN202210880757.9A priority Critical patent/CN115115992B/zh
Publication of CN115115992A publication Critical patent/CN115115992A/zh
Application granted granted Critical
Publication of CN115115992B publication Critical patent/CN115115992B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Neurology (AREA)
  • Dermatology (AREA)
  • Neurosurgery (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法，涉及光电对抗探测领域，该方法为：光电跟踪设备稳定跟踪目标的同时，实时在信息综合处理单元中更新受干扰前的目标特征信息；信息综合处理单元根据判据识别干扰并输出识别干扰结果；基于脑图控制权决策原理，控制权决策器根据识别干扰结果和目标特征匹配结果进行伺服控制单元控制权的决策分配；记忆跟踪期间，对光电视场内所有捕获目标进行目标特征信息提取，并将该特征与受干扰前的特征进行匹配，找出正确的目标进行再跟踪，收集目标特征匹配结果后转入控制权决策。本发明干扰识别及正确目标捕获准确率均达90%以上，航迹预测误差不超过0.3°时记忆跟踪航迹外推时间不低于10秒。

Description

基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法
技术领域
本发明涉及光电对抗探测技术领域，具体涉及一种基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法。
背景技术
光电跟踪设备在目标跟踪过程中，由于所处的环境背景复杂，视频图像跟踪目标的过程往往会受到激光致眩、烟雾、干扰弹、飞鸟、海面亮带、海杂波、船只、建筑、云层以及太阳光等的干扰，如图1所示，可以看出，视频图像会受到上述多种干扰源随机且不定时常的干扰，导致光电跟踪设备捕错目标或致盲丢失目标的现象。
目前所采用的应对策略多为人为参与的方法，即设备的操作人员在发现干扰源之后，立刻通过光电跟踪设备的操纵控制杆和按键的共同组合，进行人工干预，在目标消隐或受到干扰期间，保障性的使用光电操纵控制杆对光电跟踪设备进行控制，凭经验进行航迹外推，维持视频图像稳定，在干扰源消散后，凭经验再次进行人工判读和操作，重新提取正确的目标，恢复目标跟踪。
在设备实际使用过程中，由于大多数的干扰源发生都是随机且不定时常的，设备操作人员很难通过正确及时的操作实现抗干扰的目的。经常会出现以下现象：
（a）操作人员未能及时的对干扰源进行人工干预；
（b）目标消隐或持续受到干扰期间航迹外推错误，丢失目标；
（c）干扰源消散后，无法重新捕获正确的目标。
这种依赖于人工干预抗干扰的方式，其准确率和及时性均不能得到保证。
在某些技术和方法文献中，如公开号为CN114281110A的中国专利《一种基于路径预测的伺服记忆跟踪实现方法》和公开号为CN109357675A的中国专利《一种基于卡尔曼滤波的记忆跟踪算法方法》等文献也仅仅是给出了如何进行航迹预测的方法，至于如何设计自动抗干扰系统、如何自动识别干扰、干扰消散后如何自动重新捕获正确的目标都没有给出解决办法。
发明内容
为了解决现有光电跟踪设备存在的干扰识别难、航迹预测误差大、干扰消散后匹配不准，无法自动重新捕获正确目标等问题，本发明提供一种基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法。
本发明为解决技术问题所采用的技术方案如下：
本发明的基于脑图控制权决策的多平台光电自抗扰跟踪系统，包括：
视频图像处理单元，实时获取视频图像，处理后输入至信息综合处理单元和控制权决策器；
信息综合处理单元，接收视频图像并实时更新目标特征信息及进行识别干扰，输出识别干扰结果；光电跟踪设备处于记忆跟踪状态时提取目标特征信息并进行目标特征匹配，输出目标特征匹配结果；
控制权决策器，基于脑图控制权决策原理，控制权决策器根据识别干扰结果和目标特征匹配结果进行伺服控制单元控制权的决策分配；
伺服控制单元，光电跟踪设备未受到干扰或目标特征匹配成功时，通过视频图像处理单元控制伺服控制单元完成光电跟踪设备的目标稳定跟踪；光电跟踪设备受到干扰或目标特征匹配不成功时，通过信息综合处理单元控制伺服控制单元完成光电跟踪设备的记忆跟踪。
本发明的基于脑图控制权决策的多平台光电自抗扰跟踪方法，包括以下步骤：
S1：光电跟踪设备稳定跟踪目标的同时，实时在信息综合处理单元中更新受干扰前的目标特征信息；
S2：信息综合处理单元根据判据识别干扰并输出识别干扰结果；
S3：基于脑图控制权决策原理，控制权决策器根据识别干扰结果和目标特征匹配结果进行伺服控制单元控制权的决策分配；
S4：记忆跟踪；
S5：记忆跟踪期间，对光电视场内的所有捕获目标进行目标特征信息提取；
S6：记忆跟踪期间，将步骤S5中的目标特征信息与步骤S1中的目标特征信息进行逐一匹配，找出正确的目标进行再跟踪，收集目标特征匹配结果后转入步骤S3进行控制权决策。
进一步的，步骤S1中，所述目标特征信息包括：目标特性、目标像元数动态门限、目标灰度动态门限、目标平均速度、目标平均加速度、目标航迹运动方向、目标运动速度动态门限和预测目标航迹路径。
进一步的，步骤S2中，当满足以下至少1个判据时，则认为光电跟踪设备受到干扰：
（1）目标消隐；
（2）目标像元数发生突变，突破目标像元数动态门限值；
（3）目标灰度发生突变，突破目标灰度动态门限值；
（4）目标脱靶量发生突变，致使目标速度发生突变，突破目标运动速度动态门限值。
进一步的，步骤S3的具体操作流程如下：
S3.1光电跟踪设备处于目标稳定跟踪状态
S3.1.1步骤S2中的识别干扰结果显示光电跟踪设备未受到干扰，则伺服控制单元受视频图像处理单元控制，伺服控制单元以视频图像处理单元采集的目标脱靶量作为输入信息，完成闭环控制，使光电跟踪设备保持目标稳定跟踪状态；
S3.1.2步骤S2中的识别干扰结果显示光电跟踪设备受到干扰，则伺服控制单元受信息综合处理单元控制，伺服控制单元以信息综合处理单元输出的预测目标航迹路径的角度信息作为输入信息，完成闭环控制，使光电跟踪设备转入步骤S4的记忆跟踪状态；
S3.2光电跟踪设备处于记忆跟踪状态
S3.2.1目标特征匹配成功时，伺服控制单元受视频图像处理单元控制，伺服控制单元以视频图像处理单元采集的目标脱靶量作为输入信息，完成闭环控制，使光电跟踪设备转入目标稳定跟踪状态；
S3.2.2目标特征匹配不成功时，伺服控制单元受信息综合处理单元控制，伺服控制单元以信息综合处理单元输出的预测目标航迹路径的角度信息作为输入信息，完成闭环控制，同时放弃当前光电视场内所有提取的目标，重新搜索目标，使光电跟踪设备保持步骤S4的记忆跟踪状态。
进一步的，步骤S4的具体操作流程如下：
目标消隐或持续受干扰期间，伺服控制单元按步骤S1中的预测目标航迹路径进行闭环跟踪，使光电跟踪设备保持记忆跟踪状态。
进一步的，步骤S5中，所述目标特征信息包括：目标脱靶量、目标特性、目标平均像元数、目标平均灰度、目标平均速度和目标航迹运动方向。
进一步的，步骤S6的具体操作流程如下：
S6.1步骤S5中的目标脱靶量连续有效至少满足50场；
S6.2步骤S5与步骤S1中的目标特性一致；
S6.3步骤S5中的目标平均像元数在步骤S1中的目标像元数动态门限之间；
S6.4步骤S5中的目标平均灰度在步骤S1中的目标灰度动态门限之间；
S6.5步骤S5与步骤S1中的目标航迹运动方向一致；
S6.6步骤S5中的目标平均速度在步骤S1中的目标运动速度动态门限之间；
S6.7将步骤S6.1至步骤S6.6的匹配结果传入步骤S3的控制权决策器中进行决策；
当S6.1-S6.6全部满足时，则认为目标特征匹配成功，否则目标特征匹配不成功。
本发明的有益效果是：
本发明已广泛应用于多平台（舰载、机载、车载、陆基等）等各类光电跟踪设备上。本发明能够自动识别干扰源，且干扰源识别更加快速、更加准确，光电跟踪设备干扰识别准确率从10%-30%提高到90%以上，航迹预测误差不超过0.3°的情况下，记忆跟踪航迹外推时间不低于10秒，记忆跟踪航迹预测轨迹更加准确；干扰源消散后，自动捕获正确目标，捕获正确目标的准确率从5%-8%提高到90%以上，极大地提高了光电跟踪设备抗干扰的能力，可实现光电跟踪设备的无人值守，取消人在回路，是实现光电跟踪设备自动抗干扰的一种行之有效的方法。本发明低成本、无需专业人士操作且无人值守，具有很高的应用价值。
附图说明
图1为现有光电跟踪设备复杂环境干扰态势图。图1中，A为激光致眩干扰态势图，B为太阳光干扰态势图，C为建筑遮挡干扰态势图，D为烟雾干扰态势图。
图2为本发明的基于脑图控制权决策的多平台光电自抗扰跟踪系统的结构组成框图。
图3为本发明的基于脑图控制权决策的多平台光电自抗扰跟踪方法的流程图。
图4为干扰识别数据分析图。
图5为航迹预测误差图。
图6为平均速度匹配成功数据分析图。
图7为基于控制权决策器的自抗扰态势图。
图8为基于控制权决策器的自抗扰态势图。
图9为基于控制权决策器的自抗扰态势图。
图10为基于控制权决策器的自抗扰态势图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明的基于脑图控制权决策的多平台光电自抗扰跟踪系统，主要包括：视频图像处理单元、信息综合处理单元、控制权决策器和伺服控制单元。
在脑图控制权决策中有两条通路：
a)人眼→躯干的快速通路（快速响应的需求）；
b)人眼→大脑→躯干的慢速通路（复杂逻辑思考）。
本发明的基于脑图控制权决策的多平台光电自抗扰跟踪系统的两条通路如图2所示：
a)视频图像处理单元→伺服控制单元的快速通路（快速响应实时跟踪的需求）；
b)视频图像处理单元→信息综合处理单元→伺服控制单元的慢速通路（复杂逻辑判断及运算）。
视频图像处理单元，实时获取视频图像，处理后输入至信息综合处理单元和控制权决策器；
信息综合处理单元，接收视频图像并实时更新目标特征信息及进行识别干扰，输出识别干扰结果，同时预测目标航迹路径；光电跟踪设备处于记忆跟踪状态时提取目标特征信息并进行目标特征匹配，输出目标特征匹配结果；
控制权决策器，基于脑图控制权决策原理，控制权决策器根据识别干扰结果和目标特征匹配结果进行伺服控制单元控制权的决策分配；
伺服控制单元，光电跟踪设备未受到干扰或目标特征匹配成功时，通过视频图像处理单元控制伺服控制单元完成光电跟踪设备的目标稳定跟踪；光电跟踪设备受到干扰或目标特征匹配不成功时，通过信息综合处理单元控制伺服控制单元完成光电跟踪设备的记忆跟踪。
如图3所示，本发明的基于脑图控制权决策的多平台光电自抗扰跟踪方法，主要包括以下步骤：更新目标特征信息→识别干扰→控制权决策→记忆跟踪→提取目标特征信息→目标特征匹配。
以下对本发明的基于脑图控制权决策的多平台光电自抗扰跟踪方法做进一步详细说明。
本发明的基于脑图控制权决策的多平台光电自抗扰跟踪方法，具体操作流程如下：
S1：更新目标特征信息，光电跟踪设备稳定跟踪目标的同时，实时在信息综合处理单元中更新受干扰前的目标特征信息，该目标特征信息为光电跟踪设备受到干扰前的数据。这些特征信息包括目标特性（运动目标或静止目标）、目标大小的动态门限（目标像元数动态门限）、目标灰度（辐射特性）动态门限、目标平均速度、目标平均加速度、目标航迹运动方向、目标运动速度动态门限、预测目标航迹路径等。
具体地讲：
S1.1输入量为目标的角度信息（方位和俯仰）和脱靶量信息（X轴和Y轴），通过卡尔曼滤波算法计算出目标的平均速度（方位和俯仰）、平均加速度（方位和俯仰）；
S1.2判断目标是运动目标还是静止目标，若在方位或俯仰方向上的平均速度低于0.05°/s，则认为该目标在该方向上是静止的，为静止目标，若在方位或俯仰方向上的平均速度大于0.05°/s，则认为该目标在该方向上是运动的，为运动目标；
S1.3计算目标在光电视场内所占的像元数动态门限，取N场像元数据的最大值（Max1）、最小值（Min1）和平均值（Mean1），像元数动态门限的上限公式Max1+2*（Max1-Mean1），像元数动态门限的下限公式Min1-2*（Mean1 -Min1），形成目标像元数动态门限；
S1.4计算目标灰度（辐射特性）的动态门限，取N场灰度数据的最大值（Max2）、最小值（Min2）和平均值（Mean2），目标灰度（辐射特性）动态门限的上限公式Max2+2*（Max2-Mean2），目标灰度（辐射特性）动态门限的下限公式Min2-2*（Mean2-Min2），形成目标灰度（辐射特性）动态门限；
S1.5计算目标航迹运动方向。相对于光电视场中心，在X轴方向上，目标向右运动为正，目标向左运动为负；在Y轴方向上，目标向上运动为正，目标向下运动为负；
S1.6计算目标运动速度动态门限，取N场速度数据的最大值（Max3）、最小值（Min3）和平均值（Mean3），目标运动速度动态门限的上限公式Max3+2*（Max3-Mean3），目标运动速度动态门限的下限公式Min3-2*（Mean3-Min3），形成目标运动速度动态门限；
S1.7通过卡尔曼滤波算法计算预测目标航迹路径，即预测光电跟踪设备的角度信息（方位和俯仰）。
S2：识别干扰。将导致目标在光电视场内消隐或影响目标跟踪稳定性的干扰源视为干扰，具体地讲：
（1）目标消隐（目标脱靶量无效）；
（2）目标大小（像元数）发生突变，突破步骤S1.3的目标像元数动态门限值；
（3）目标灰度（辐射特性）发生突变，突破步骤S1.4的目标灰度动态门限值；
（4）目标脱靶量发生突变，致使目标速度发生突变，突破步骤S1.6的目标运动速度动态门限值。
当满足以上至少1个判据时，则认为光电跟踪设备受到干扰，通过信息综合处理单元进行干扰识别并输出识别干扰结果（光电跟踪设备未受到干扰或光电跟踪设备受到干扰）。以目标速度发生突变为例，突破目标运动速度动态上门限值时，即视为光电跟踪设备受到干扰，如图4所示，a为目标运动速度动态上门限，b为目标运动速度，c为目标运动速度动态下门限。
S3：如图2所示，控制权决策器基于脑图控制权决策原理决策伺服控制单元是受视频图像处理单元控制（快速通路），还是受信息综合处理单元控制（慢速通路）。控制权决策器接收步骤S2的识别干扰结果和步骤S6的目标特征匹配结果，再进行伺服控制单元控制权的决策分配，具体地讲：
S3.1光电跟踪设备处于目标稳定跟踪状态：
S3.1.1步骤S2中的识别干扰结果显示光电跟踪设备未受到干扰，则伺服控制单元受视频图像处理单元控制，伺服控制单元以视频图像处理单元采集的目标脱靶量作为输入信息，完成闭环控制，使光电跟踪设备保持目标稳定跟踪状态；
S3.1.2步骤S2中的识别干扰结果显示光电跟踪设备受到干扰，则伺服控制单元受信息综合处理单元控制，伺服控制单元以信息综合处理单元输出的预测目标航迹路径的角度信息（方位和俯仰）作为输入信息，完成闭环控制，使光电跟踪设备转入步骤S4的记忆跟踪状态。
S3.2光电跟踪设备处于记忆跟踪状态：
S3.2.1目标特征匹配成功时，伺服控制单元受视频图像处理单元控制，伺服控制单元以视频图像处理单元采集的目标脱靶量作为输入信息，完成闭环控制，使光电跟踪设备转入目标稳定跟踪状态；
S3.2.2目标特征匹配不成功时，伺服控制单元受信息综合处理单元控制，伺服控制单元以信息综合处理单元输出的预测目标航迹路径的角度信息（方位和俯仰）作为输入信息，完成闭环控制，同时放弃当前光电视场内所有提取的目标，重新搜索目标，使光电跟踪设备保持步骤S4的记忆跟踪状态。
S4：记忆跟踪。具体地讲：目标消隐或持续受干扰期间，伺服控制单元按步骤S1.7中的预测目标航迹路径进行闭环跟踪，使光电跟踪设备保持记忆跟踪状态（光电跟踪设备按目标受干扰前的目标航迹路径、速度、加速度等信息（步骤S1）进行航迹外推）。
举例：如图5所示，数据记录频率为16Hz，即62.5ms记录一组数据，总计记录时常大于30秒。图5中，a为目标运动的真实方位角度，b为预测外推的目标方位角度，可以看出在前10秒内（160/16），两条曲线的吻合度很好。现只截取这段数据的一部分数据进行分析，如表1所示，可以看出在序号235（235/16=14.6875秒），目标运动的真实方位角度与预测外推的目标方位角度之间的误差刚刚超过了0.3°，即如果此时干扰源消散，目标将出现在光电视场中心偏0.3°的位置附近，方便光电跟踪设备完成目标再跟踪。
表1记忆跟踪角度误差分析表。
序号 预测外推的目标方位角度 目标运动的真实方位角度 精度
… … … …
221 56.636197 56.885231 -0.24903
222 56.644634 56.901481 -0.25685
223 56.653072 56.912367 -0.2593
224 56.66151 56.917761 -0.25625
225 56.669948 56.939665 -0.26972
226 56.678386 56.94499 -0.2666
227 56.686823 56.95578 -0.26896
228 56.695261 56.966537 -0.27128
229 56.703699 56.982849 -0.27915
230 56.712137 56.993606 -0.28147
231 56.720574 57.004142 -0.28357
232 56.729012 57.025789 -0.29678
233 56.73745 57.030934 -0.29348
234 56.745888 57.0416 -0.29571
235 56.754325 57.057784 -0.30346
236 56.762763 57.068307 -0.30554
237 56.771201 57.078858 -0.30766
… … … …
S5：提取目标特征信息。记忆跟踪期间，对光电视场内的所有捕获目标进行目标特征信息提取，这些特征信息包括目标脱靶量、目标特性（运动目标或静止目标）、目标的平均大小（平均像元数）、目标平均灰度（平均辐射特性）、目标平均速度、目标航迹运动方向等。
具体地讲：
S5.1目标脱靶量连续有效；
S5.2输入量为目标的角度信息（方位和俯仰）和脱靶量信息（X轴和Y轴），通过卡尔曼滤波算法计算出目标的平均速度（方位和俯仰）；
S5.3判断目标是运动目标还是静止目标，若在方位或俯仰方向上的平均速度低于0.05°/s，则认为该目标在该方向上是静止的，为静止目标，若在方位或俯仰方向上的平均速度大于0.05°/s，则认为该目标在该方向上是运动的，为运动目标；
S5.4计算目标在光电视场内所占的平均像元数；
S5.5计算目标灰度（辐射特性）的平均值；
S5.6计算目标的航迹运动方向。相对于光电视场中心，在X轴方向上，目标向右运动为正，目标向左运动为负；在Y轴方向上，目标向上运动为正，目标向下运动为负。
S6：目标特征匹配。记忆跟踪期间，将步骤S5中所捕获的目标特征信息与步骤S1中受到干扰前的目标特征信息进行逐一匹配，目的是找出正确的目标进行再跟踪，收集目标特征匹配结果后转入步骤S3进行控制权决策。
具体地讲：
S6.1步骤S5.1中的目标脱靶量连续有效至少满足50场；
S6.2步骤S5.3与步骤S1.2中的目标特性（运动目标或静止目标）一致；
S6.3步骤S5.4中的目标平均像元数在步骤S1.3中的目标像元数动态门限之间；
S6.4步骤S5.5中的目标平均灰度在步骤S1.4中的目标灰度动态门限之间；
S6.5步骤S5.6与步骤S1.5中的目标航迹运动方向一致；
S6.6步骤S5.2中的目标平均速度在步骤S1.6中的目标运动速度动态门限之间；
S6.7将步骤S6.1、步骤S6.2、步骤S6.3、步骤S6.4、步骤S6.5、步骤S6.6的匹配结果传入步骤S3的控制权决策器中进行决策。其中，步骤S6.1、步骤S6.2、步骤S6.3、步骤S6.4、步骤S6.5、步骤S6.6这六个判据需全部满足，则认为目标特征匹配成功，否则目标特征匹配不成功。以光电捕获目标的平均速度匹配成功为例，如图6所示，图6中，a为受干扰前目标运动速度动态上门限，b为目标平均速度，c为受干扰前目标运动速度动态下门限。
将本发明的基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法应用到某型号舰载平台大海情科目，目标为直9S直升飞机，干扰源为大面积厚云层，光电跟踪设备于11:49:57（干扰启动时刻）识别云层干扰，控制权决策器将伺服控制单元控制权由视频图像处理单元转移到信息综合处理单元，启动记忆跟踪，如图7所示，目标即将被云层遮挡；目标持续消隐在云层之中，记忆跟踪外推角度准确（航迹外推误差小于0.1°），如图8和图9所示，11:50:10目标完全被云层遮挡，记忆跟踪，11:50:10目标部分被云层遮挡，记忆跟踪；至11:50:37（记忆跟踪结束）云层遮挡消散，目标特征匹配成功（匹配耗时519ms），控制权决策器将伺服控制单元控制权由信息综合处理单元转移到视频图像处理单元，重新恢复目标再跟踪，重新捕获正确的目标，如图10所示，整个过程共计耗时40余秒。
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。

Claims (2)

1.一种基于脑图控制权决策的多平台光电自抗扰跟踪系统，其特征在于，该系统应用在基于脑图控制权决策的多平台光电自抗扰跟踪方法中，所述方法包括以下步骤：
S1：光电跟踪设备稳定跟踪目标的同时，实时在信息综合处理单元中更新受干扰前的目标特征信息；所述目标特征信息包括：目标特性、目标像元数动态门限、目标灰度动态门限、目标平均速度、目标平均加速度、目标航迹运动方向、目标运动速度动态门限和预测目标航迹路径；
S2：信息综合处理单元根据判据识别干扰并输出识别干扰结果；
当满足以下至少1个判据时，则认为光电跟踪设备受到干扰：
（1）目标消隐；
（2）目标像元数发生突变，突破目标像元数动态门限值；
（3）目标灰度发生突变，突破目标灰度动态门限值；
（4）目标脱靶量发生突变，致使目标速度发生突变，突破目标运动速度动态门限值；
S3：基于脑图控制权决策原理，控制权决策器根据识别干扰结果和目标特征匹配结果进行伺服控制单元控制权的决策分配；
S3.1光电跟踪设备处于目标稳定跟踪状态；
S3.1.1步骤S2中的识别干扰结果显示光电跟踪设备未受到干扰，则伺服控制单元受视频图像处理单元控制，伺服控制单元以视频图像处理单元采集的目标脱靶量作为输入信息，完成闭环控制，使光电跟踪设备保持目标稳定跟踪状态；
S3.1.2步骤S2中的识别干扰结果显示光电跟踪设备受到干扰，则伺服控制单元受信息综合处理单元控制，伺服控制单元以信息综合处理单元输出的预测目标航迹路径的角度信息作为输入信息，完成闭环控制，使光电跟踪设备转入步骤S4的记忆跟踪状态；
S3.2光电跟踪设备处于记忆跟踪状态；
S3.2.1目标特征匹配成功时，伺服控制单元受视频图像处理单元控制，伺服控制单元以视频图像处理单元采集的目标脱靶量作为输入信息，完成闭环控制，使光电跟踪设备转入目标稳定跟踪状态；
S3.2.2目标特征匹配不成功时，伺服控制单元受信息综合处理单元控制，伺服控制单元以信息综合处理单元输出的预测目标航迹路径的角度信息作为输入信息，完成闭环控制，同时放弃当前光电视场内所有提取的目标，重新搜索目标，使光电跟踪设备保持步骤S4的记忆跟踪状态；
S4：记忆跟踪；
S5：记忆跟踪期间，对光电视场内的所有捕获目标进行目标特征信息提取；所述目标特征信息包括：目标脱靶量、目标特性、目标平均像元数、目标平均灰度、目标平均速度和目标航迹运动方向；
S6：记忆跟踪期间，将步骤S5中的目标特征信息与步骤S1中的目标特征信息进行匹配，找出正确的目标进行再跟踪，收集目标特征匹配结果后转入步骤S3进行控制权决策；
S6.1步骤S5中的目标脱靶量连续有效至少满足50场；
S6.2步骤S5与步骤S1中的目标特性一致；
S6.3步骤S5中的目标平均像元数在步骤S1中的目标像元数动态门限之间；
S6.4步骤S5中的目标平均灰度在步骤S1中的目标灰度动态门限之间；
S6.5步骤S5与步骤S1中的目标航迹运动方向一致；
S6.6步骤S5中的目标平均速度在步骤S1中的目标运动速度动态门限之间；
S6.7将步骤S6.1至步骤S6.6的匹配结果传入步骤S3的控制权决策器中进行决策；
当S6.1-S6.6全部满足时，则认为目标特征匹配成功，否则目标特征匹配不成功；
所述系统包括：
视频图像处理单元，实时获取视频图像，处理后输入至信息综合处理单元和控制权决策器；
信息综合处理单元，接收视频图像并实时更新目标特征信息及进行识别干扰，输出识别干扰结果；光电跟踪设备处于记忆跟踪状态时提取目标特征信息并进行目标特征匹配，输出目标特征匹配结果；
控制权决策器，基于脑图控制权决策原理，控制权决策器根据识别干扰结果和目标特征匹配结果进行伺服控制单元控制权的决策分配；
伺服控制单元，光电跟踪设备未受到干扰或目标特征匹配成功时，通过视频图像处理单元控制伺服控制单元完成光电跟踪设备的目标稳定跟踪；光电跟踪设备受到干扰或目标特征匹配不成功时，通过信息综合处理单元控制伺服控制单元完成光电跟踪设备的记忆跟踪。
2.根据权利要求1所述的一种基于脑图控制权决策的多平台光电自抗扰跟踪系统，其特征在于，步骤S4的具体操作流程如下：
目标消隐或持续受干扰期间，伺服控制单元按步骤S1中的预测目标航迹路径进行闭环跟踪，使光电跟踪设备保持记忆跟踪状态。
CN202210880757.9A 2022-07-26 2022-07-26 基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法 Active CN115115992B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210880757.9A CN115115992B (zh) 2022-07-26 2022-07-26 基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210880757.9A CN115115992B (zh) 2022-07-26 2022-07-26 基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法

Publications (2)

Publication Number Publication Date
CN115115992A CN115115992A (zh) 2022-09-27
CN115115992B true CN115115992B (zh) 2022-11-15

Family

ID=83333877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210880757.9A Active CN115115992B (zh) 2022-07-26 2022-07-26 基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法

Country Status (1)

Country Link
CN (1) CN115115992B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276383A (zh) * 2019-05-31 2019-09-24 北京理工大学 一种基于多通道记忆模型的核相关滤波目标定位方法
CN113885312A (zh) * 2021-11-06 2022-01-04 深圳市明日系统集成有限公司 光电跟踪系统及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021572B (zh) * 2014-07-01 2017-10-10 金陵科技学院 一种灵巧弹药目标跟踪的方法
CN110276784B (zh) * 2019-06-03 2021-04-06 北京理工大学 基于记忆机制与卷积特征的相关滤波运动目标跟踪方法
CN114092522B (zh) * 2021-11-30 2024-06-07 中国科学院长春光学精密机械与物理研究所 一种机场飞机起降智能捕获跟踪方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276383A (zh) * 2019-05-31 2019-09-24 北京理工大学 一种基于多通道记忆模型的核相关滤波目标定位方法
CN113885312A (zh) * 2021-11-06 2022-01-04 深圳市明日系统集成有限公司 光电跟踪系统及方法

Also Published As

Publication number Publication date
CN115115992A (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
Kartashov et al. Optical detection of unmanned air vehicles on a video stream in a real-time
CN110597264B (zh) 无人机反制系统
CN115661204B (zh) 一种无人机集群对运动目标的协同搜寻与跟踪定位方法
CN111930087B (zh) 一种敏捷型低空拒止系统综合控制方法
CN114047785B (zh) 一种无人机集群协同搜索多运动目标的方法和系统
CN102096925A (zh) 一种机动目标的实时闭环预测跟踪方法
CN108776974A (zh) 一种适用于公共交通场景的实时目标跟踪方法
CN109859202B (zh) 一种基于usv水面光学目标跟踪的深度学习检测方法
CN102937438B (zh) 基于最优化方法的红外弱小目标距离探测方法
CN113721615B (zh) 一种基于机器视觉的海航路径规划方法及系统
CN106447699B (zh) 基于卡尔曼滤波的高铁接触网目标检测与跟踪方法
CN115712306A (zh) 一种多机协作目标跟踪的无人机导航方法
CN105810023B (zh) 机场起落架收放自动监测方法
CN115115992B (zh) 基于脑图控制权决策的多平台光电自抗扰跟踪系统及方法
CN107390164A (zh) 一种水下分布式多源目标的连续跟踪方法
CN110889353A (zh) 基于主焦点大视场光电望远镜的空间目标识别方法
CN114910918A (zh) 定位方法、装置及雷达装置、无人机系统、控制器和介质
CN116977902B (zh) 一种边海防车载光电稳定平台目标跟踪方法及系统
CN111947647A (zh) 一种视觉与激光雷达融合的机器人精准定位方法
CN113391642B (zh) 一种基于单目视觉的无人机自主避障方法及系统
CN116753778A (zh) 一种基于信息融合与任务分配的无人机反制系统和方法
Huang et al. Visual tracking in cluttered environments using the visual probabilistic data association filter
Martínez-de Dios et al. Towards UAS surveillance using event cameras
CN115220005B (zh) 基于多源信息融合的光电跟踪设备自动目标识别方法
CN114578846A (zh) 一种基于机动检测排序的agimm跟踪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant