(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210951954.5 (22)申请日 2022.08.09 (71)申请人 西安应用光学研究所 地址 710065 陕西省西安市雁塔区电子三 路西段九号 (72)发明人 朱镭　刘虎　王天澳　吴妍　侯瑞　 张衡　文江华　张兰兰　陈平　 叶浩　崔凯　赵德　 (74)专利代理 机构 中国兵器 工业集团公司专利 中心 11011 专利代理师 刘二格 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/774(2022.01) G06V 10/40(2022.01)G06V 10/82(2022.01) G06T 7/73(2017.01) (54)发明名称 一种小型无人光电侦察系统大视场下小目 标识别方法 (57)摘要 本发明属于光电侦察系统的探测识别技术 领域， 公开了一种小型无人光电侦察系统大视场 下小目标识别方法， 通过将小型无人光电侦察系 统的目标识别放到高性能的地面站上， 在地面， 通过SMOTE优化数据集后训练的YOLOv3模型， 对 目标进行识别， 然后配合目标位置的解算， 上传 天空端光电载荷。 本发明能够 有效提高小目标在 大视场下的识别准确率、 识别精度和识别速度， 同时配合上目标位置定位精度的提高， 解决小目 标大视场下识别和检测难的问题。 权利要求书2页 说明书3页 附图2页 CN 115331123 A 2022.11.11 CN 115331123 A 1.一种小型 无人光电侦察系统大视场下小目标识别方法， 其特 征在于， 包括以下步骤： 步骤1： 操作者通过对飞行控制模块的操控， 驱使天空端的无人机飞到侦察区域， 将所 搭载的光电侦察系统中的电视传感器切换到大视场模式， 以获取目标所在区域的最大范围 的图像和视频， 并同时获取和记录此时电视传感器的俯仰角和方位角信息、 无人机的GPS和 IMU信息； 步骤2： 通过 无线图传和数传数据链， 将步骤1中获取的信息、 视频、 图像传输 到地面站； 步骤3： 操作者在地面站使用经过训练的YOLOv3模型对回传的电视传感器的视频、 图像 进行分析， 识别定位 其中的疑似小目标； 步骤4： 操作者在地面站结合天空端回传的 电视传感器的和无人机的位置信息解算出 所选小目标的位置； 步骤5： 将步骤3中识别的疑似小目标和步骤4所得的小目标位置信息， 通过图传和数传 上传到天空端， 实现大视场下对小目标的识别锁定， 随后 将电视传感器切换到小视场， 实现 对疑似小目标的辨认侦测。 2.如权利要求1所述的小型无人光电侦察系统大视场下小目标识别方法， 其特征在于， 步骤1中， 还包括对所获取的图像和视频进行预处理， 包括图像畸变矫正和视频编码压操 作。 3.如权利要求2所述的小型无人光电侦察系统大视场下小目标识别方法， 其特征在于， 步骤1中， 获取目标所在区域的最大范围的图像时， 光电侦察系统根据不同的场景切换可见 光和红外视频， 并对视频采用H.265压缩技术进行压缩， 下传到地面端， 得到大于1000张的 素材。 4.如权利要求3所述的小型无人光电侦察系统大视场下小目标识别方法， 其特征在于， 步骤3中， 疑似小目标识别定位时， 预先制作数据集， 并进行YOLOv3模 型训练， 然后完成对疑 似小目标的实时探测识别。 5.如权利要求4所述的小型无人光电侦察系统大视场下小目标识别方法， 其特征在于， 步骤3中， 数据集制作的过程为： 获取天空端光电侦察系统拍摄的视频， 对视频截 取， 获取大 于1000张的目标图像， 作为数据集。 6.如权利要求5所述的小型无人光电侦察系统大视场下小目标识别方法， 其特征在于， 步骤3中， 获取数据集后， 使用SMOTE算法， 对疑似目标特征进行提取分析， 将分析得到的特 征信息用人工方式合成新样本， 再将其插 入数据集中。 7.如权利要求6所述的小型无人光电侦察系统大视场下小目标识别方法， 其特征在于， 步骤3中， SMOTE算法过程如下： 对于少数类样本i， 用xi,i∈{1,2,......,T},表示其特征向量， 对样本i到每一个少数 类样本点的距离使用如欧氏距离进行 统计， 在统计的所有数据中找到k个最相近的样本点， 用xi(near),near∈{1,2,. .,T}表示近邻样本点； 将数据集中多数量和少数量样本的比例计算出来， 按照计算的值将采样倍率N设定好， 然后随机选取一个样 本点， 这个样 本点来自k个近邻样 本点， 生成的随机数ξ范围为0到1， 利 用如下公式将新的样本点插 入， xi1即产生的新的图像。 xi1＝xi+ξ *(xi(nn)‑xi)。 8.如权利要求7所述的小型无人光电侦察系统大视场下小目标识别方法， 其特征在于，权　利　要　求　书 1/2 页 2 CN 115331123 A 2步骤3中， 利用SMOTE算法对数据集进行优化后， 对数据集中图像进行模糊、 滤波、 亮度线性 变换处理， 处理后的图像添加干扰噪声和进行高斯滤波， 图像分辨 率调整为 416×416大小。 9.如权利要求8所述的小型无人光电侦察系统大视场下小目标识别方法， 其特征在于， 步骤3中， YOLOv3模型训练的过程 为： 利用YOLO官方给出的经典YOLOv3模型与数据集增强对数据进行训练， 通过对数据集中 典型目标的形态进行分析， 本次模型训练利用的数据增强方式有： 图像的小角度旋转、 翻 转、 随机融合、 网格掩膜、 多图随机比例组合和马赛克构造登， 训练完成后得到模型对应的 权重文件yolov3XXX.weights； 在显控软件中调用权重文件yolov3XXX.weights， 对当前输 入图像中的疑似小目标进行检测识别， 获取其在当前图像中的定位。 10.一种基于权利要求1 ‑9中任一项所述的小型无人光电侦察系统大视场下小目标识 别方法在光电侦察系统的探测识别技 术领域中的应用。权　利　要　求　书 2/2 页 3 CN 115331123 A 3