(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 202210354804.6 (22)申请日 2022.04.06 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 蔡云泽　刘增敏　张彦军　章露露　 (74)专利代理 机构 上海恒慧知识产权代理事务 所(特殊普通 合伙) 31317 专利代理师 徐红银　张琳 (51)Int.Cl. G06T 7/246(2017.01) G06T 7/90(2017.01) G06T 5/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01)G06V 10/80(2022.01) (54)发明名称 一种基于对比度的红外弱小目标检测、 跟踪 方法和系统 (57)摘要 本发明提供一种基于对比度的红外弱小目 标检测方法， 包括： 对原始红外数据进行预处理； 预处理后的图像输入深度网络提取特征图， 获得 不同层次的特征图； 对所述特征图进行不同尺度 的对比度计算,获得处理后的不同层次的特征 图； 将所述处理后的不同层次的特征图进行融 合， 得到最终的预测特征图。 本发明可 以实现对 复杂场景下的红外弱小目标识别跟踪， 检测准确 度高、 虚警率低、 速度快， 目标轨迹完整， 模型小， 在远距离探测中应用前景广阔， 易于实现高效准 确的红外弱小目标检测跟踪。 权利要求书2页 说明书4页 附图2页 CN 114764820 A 2022.07.19 CN 114764820 A 1.一种基于对比度的红外弱小目标检测方法， 其特 征在于， 包括： 对原始红外数据进行 预处理； 预处理后的图像输入深度网络提取 特征图， 获得不同层次的特 征图； 对所述特 征图进行不同尺度的对比度计算,获得处 理后的不同层次的特 征图； 将所述处 理后的不同层次的特 征图进行融合， 得到最终的预测特 征图。 2.根据权利要求1所述的一种基于对比度的红外弱小目标检测方法， 其特征在于， 对原 始红外数据进行 预处理， 包括： 通过正规化将图像灰度值变换到指定区间0 ‑255之间； 通过图像自适应调整弱小目标对比度， 公式为： 其中， g(x,y)是像素点灰度值， m是像素平均值。 3.根据权利要求1所述的一种基于对比度的红外弱小目标检测方法， 其特征在于， 所述 深度网络以Mobi leNet作为骨干网络， 其采用点卷积运 算。 4.根据权利要求1所述的一种基于对比度的红外弱小目标检测方法， 其特征在于， 所述 对比度计算 为di＝mT‑mi,i∈1,…,8, Ci＝min(di*di+4),i∈1,2,3,4, 其中， mT表示中心块 的灰度均值， mi表示从中心块左上方开始按顺时针第i块区域的灰 度均值， Ci表示中心区域 最终的对比度。 5.根据权利要求1所述的一种基于对比度的红外弱小目标检测方法， 其特征在于， 所述 特征融合包括： 通过通道注意力机制对所述同一层次特征图的不同通道特征融合， 通过双 向注意力机制指导 通过所述通道注意力机制融合的不同层次特 征图融合。 6.根据权利要求4所述的一种基于对比度的红外弱小目标检测方法， 其特征在于， 所述 双向注意力机制包括： 包 含从上到下的注意力机制和从下到上的注意力机制。 7.一种基于对比度的红外弱小目标检测系统， 其特 征在于， 包括： 数据预处理模块， 所述数据预处理模块以原始红外数据作为输入， 通过图像正规化将 图像灰度区间变换到 0‑255， 并进行图像自适应增强红外弱小目标的对比度； 深度网络模块， 所述深度网络模块以预处理之后图像作 为输入， 以MobileNet作 为骨干 网络； 并对骨干网络提取 特征图进行不同尺度的对比度计算； 特征融合模块， 所述特征融合模块采用通道注意力 机制融合骨干网络提取特征的通道 信息， 采用双向注意力机制指导 不同层次的特 征融合， 得到最终的预测特 征图。 8.一种基于对比度的红外弱小目标跟踪方法， 其特征在于， 基于权利要求1 ‑6任一项所 述的方法获得的预测特 征图作为输入， 进行两次轨 迹关联。 9.根据权利要求8所述的基于对比度的红外弱小目标检测方法， 其特征在于， 所述第 一 次轨迹关联通过近邻匹配和灰度匹配形成可能的目标轨迹； 所述第二次轨迹关联将同一目 标的不同段轨 迹进行合并， 得到最终的目标轨 迹。 10.根据权利要求9所述的基于对比度的红外弱小目标检测方法， 其特 征在于， 所述第一次轨 迹通过紧邻匹配和灰度匹配形成可能的目标轨 迹， 包括： 将初始帧中检测到的目标作为轨 迹起点；权　利　要　求　书 1/2 页 2 CN 114764820 A 2采用距离阈值和灰度阈值将下一帧的目标匹配到已建立的轨迹上， 若有多个目标匹配 距离和灰度差小于阈值则进行拟合判断； 若某条轨迹在当前帧未匹配到目标， 采用拟合预测其在当前帧的位置， 若连续多帧未 匹配到， 则将其保存并不再 更新； 所有的轨 迹建立特 征列表， 保存目标 出现的帧数、 运动方向和运动速度； 所述第二次轨 迹关联将同一目标的不同段轨 迹进行合并， 得到最终的目标轨 迹， 包括： 对于前后帧数差不超过设定 阈值且两端轨迹首尾拟合误差小于 阈值的目标轨迹， 通过 拟合将同一目标的前后轨 迹合并。权　利　要　求　书 2/2 页 3 CN 114764820 A 3