动目标检测

摘要： 地球同步轨道星机双基地合成孔径雷达(GEO SA-BSAR)系统是以GEO SAR发射,飞机装载多通道系统接收信号的双基地SAR系统,其可充分利用GEO平台提供的长时间稳定的波束覆盖特性,为运动目标的检测和监视提供了便利。但是,GEO SA-BSAR系统由于收发分离,不得不面临发射端和接收端的频率源差异导致的时间同步误差的问题,影响到动目标检测的性能。为了研究GEO SA-BSAR系统的时间同步误差对动目标检测性能的影响,本文对GEO SA-BSAR系统在时间同步误差影响下的多通道运动目标信号建模,并推导得到了动目标检测性能指标与时间同步误差之间的解析关系式。理论分析和仿真结果表明时间同步误差会导致目标的输出信噪比损失,并产生径向速度估计误差。

摘要： 传统的动目标检测算法存在受噪声干扰大、背景建模时间长、无法识别目标类型等问题,并且背景建模等方法对全局运动存在限制要求.针对上述问题,提出新的运动目标检测算法,采用YOLOv3模型对观察序列中的视频进行检测,获得连续帧的目标识别结果;通过光电转台位置信息估算全局运动,对连续帧目标进行匹配获取一致性关系;计算目标像素速度与目标运动程度估值,判定目标运动状态.以车辆目标视频图像为研究对象,试验表明:算法在英伟达TX2与NX平台实现部署,单帧处理时间分别达到140 ms、36 ms,实现对多个运动目标的实时正确检测,并获取目标像素速度与运动方向等运动信息.

摘要： 针对现有动目标检测算法应用于卫星视频存在较多伪运动误检且难以在轨实时运行,同时短程跟踪算法难以寻回丢失目标的问题,提出一种卫星在轨实时提取运动目标算法。面向运动区域设计图像分类算法以优化运动检测结果,准确筛选动目标;用短程跟踪代替逐帧检测,以降低整体算法复杂度,并设计多特征融合与时空约束的重识别机制关联短程轨迹,应对跟踪丢失;设计在轨智能实时处理系统。使用真实卫星视频数据在嵌入式仿真平台上实验,结果表明,该算法的准确性和实时性相比现有方法有明显提升。

摘要： 针对视频合成孔径雷达(video synthetic aperture radar,VideoSAR)数据进行地面运动目标检测的问题,本文提出了一种基于单高斯背景模型的VideoSAR动目标阴影检测方法。该方法使用一个时间维度的滑窗对视频序列进行处理:首先使用RED20深度神经网络模型抑制VideoSAR图像的斑点噪声,随后使用帧间配准算法快速配准窗口内的图像序列,然后对序列进行建模和差分得到窗口末帧的二值化前景,最后通过连通区域筛选和区域生长剔除虚假目标。采用美国Sandia国家实验室公布的VideoSAR视频对本文算法进行了验证,实验表明,该算法能实现对动目标阴影的准确检测。

摘要： 视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。

摘要： 视频合成孔径雷达(ViSAR)在地面动目标检测和感兴趣区域(ROI)的动态监测方面具有巨大的潜力。对地面运动目标的检测与跟踪一直是ViSAR的研究热点。针对现有基于深度学习的ViSAR动目标检测方法存在的依赖预训练模型,模型迁移难等问题,本文提出了一种基于深度学习与多目标跟踪(MOT)算法的ViSAR动目标阴影检测方法。该方法首先设计了一种从零开始深度学习的网络模型,实现动目标阴影的单帧检测。为了提高检测性能的鲁棒性,采用了基于卡尔曼滤波和逐帧数据关联的多目标跟踪算法跟踪动目标。实测数据处理结果表明该方法具有良好的检测性能。

摘要： 在分析多通道机载SAR/GMTI模式回波的基础上,结合移位相位中心天线(Displaced Phase Center Antenna,DPCA)技术,提出一种适用于多通道机载SAR/GMTI模式的杂波抑制和参数估计算法.该方法将传统的DPCA方法扩展到三个或者更多个通道,从而获得更好的性能,不仅能够有效地实现杂波抑制,还能够较准确的估计出动目标的运动参数.仿真数据证明了该方法的有效性.

摘要： 杂波谱中心补偿是机载雷达动目标检测的关键步骤.杂波谱中心的估计方法主要有两种:惯导估计法和回波数据估计法.对于机载雷达的动目标检测所运用的估计方法利用回波数据进行估计杂波谱中心,然后利用惯导估计的杂波谱中心进行解模糊操作.但是在5km近距的杂波谱中心发现,传统的回波数据方法—重心法估计、相关法估计,仍然会使动目标检测出地杂波,已经不能满足动目标检测的要求.本文针对实际雷达和实测数据,对近距动目标检测提出了新的杂波谱中心估计方法,对于动目标近距的检测结果有较大的改善.

摘要： 为了解决传统雷达信号处理机在研发阶段面临的调试困难,计算能力受硬件限制及程序复用性差等问题,本文提出了使用GPU作为雷达计算核心的方案.在使用GPU实现雷达信号处理算法的过程中,动目标检测(MTD)部分的优化效果远低于脉冲压缩和恒虚警检测.经过分析,MTD过程中的矩阵转置与向量点乘占据了算法的大量时间.本文从GPU的数据读取方式和CU-DA函数特性入手,优化快速傅里叶变换实现MTD的过程,并在GPU上使用CUBLAS矩阵运算实现有限脉冲响应滤波器组对脉冲压缩之后数据的滤波,实现了更具灵活性的MTD.最终得到的GPU计算结果与CPU平台实现的结果相比,误差不超过0.05％,同时实现了相比CPU平台优化实现最多200余倍的性能提升.

摘要： 小型无人机具有高度低、速度慢、机动性强和可悬停等特点,给雷达探测无人机目标带来了很大的困难.为解决此问题,本文立足于实际的线性调频连续波(LFMCW)雷达系统,利用现场可编程逻辑门阵列(FPGA)的并行处理能力,通过对数据进行流水线处理和乒乓操作来替代传统的串行处理器实现动目标指示(MTI)和动目标检测(MTD)算法,实现了高速实时的无人机微多普勒信息提取.并通过对实测的FPGA处理结果进行分析,进而验证其正确性,为雷达系统全天候、自动化地监测低空非合作无人机提供了解决思路.

摘要： 为实现对地面运动目标的检测和连续跟踪,我们设计并实现了一种基于双基地雷达的动目标检测跟踪系统.该系统采用调频连续波体制,工作在厘米波段.根据系统的观测几何和信号模型,推导了动目标检测和定位的基本原理,得到了双基地体制对系统方位观测范围的限制条件以及对目标运动速度的估计和补偿方法.根据系统的基本原理,给出了信号的详细处理流程.为检验动目标检测跟踪原理和系统的实际性能,以车辆为目标,在实际道路环境下对系统进行了测试.测试中,系统可以实现对多辆运动车辆的实时检测,并且根据系统动目标的定位结果可以准确判别车辆所行驶的车道,实验结果验证了系统对地面动目标的检测跟踪能力.

摘要： 本文对基于MIMO体制的星载SAR成像与动目标检测(GMTI)方法展开基础理论与系统仿真研究.阐述了MIMO-SAR系统基本概念、研究进展以及系统研究中面临的关键技术问题;通过数学分析推导了MIMO-SAR雷达方程,详细描述了MIMO-SAR宽测绘带成像方法与动目标检测方法,给出MIMO-SAR成像几何模型与信号处理流程,结合运动目标回波模型提出动目标参数化检测方法;进行星载MIMO-SAR系统设计,建立MIMO-SAR成像模式下静止场景和运动目标回波的数学模型,并在此基础上采用目标参数化检测方法进行目标检测,最后通过计算机仿真对MIMO-SAR系统成像与动目标检测性能进行分析.

摘要： 动目标检测是现代雷达系统中重要的信号处理技术,本文提出了基于三维FFT的动目标检测算法,并通过仿真和工程实现验证了该算法的计算效率和实时性.

摘要： 复杂背景下稳健高效的低可观测目标探测始终是雷达信号处理领域的研究热点和难点.一方面,强杂波背景和目标复杂运动使得信号微弱,时频域难以区分;另一方面,传统雷达体制回波信号资源受限,难以实现对目标信号的精细化描述,亟需发展雷达目标探测新体制和新技术.本文首先归纳总结了低可观测目标探测面临的技术难点,然后,系统回顾了常用的雷达动目标检测方法,最后,从目标探测技术和手段两个方面,对雷达低可观测目标探测的发展进行展望。

摘要： SAR作为现代遥感探测技术的重要手段，在地理遥感、环境观测、灾情普查和战场侦察等领域有着广泛的应用。首先介绍了常规SAR面临的一系列困难和MIMO-SAR的应用前景，然后重点评述了MIMO-SAR在阵列配置、正交波形设计、成像处理以及动目标检测等方面的国内外研究进展，最后对MIMO-SAR的研究进行了展望，以期为MIMO-SAR这一新兴研究领域的发展提供一些参考。

摘要： 高速平台检测高速空中动目标面临严重的杂波和目标距离走动,如何有效校正距离走动是目标检测的根本.本文首先研究雷达处于高速平台时keystone变换校正空中动目标距离走动的同时对杂波特性的影响,进而分析其对空时自适应处理(Space-time adaptive processing,STAP)的影响.通过研究表明:当目标不存在多普勒模糊时,keystone变换可同时校正目标和杂波的距离走动,从而为取得良好的STAP性能提供了前提;当目标存在多普勒模糊时,keystone变换校正目标距离走动的同时会使杂波部分产生新的走动分量,最终降低STAP性能.分析结果为如何更好地实现高速平台高速空中动目标检测问题提供了理论参考.

摘要： 正负步进频率雷达的高分辨率特性使得对目标的二维成像成为可能.从扩展目标的散射模型入手,分别推导了静止状态和运动状态下目标回波信号模型,分析了目标运动对距离像的影响,并利用最小脉组误差准则对目标运动进行了补偿,实验结果验证了理论分析的正确性.

摘要： 利用合成孔径雷达技术实现地面/海面各种静止及运动目标的精确成像,能够提供高精度的目标位置及特性信息,对末制导具有重要意义.本文从技术实现途径上分析了制导末端下降段成像、高速高动态的运动补偿、动目标检测、动目标成像及定位等方面的难点及解决思路.利用合成孔径雷达技术进行地面/海面重要敏感目标的探测与导引是一种全新的且非常重要的制导方式,适应未来复杂战场环境下的信息化战争.

摘要： 直接数据域(Direct Data Domain, DDD)算法通过子孔径平滑技术仅从待检测距离单元获取足够训练样本，可有效抑制孤立干扰，但空、时域孔径损失严重，使空时自适应处理(Space-time Adaptive Processing, STAP)的动目标检测性能严重下降。针对该问题，本文将空时自回归(Space-time Autoregressive, STAR)算法引入到直接数据域算法权矢量求解过程中，提出了一种可有效抗孤立干扰的STAP算法。本文算法与常规DDD算法相比，在低空时孔径损失环境下仍能获得较好性能。仿真结果验证了该算法的有效性。

摘要： 首先提出了利用像素统计法进行背景建模的基本思想和其主要优化方法：循环建模和降低背景灰度分辨率。在此基础上，利用背景平均法对其进行增强。然后结合运动历史图像和基于形态学滤波的运动目标轮廓追踪算法进行多个运动目标的提取。并且将整个算法流程进行了C6416图像处理板上的移植。在系统集成了转台控制模块的基础上，该算法可以在视场转动到不同预置位的情况下，实时准确的检测出运动中的多个目标并进行特征标记。同时该算法还可以通过图像处理板RS232串口向火控系统输出目标的方位、大小及运动状态。

摘要： 目标检测装置包括：存储单元，用于存储先前学习的关于从输入图像中提取的样本图像的学习信息，该信息包括第一信息和第二信息，第一信息指出从多个特征区/特征量组中所选择出的给定数量的特征区/特征量组的至少一种组合，第二信息指出样本图像是目标或是非目标；特征量计算单元，用于计算属于输入图像中的组合的每个特征区域的输入特征量；量化单元，用于量化已计算的输入特征量从而获得量化的输入特征量；判定单元，用于利用量化的输入特征量和学习信息来判定输入图像是否包括目标。

摘要： 能够不增加存储容量而以低成本实现的校正目标检测装置200，具有：测光区域设定部22，设定长条形状的测光区域；测光部21，检测测光区域的测光信息；亮度曲线生成部23，使将规定的一个方向作为长边方向的长条形状的测光区域，沿与一个方向正交的另一方向进行扫描，由此生成表示在该另一方向上的测光信息的变化的第一曲线，并且，使将另一方向作为长边方向的长条形状的测光区域，沿一个方向进行扫描，由此生成表示在该一个方向上的测光信息的变化的第二曲线；位置计算部30，基于第一曲线及第二曲线的特征点，来计算由车载照相机20获取的拍摄图像所含的用于校正车载照相机的校正目标的位置或该校正目标的规定部位的位置。

摘要： 能够不增加存储容量而以低成本实现的校正目标检测装置200，具有：测光区域设定部22，设定长条形状的测光区域；测光部21，检测测光区域的测光信息；亮度曲线生成部23，使将规定的一个方向作为长边方向的长条形状的测光区域，沿与一个方向正交的另一方向进行扫描，由此生成表示在该另一方向上的测光信息的变化的第一曲线，并且，使将另一方向作为长边方向的长条形状的测光区域，沿一个方向进行扫描，由此生成表示在该一个方向上的测光信息的变化的第二曲线；位置计算部30，基于第一曲线及第二曲线的特征点，来计算由车载照相机20获取的拍摄图像所含的用于校正车载照相机的校正目标的位置或该校正目标的规定部位的位置。

摘要： 目标检测装置包括：存储单元，特征量计算单元，量化单元和判定单元，存储单元存储先前学习的关于从输入图像中提取的样本图像的学习信息，该信息包括第一信息和第二信息，第一信息指出从多个特征区/特征量组中所选择出的给定数量的特征区/特征量组的至少一种组合，每个特征区/特征量组都包括其中一个特征区域和其中一个量化的学习特征量，每个特征区域都具有多个像素区域，且通过量化学习特征量所得到的经量化的学习特征量对应于在样本图像中的特征区域的特征量，第二信息指出样本图像是目标或是非目标；特征量计算单元计算属于输入图像中的组合的每个特征区域的输入特征量；量化单元量化已计算的输入特征量从而获得量化的输入特征量；判定单元利用量化的输入特征量和学习信息来判定输入图像是否包括目标。

摘要： 本发明公开了一种基于阵列天线的动目标时间反演目标检测方法，包括：基于前向传播模型，阵列A发射第一信号，阵列B接收并将第一信号转化为第二信号，对第二信号进行离散化得到第五信号，利用第五信号得到第一对数似然比函数；基于时间反演模型，阵列B将第二信号转化为第三信号并发射到阵列A，对第三信号进行离散化得到第四信号，利用第四信号得到第二对数似然比函数；将第五信号代入第一对数似然比函数得到第一似然比，然后将第一似然比与检测门限进行比较得到第一检测结果，将第四信号代入第二对数似然比函数得到第二似然比，然后将第二似然比与检测门限进行比较得到第二检测结果。本发明的检测方法可在多径效应环境下提高目标检测性能。

摘要： 本发明公开了一种同平台上不同分辨率的传感器联合动目标检测系统及其检测方法，该系统包括安装在同一个卫星平台上的具有第一分辨率的第一传感器和具有第二分辨率的第二传感器，其中第一分辨率低于第二分辨率。第二传感器垂直朝向地面成像，第一传感器沿着卫星运动方向呈前仰角成像，第一传感器和第二传感器均与中央控制器相连。该方法包括：第一传感器持续捕获地面图像并检测图像中是否存在疑似运动目标，如果存在疑似运动目标则通知中央控制器启动第二传感器；第二传感器收到启动命令并开始捕获地面图像进行运动目标确认。本发明在提高了运动目标捕获概率的同时减小了星上数据存储量。

摘要： 本发明涉及监控领域，特别是涉及一种高空抛物动目标检测方法、检测设备和检测系统，包括获取若干连续图像；对若干连续图像进行图像预处理；获取预处理后的图像并进行帧间差分运算，获得差分结果图像；对差分结果图像进行图像处理，获得二值化图像；对二值化图像进行形态学操作，获得形态学结果图像；对形态学结果图像进行连通域分析，不但能够识别高空抛物动目标，而且能够确定高空抛物动目标所处位置。

摘要： 本发明公开一种基于深度学习与多目标跟踪算法的视频SAR动目标检测方法，属于雷达技术领域。该方法包括如下步骤：1：采用基于特征金字塔结构的Faster R‑CNN网络检测单帧视频SAR图像中的动目标阴影；2：利用检测结果初始化试探性跟踪器；3：使用关联的检测结果更新跟踪器；4：将连续更新三帧的试探性跟踪转为稳定跟踪并删除其余试探性跟踪；5：将连续三帧未更新的稳定跟踪器转为候选跟踪。6：若有检测结果更新候选跟踪，将候选跟踪转为稳定跟踪。7：若候选跟踪未更新的次数超出阈值，将候选跟踪器删除。本发明具有检测精度高，实时性强的特点。

摘要： 本发明公开了一种针对具有高径向速度目标的单通道合成孔径雷达动目标检测方法，涉及合成孔径雷达信号处理技术。该方法通过对单通道合成孔径雷达数据在方位向进行降采样来构造双通道数据，然后通过插值将两个通道的数据在时间上对齐。之后，对两个通道进行相干对消来抑制杂波，最终在图像域检测运动目标。本发明能够在杂波抑制的同时，提高动目标的幅度。此外，本发明还能够消除高径向速度目标的频谱分裂，从而解决该类目标在成像后产生的鬼影问题，有效的降低虚警概率。

摘要： 本申请涉及一种动平台下运动目标检测方法、装置和检测设备。通过将目标场景下的全景图划分为若干个局部窗口，采用RPCA算法得到每个局部窗口对应的局部背景，然后训练好的位置预测网络得到的待检测图像序列中图像帧在全景图中的位置，根据图像帧及其对应位置处的局部窗口得到得到初始前景图，将初始前景图和光流场图分别进行二值化分割得到二值图，使用最小外接圆圈选二值图中的区域块，得到外接圆区域，再根据外接圆区域确定正确区域，对正确区域逐一进行分割，得到精细化前景图，最后根据精细化前景图进行运动目标检测。采用本方法在面对多变场景时鲁棒性更高。