论文摘要
针对未来战场感知体系的自动化和智能化的需求,设计出了一种基于深度学习的战场红外目标检测系统。近年来随着深度卷积神经网络在图像识别领域的广泛应用,因此将这项新技术应用于军事目标检测具有极强的现实意义。系统通过红外成像机芯采集红外图像,使用图像采集卡实时传输图像数据,最后在主机端利用深度卷积神经网络进行目标检测。以YOLOv3算法作为基础,以某款金属车辆模型为例,采集该型车辆的红外图像数据并制作相应的数据集,训练得到相应的检测内核。通过实验证明,检测速度可达在30帧/秒以上,且在fps达到30的前提下平均识别精度达到70%以上,不仅具有很好的实时性、准确性,对各种环境变化具有较好的鲁棒性,验证了该系统的可行性和军事应用价值。
论文目录
文章来源
类型: 期刊论文
作者: 季航,贾镕,刘晓,拓浩男
关键词: 深度学习,红外图像,检测系统,军事目标
来源: 电子设计工程 2019年22期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 武器工业与军事技术,无线电电子学,计算机软件及计算机应用,自动化技术
单位: 中国人民解放军陆军炮兵防空兵学院,偏振光成像探测技术安徽省重点实验室
基金: 国家自然科学基金(41406109),安徽省自然科学基金(1708085QD90)
分类号: TP391.41;TN215;TP183;E91
DOI: 10.14022/j.cnki.dzsjgc.2019.22.013
页码: 61-64
总页数: 4
文件大小: 1603K
下载量: 400