基于移动分割与轻量化分类网络的红外目标实时识别方法

战场野外复杂红外场景中,由于背景灰度分布无规律、目标边缘模糊且纹理特征缺失,目标极易混淆在背景之中;由于嵌入式平台算力的限制,多数深度学习类检测算法难以应用于便携设备,无法实现快速有效的目标识别。提出一种基于运动目标提取与高效机器学习模型结合的目标识别方法:通过运动检测实现目标像素级分割,经形态学处理后,定位单体目标;根据嵌入式平台算力高低,选择轻量化深度网络特征或轮廓特征,训练softmax模型,实现目标分类识别。将算法移植于嵌入式平台,对开源红外图像序列进行目标识别实验,实现多目标同时定位与分类,处理速度达56FPS。实验结果表明,该方法可对复杂背景中的红外目标进行实时有效识别。