基于序列复杂度的空中红外目标跟踪算法评估

doi:10.3969/j.issn.1001-506X.2020.04.02

系统工程与电子技术 ›› 2020, Vol. 42 ›› Issue (4): 740-748.doi: 10.3969/j.issn.1001-506X.2020.04.02

基于序列复杂度的空中红外目标跟踪算法评估

胡阳光¹(), 肖明清¹(), 刘兆政¹(), 王晓田²(), 赵亚兴³()

1. 空军工程大学航空工程学院, 陕西西安 710038
2. 西北工业大学航天学院, 陕西西安 710072
3. 中国人民解放军95920部队, 河北衡水 253801

收稿日期:2019-10-21 出版日期:2020-03-28 发布日期:2020-03-28
作者简介:胡阳光(1991-),男,博士研究生,主要研究方向为红外目标跟踪、机器视觉。E-mail:sunshineflyhu@163.com|肖明清(1964-),男,教授,博士研究生导师,博士,主要研究方向为武器系统与运用工程、导弹综合测试与保障。E-mail:xmqing@sohu.com|刘兆政(1996-),男,硕士研究生,主要研究方向为武器系统与运用工程、导弹综合测试与保障。E-mail:953631108@qq.com|王晓田(1990-),男,博士研究生,主要研究方向为红外图像信息融合、深度学习。E-mail:wangxiaotian@mail.nwpu.edu.cn|赵亚兴(1991-),男,助理工程师,主要研究方向为红外成像技术、导弹综合测试与保障。E-mail:1551408803@qq.com
基金资助:
国家自然科学基金面上项目(61703337);航天科学与技术创新基金(SAST2017-082)

Aerial infrared target tracking algorithm evaluation based on complexity of sequence

Yangguang HU¹(), Mingqing XIAO¹(), Zhaozheng LIU¹(), Xiaotian WANG²(), Yaxing ZHAO³()

1. Aeronautics Engineering College, Air Force Engineering University, Xi'an 710038, China
2. School of Astronautics, Northwestern Polytechnical University, Xi'an 710072, China
3. Unit 95920 of the PLA, Hengshui 253801, China

Received:2019-10-21 Online:2020-03-28 Published:2020-03-28
Supported by:
国家自然科学基金面上项目(61703337);航天科学与技术创新基金(SAST2017-082)

摘要/Abstract

摘要：

近年来,基于深度学习的红外空中目标跟踪算法不断涌现,如何对其性能进行评估已经成为一个亟待解决的问题。利用单帧图像混淆度和遮隐度对图像复杂度进行计算,并结合目标运动复杂度,建立了融合图像复杂度和运动复杂度的序列复杂度计算模型。构建了包含420个序列的红外序列样本库,利用序列复杂度对样本库测试结果进行加权评分,提出了一种新的红外空中目标跟踪算法性能评估方法。实验结果表明,所提出的评估方法能全面评估算法在不同态势下的性能。

关键词: 目标跟踪, 图像复杂度, 运动复杂度, 序列复杂度, 算法评估

Abstract:

In recent years, aerial infrared target tracking algorithms based on deep learning keep emerging. However, how to evaluate its performance has become an urgent problem to be solved. The complexity of the image is calculated by using the degree of the target being confused and the degree of the target being shielded of the single frame. The computing model of complexity of the sequence is designed based on the complexity of the image and the complexity of movement. Then, an infrared sequence sample database containing 420 sequences is constructed. A new algorithm evaluation method is proposed, in which the test results on the database are weighted through the complexity of the sequence. Experimental results show that it can comprehensively evaluate the performance of the algorithm in different states.

Key words: target tracking, complexity of image, complexity of movement, complexity of sequence, algorithm evaluation

中图分类号:

TP391

胡阳光, 肖明清, 刘兆政, 王晓田, 赵亚兴. 基于序列复杂度的空中红外目标跟踪算法评估[J]. 系统工程与电子技术, 2020, 42(4): 740-748.

Yangguang HU, Mingqing XIAO, Zhaozheng LIU, Xiaotian WANG, Yaxing ZHAO. Aerial infrared target tracking algorithm evaluation based on complexity of sequence[J]. Systems Engineering and Electronics, 2020, 42(4): 740-748.

图/表 20

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

表1

图11

图12

图13

图14

图15

图16

表2

图17

表3

参考文献 23

1	FAN J, WANG F.Analysis of the development of missile-borne IR imaging detecting technologies[C]//Proc.of the Society of Photo-Optical Instrumentation Engineers (SPIE) Conference Series, 2017.
2	胡阳光, 肖明清, 张凯, 等. 传统特征和深度特征融合的红外空中目标跟踪[J]. 系统工程与电子技术, 2019, 41 (12): 2675- 2683.
	HU Y G , XIAO M Q , ZHANG K , et al. Infrared aerial target tracking based on fusion of traditional feature and deep feature[J]. Systems Engineering and Electronics, 2019, 41 (12): 2675- 2683.
3	谢江荣, 李范鸣, 卫红, 等. 用于空中红外目标检测的增强单发多框检测器方法[J]. 光学学报, 2019, 39 (6): 0615001.
	XIE J R , LI F M , WEI H , et al. Enhancement of single shot multi-box detector for aerial infrared target detection[J]. Acta Optica Sinica, 2019, 39 (6): 0615001.
4	黄长强, 赵辉, 杜海文, 等. 机载弹药精确制导原理[M]. 北京: 国防工业出版社, 2011.
	HUANG C Q , ZHAO H , DU H W , et al. Principle of precision guidance for airborne ammunition[M]. Beijing: National Defense Industry Press, 2011.
5	WANG Z W , NING H J , WANG J L , et al. Research on the properties of a surface-type infrared decoy and effect of multiple launching[J]. Journal of Harbin Institute of Technology (New Series), 2017, 24 (2): 72- 79.
6	HUANG H S , TONG Z X , CHAI S C , et al. Experimental and numerical study of chaff cloud kinetic performance under impact of high-speed airflow[J]. Chinese Journal of Aeronautics, 2018, 31 (11): 2080- 2092. doi: 10.1016/j.cja.2018.08.002
7	KNOWLES J . MALD-J passes design milestone[J]. The Journal of Electronic Defense, 2010, 33 (2): 16- 18.
8	胡龙坤, 朱启超. 算法战争的概念、特点与影响[J]. 国防科技, 2017, 38 (6): 36- 43.
	HU L K , ZHU Q C . Algorithmic warfare:concept, characteristics and implications[J]. National Defense Science & Technology, 2017, 38 (6): 36- 43.
9	王满玉, 蔺美青. 基于算子的武器装备作战效能评估柔性建模方法与应用[M]. 北京: 国防工业出版社, 2012.
	WANG M Y , LIN M Q . Flexible modeling method and application of operational effectiveness evaluation for weapon and equipment based on operator[M]. Beijing: National Defense Industry Press, 2012.
10	SANNA A , PRALIO B , LAMBERTI F , et al. A novel ego-motion compensation strategy for automatic target tracking in FLIR video sequences taken from UAVs[J]. IEEE Trans.on Aerospace and Electronic Systems, 2009, 45 (2): 723- 734. doi: 10.1109/TAES.2009.5089552
11	HU Y G , XIAO M Q , ZHANG K , et al. Aerial infrared target tracking in complex background based on combined tracking and detecting[J]. Mathematical Problems in Engineering, 2019, 2, 1- 17.
12	WANG X T , ZHANG K , LI S Y , et al. An optimal long-term aerial infrared object tracking algorithm with re-detection[J]. IEEE Access, 2019, 8 (5): 1- 13.
13	WU Z , WANG X , JIAO Y , et al. Guidance performance evaluation method for infrared imaging guided missile based on extended object-oriented Petri net[J]. Optik, 2019, 185, 88- 96. doi: 10.1016/j.ijleo.2019.03.039
14	WU Y , LIM J , YANG M H . Object tracking benchmark[J]. IEEE Trans.on Pattern Analysis & Machine Intelligence, 2015, 37 (9): 1834- 1848.
15	KRISTAN M, ELDESOKEY A, XING Y, et al.The visual object tracking VOT2017 challenge results[C]//Proc.of the IEEE International Conference on Computer Vision Workshop, 2017.
16	WU S, NIU S, ZHANG K, et al.An aircraft tracking method in simulated infrared image sequences based on regional distribution[C]//Proc.of the Pacific-Rim Symposium on Image and Video Technology, 2017.
17	XIAO B , DUAN J , LIU X , et al. Evaluation of image complexity based on SVOR[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2017, 32 (7): 1- 18.
18	DIAO W H , MAO X , ZHENG H C . Image sequence measures for automatic target tracking[J]. Progress in Electromagnetics Research, 2012, 13 (5): 447- 472.
19	LIU C Y , LIU H L , LIU Y , et al. Normalized cross correlation image stitching algorithm based on minimum spanning tree[J]. Optik, 2019, 179, 610- 616. doi: 10.1016/j.ijleo.2018.10.166
20	王晓田, 马万超, 张凯, 等. 面向自动目标跟踪红外图像序列复杂度度量[J]. 西北工业大学学报, 2019, 37 (4): 664- 672. doi: 10.3969/j.issn.1000-2758.2019.04.004
	WANG X T , MA W C , ZHANG K , et al. Complexity estimation of infrared image sequence for automatic target track[J]. Journal of Northwestern Polytechnical University, 2019, 37 (4): 664- 672. doi: 10.3969/j.issn.1000-2758.2019.04.004
21	刁伟鹤, 毛峡, 常乐. 一种新的红外目标图像质量评价方法[J]. 航空学报, 2010, 31 (10): 2026- 2033.
	DIAO W H , MAO X , CHANG L . A new quality estimation method for infrared target images[J]. Acta Aeronautica et Astronautica Sinica, 2010, 31 (10): 2026- 2033.
22	DIAO W H . Quality estimation of image sequence for automatic target recognition[J]. Journal of Electronics & Information Technology, 2010, 32 (8): 1779- 1785.
23	ZHOU K , WEI R X , XU Z F , et al. An air combat decision learning system based on a brain-like cognitive mechanism[J]. Cognitive Computation, 2020, 12, 128- 139. doi: 10.1007/s12559-019-09683-7

编号位	含义	取值范围
1	机动动作	(1, 2, …, 7)
2	诱饵数量类别	(1, 2, 3, 4)
3	水平进入角	(1, 2, …, 5)
4	图像背景类别	(1, 2, 3)

评估方法	序列编号
评估方法	1	2	3	4	均值
平均CLE	4.012	13.68	24.25	35.29	19.31
S_t	0.882	0.723	0.636	0.458	0.697
本文方法	0.188	0.195	0.237	0.240	0.215

序号	序列编号	原因分析
1	5352	目标采取大过载机动;诱饵数量多(12、16枚);进入角接近迎头攻击;图像背景为中以上
2	5353
3	5452
4	5453
5	6352
6	6353
7	6452
8	6453
9	6443
10	7443

[1]	仇祝令, 查宇飞, 李振宇, 李禹铭, 张鹏, 朱川. 基于多模型蒸馏的时间正则化相关滤波跟踪算法[J]. 系统工程与电子技术, 2022, 44(8): 2448-2456.
[2]	侯子林, 程婷, 彭瀚. 基于量测转换序贯滤波的GMPHD机动目标跟踪[J]. 系统工程与电子技术, 2022, 44(8): 2474-2482.
[3]	史浩然, 卢发兴, 祁江鑫, 杨光. 基于辅助信标的无人机协同目标跟踪[J]. 系统工程与电子技术, 2022, 44(7): 2302-2310.
[4]	金国栋, 薛远亮, 谭力宁, 许剑锟. 基于孪生神经网络的目标跟踪算法进展研究[J]. 系统工程与电子技术, 2022, 44(6): 1805-1822.
[5]	翟光, 王妍欣, 孙一勇. 基于低轨星网的多目标协同跟踪滤波技术[J]. 系统工程与电子技术, 2022, 44(6): 1957-1967.
[6]	王帅, 向建军, 彭芳, 唐书娟. 基于新最速下降法的目标跟踪算法[J]. 系统工程与电子技术, 2022, 44(5): 1512-1519.
[7]	辛怀声, 曹晨. 基于交互多模型的分组δ-广义标签多伯努利算法[J]. 系统工程与电子技术, 2022, 44(4): 1128-1138.
[8]	谢家豪, 黄树彩, 韦道知, 张曌宇, 王文豪. 基于P_EV准则的不确定混合多传感器联盟求解[J]. 系统工程与电子技术, 2022, 44(3): 819-826.
[9]	宋子壮, 杨嘉伟, 张东方, 王诗强, 张硕. 基于无锚框的红外多类别多目标实时跟踪网络[J]. 系统工程与电子技术, 2022, 44(2): 401-409.
[10]	姚云翔, 陈莹. 注意力机制下双模态交互融合的目标跟踪网络[J]. 系统工程与电子技术, 2022, 44(2): 410-419.
[11]	辛怀声, 宋鹏汉, 曹晨. 多模型广义标签多伯努利滤波器[J]. 系统工程与电子技术, 2022, 44(12): 3603-3613.
[12]	刘浩楠, 宋骊平. 基于核Fisher判别的群结构更新模型及群目标跟踪算法[J]. 系统工程与电子技术, 2022, 44(10): 3012-3019.
[13]	方澄, 路稳, 姬菁颖, 宋玉蒙, 梁斐菲, 罗志伟. 基于外观相似性更新的相关滤波跟踪算法[J]. 系统工程与电子技术, 2022, 44(1): 117-126.
[14]	黄月平, 李小锋, 杨小冈, 齐乃新, 卢瑞涛, 张胜修. 基于相关滤波的视觉目标跟踪算法新进展[J]. 系统工程与电子技术, 2021, 43(8): 2051-2065.
[15]	赵跃新, 齐望东, 刘鹏, 袁恩, 徐兵. 三维AoA目标跟踪的二次约束卡尔曼滤波算法[J]. 系统工程与电子技术, 2021, 43(8): 2263-2272.

基于序列复杂度的空中红外目标跟踪算法评估

Aerial infrared target tracking algorithm evaluation based on complexity of sequence

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 20

参考文献 23

相关文章 15

编辑推荐

Metrics

本文评价