基于改进YOLOv5的坦克目标检测算法

坦克目标的准确识别定位是信息化战争中一项重要研究,针对传统检测算法抗干扰性差、难应用于大视野复杂环境下的问题,提出了一种基于改进YOLOv5坦克自动识别的检测算法。利用YOLOv5模型对大视野复杂战场环境下坦克目标进行识别:在YOLOv5基础模型中引入Attention-based information fusion模块,提高模型检测精度和识别能力;使用Pre-segment multi-scale fusion模块解决骨干网络中池化操作所造成的信息丢失问题;使用Swin Transformer机制降低小目标坦克漏检误检的问题。在坦克数据集上进行实验,结果表明:与YOLOv5原始模型相比,改进模型的召回率、平均精度分别提高了9.1%、5.1%。改进后的YOLOv5模型可以很好地对大视野复杂环境下坦克目标进行精确识别,改善了坦克目标检测中小目标漏检的问题。

地面坦克目标红外热成像物理模型研究

根据红外成像的基本流程,研究并建立了地面坦克的红外物理模型。针对复杂场景分别对目标和背景部分建模、求取温度场分布,同时考虑目标和背景之间的相互作用得到完整的场景红外理论模型;考虑红外辐射的大气吸收,建立了大气衰减模型;模拟红外传感器的工作特性建立成像综合响应模型。最后给出了地面坦克目标热成像系统的仿真流程,利用该系统可以在试验环境下进行目标的红外仿真,为红外系统以及武器的研制提供经济快捷的手段。

坦克目标威胁程度评估

以军事理论和层次分析法为基础,将一种新的归一化效用函数应用于坦克目标的威胁程序评估,为地面作战自动化指挥提出了一种辅助决策方法。

基于VP的三种思想下实现红外坦克目标的仿真对比研究

分析了三种截然不同的红外仿真思想,通过这三种方法的对比,提出了一种基于Vega Prime(VP)的红外仿真改进方法。之后在综合经验数据和热平衡模型的基础上,实现了有/无内热源下的坦克红外辐射场分布。同时给出了关键模块的模拟方法。最后通过三种方法下的仿真实验,模拟出了具有各自代表意义的坦克目标红外图像,通过与实拍红外图像的比较,得出了三种方法的优缺点及适用场合,实验结果真实可靠,有一定的工程应用价值。

嵌入式平台下红外图像坦克目标识别的实现方法

针对战场环境下红外图像中坦克目标在嵌入式系统中的快速识别,提出一种改进的HOG特征提取结合AdaBoost分类算法的红外图像坦克目标识别实现方法。为了便于在ARM/FPGA嵌入式平台实现,该方法根据FPGA的计算特性对HOG特征提取算法进行优化设计,克服FPGA不适合的除法运算与反正切运算带来弊端。为验证算法的有效性,通过软硬协同设计的方法搭建了嵌入式系统,开发了ARM/FPGA样机,采集坦克目标的红外样本数据,在不同平台开展了目标识别实验。实验结果表明:改进后的算法在保证识别率的基础上,单张图片的处理时间平均为52ms,大幅地提高了运算速度。

背景约束的红外复杂背景下坦克目标分割方法

为实现自寻的反坦克导弹红外导引头对复杂背景下坦克目标的快速有效分割,以红外导引头拍摄的坦克目标红外图像为研究对象,采用计算简单的最大类间方差法,对其分割效果进行了研究.根据实验结果,揭示了最大类间方差法进行图像分割的有效性机理.在此基础上,提出了对背景区域像素和灰度级别进行约束的思想,以降低背景区域类内方差,提高算法的分割精度,并给出了具体的方法.首先利用坦克目标的先验信息,根据光学成像原理,推导了红外坦克目标图像的大小估计公式,用来实现对背景像素的约束;然后采用黄金分割法对背景灰度级别进行约束;最后利用最大类间方差法实现了复杂背景下红外坦克目标的分割.实验表明,本文方法的分割效果堪比手工分割效果,且计算量较少,算法耗时最大不超过1.44 ms,完全满足对坦克目标图像分割的有效性和实时性需求.

复杂陆地粗糙面及其上方坦克目标复合散射研究

研究了复杂陆地粗糙面及其上方坦克目标的复合散射特性.基于Monte Carlo方法,利用高斯谱函数模拟不同统计特性的陆地表面,运用加权反正切函数滤波处理以构造边界和连接相邻区域,构建了复杂陆地分区域复合粗糙面的几何模型.提出了一种快速精确求解复杂陆地粗糙面及其上方坦克目标复合散射的混合方法,利用迭代物理光学法求解目标与环境间的多次耦合,运用等效电磁流法修正棱边绕射.分析了复杂陆地粗糙面的散射特性,研究了入射角、均方根高度、相关长度和粗糙面表面结构对复合散射特性的影响.本研究为探测复杂环境上方的坦克目标提供了理论基础,数值仿真结果对雷达目标的探测与识别具有借鉴意义.

基于YOLOv4改进算法的坦克装甲车辆目标检测

在信息化作战的大背景下,为实现无人模式智能收集前方战场的坦克目标信息,研究提出了一种基于YOLOv4地面坦克目标检测的改进算法。基于原YOLOv4目标检测算法,使用多特征层拼接模块增强特征信息的传递与流动;使用全局信息获取模块更好地对全局特征信息进行捕获;使用多尺度信息融合模块扩大特征融合的尺度;添加解耦检测头模块将目标分类和位置回归任务进行解耦操作使得网络学习更加彻底。实验结果显示,与YOLOv4算法相比,改进后的YOLOv4_Modify算法提高了识别精度,其中,Recall值提升了10.2个百分点,mAP值提升了4.3个百分点。实验结果表明,改进后的YOLOv4_Modify算法能够精确地识别出复杂环境下不同尺度的坦克目标,改善了原有检测算法中对较小坦克目标的漏检问题,为信息化作战提供了视觉技术支持。

坦克火力运用智能系统目标威胁度评估模块

随着科学技术的发展,未来战争将有更多的智能化武器出现,坦克火力运用智能化将是坦克火力系统的发展方向,而目标威胁度评估是该系统的核心模块。应用BP神经网络建立了坦克目标威胁度评估模型,对影响因素进行了分析与预处理,并构造了3组训练样本。利用MATLAB7.0中神经网络工具箱的图形用户界面GUI对样本和影响因素进行训练、仿真。结果表明,BP神经网络模型能很好地解决坦克目标威胁程度与影响因素之间的非线性关系,评估坦克目标威胁度有很强的客观性和科学性,对未来坦克火力运用智能系统的建设具有一定的借鉴作用。

一种基于分层多尺度卷积特征提取的坦克装甲目标图像检测方法

针对坦克装甲目标的图像检测任务,提出一种基于分层多尺度卷积特征提取的目标检测方法。采用迁移学习的设计思路,在VGG-16网络的基础上针对目标检测任务对网络的结构和参数进行修改和微调,结合建议区域提取网络和目标检测子网络来实现对目标的精确检测。对于建议区域提取网络,在多个不同分辨率的卷积特征图上分层提取多种尺度的建议区域,增强对弱小目标的检测能力;对于目标检测子网络,选用分辨率更高的卷积特征图来提取目标,并额外增加了一个上采样层来提升特征图的分辨率。通过结合多尺度训练、困难负样本挖掘等多种设计和训练方法,所提出的方法在构建的坦克装甲目标数据集上取得了优异的检测效果,目标检测的精度和速度均优于目前主流的检测方法。

基于RGB图像的坦克损伤目标三维检测研究与应用

现代战争中,坦克在攻坚战中的地位越来越重要,检测坦克的损伤对于取得战场主动权乃至获取战争的胜利起着决定性作用,所以对实时性要求非常高。采用易获取的RGB图像,以坦克装甲车为研究目标,选用Complex-YOLO为基础三维目标检测模型,针对复杂战场环境中图像内容复杂、弹孔损伤目标小、没有三维CAD模型等问题,对Complex-YOLO模型进行改进,通过使用识别精度高且速度快的YOLOV3网络及九点法回归三维目标检测框的方法,提高模型性能。在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的多目标检测具有更强的敏感性,较大程度上增强了模型的检测识别精度。

穿甲弹对目标坦克穿甲能力仿真研究

为建立坦克炮对装甲类目标的毁伤概率模型,研究命中前提下穿甲弹弹丸对目标坦克装甲的击穿能力,以某型坦克不同方向上的装甲暴露情况为例,建立了弹丸侵彻模型以及弹目运动关系模型,通过Matlab数值仿真和理论计算,得到弹丸命中条件下,目标坦克不同方向上的整体击穿概率随着目标运动方向与弹丸运动方向的反向延长线所成夹角θ的变化规律,以及各个区域击穿概率最大时的θ角取值范围,对实现弹丸对装甲目标的有效打击具有一定的指导意义。

基于Top-down网络结构的坦克装甲目标检测

针对复杂场景下坦克装甲目标检测任务,提出了一种基于自顶向下聚合机制和分层尺度优化的目标检测方法。先基于ResNet-101骨架网络,提出一种自顶向下的聚合网络构架(TDA),克服了卷积神经网络在特征表达能力和细节捕获能力间存在的固有矛盾。在TDA网络的基础上,进一步探索了Faster R-CNN检测框架针对坦克装甲目标检测任务的优化方法,对于建议区域提取网络,提出了一种分层尺度优化的多路RPN网络,并根据感受野区域的大小设置合理的初始建议区域,有效提高了对建议区域的提取效率。对于目标检测子网络,构建了一个更加轻便快速的网络模型。针对坦克装甲目标构建了专用的目标检测数据集,并在该数据集上对几种目前主流的目标检测方法进行了训练和测试。实验结果表明,上述方法在坦克装甲目标数据集上取得了优异的检测效果,目标检测的精度和速度均优于目前主流的检测方法。

用区域分解算法结合蒙特卡罗法求坦克温度场和红外辐射出射度

本文将区域分解算法和蒙特卡罗法相结合，求坦克温度场和红外辐射出射度．采用蒙特卡罗法计算辐射传递系数，可以考虑界面的复杂辐射特性，如：镜反射、各向异性发射、各向异性反射等；可直接考虑界面的复杂几何特性，如:相互遮挡、太阳入射方向上的投影面积等．引入辐射传递系数，分离了计算的难点，使得在时间域（计算步骤）上能把整个问题分解为若干个子问题并行处理、在空间域（计算区域）上将坦克分解为若干个子区域，缩小计算规模，并可使用多个处理器并行计算；同时减轻了蒙特卡罗法编程的难度，缩短了计算时间．

小波图像融合与目标识别的嵌入式系统实现方法

针对坦克目标,采用形状上下文特征级的异源图像配准以及小波变换图像融合方法。在此基础上,通过提取融合图像HOG特征并生成SVM分类器模型实现坦克目标识别。构建了嵌入式的红外与可见光图像融合系统,定制了ARM+FPGA样机。采用图像行缓存、窗口缓存等方法对图像进行处理,实现加速遍历图像像素卷积运算。定制了融合算法的IP核,通过软硬件协同设计进行资源优化与合理配置。对复杂背景下的静止和运动坦克目标在PC与嵌入式平台进行了融合和识别实验,结果表明:系统平均耗时为51 ms,帧率约为20 Hz,满足目标检测识别的实时性要求。

军用目标光学亮度特性研究

利用成像法和面阵ＣＣＤ技术进行可见光波段目标亮度测量分析，按不同需求给出目标及背景在不同日光条件下的亮度分布特征，并给出典型地面目标一些静、动态测量结果。

被动声探测技术在新型防坦克地雷系统中的应用与发展

综述了被动声探测技术在新型防坦克地雷系统上的应用,并就坦克目标噪 声识别的技术现状和发展前景作了概括性的介绍,预测了被动声探测技术在新型防 坦克地雷系统上的发展趋势和新技术。

目标自动跟踪系统的PCI总线接口板设计

根据某型坦克目标自动跟踪系统的总体技术要求,以稳像式坦克火控系统为控制对象,在基于嵌入式VxWorks操作系统下,设计了自动跟踪计算机与坦克火控系统之间的数据通信电路——PCI总线接口板。解决了在VxWorks下由自动跟踪计算机对火控系统的实时控制问题;实现了本地总线与PCI总线之间的数据交换;完成了对目标的跟踪以及数据的输入输出处理;编写了相应的驱动程序。试验证明,该系统已经具备了对单个机动目标的捕获和跟踪能力,并且具有较好的抗干扰能力。

基于DSP的坦克顶装甲精确定距的研究

针对电容引信的导弹对坦克顶装甲的弹目交会情况,利用幅度耦合探测器对坦克顶装甲所测的目标特性,采用区域识别方法,建立了相关区域识别准则及定距准则,给出了利用DSP技术实现精确定距的技术途径.利用设计的探测器进行了静态弹目交会的目标特性测试,得出反映不同弹目交会区域特征的目标特性曲线族.该方法和准则能够实现对坦克顶装甲的近距离精确定距,最大程度毁坏敌方坦克.

改进的YOLOV3算法在小目标检测中的研究与应用

战场目标的图像检测与识别对于战场监视、侦察、毁伤状态评估和火控系统研究等具有重要作用。以坦克装甲目标为研究对象,选用识别精度高、速度快的YOLOV3为基础目标检测模型,针对复杂战场环境中获取图像目标特征信息少的问题,引入多尺度特征增强结构的方法对YOLOV3模型进行改进,通过丰富特征图多样性的方式,提高模型性能。在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的小目标特征具有更强的敏感性,较大程度上增强了模型的识别精度。