基于卷积神经网络和时空特征的烟幕视频检测和参数提取

为提高干扰弹在战场上作战效能,摸清干扰弹的作战效能底数和极限施放条件,并修正干扰弹烟幕扩散方程。针对现有干扰弹作用过程形成的烟幕,烟幕透明特性和纹理各不相同,通用性较差,为能精准提取烟幕的烟幕轮廓和运动特征,提出一种基于卷积神经网络、烟幕时空特征的混合方法。该方法主要分为5个阶段:对YUV色彩空间的对比度调整;应用了差帧法检测输入视频图像序列的运动区域,设计了卷积神经网络体系结构框架,将运动区域通过卷积神经网络识别烟幕候选区域;根据烟幕的时空特征,从每个候选区域进一步识别烟幕候选区域;采用了支持向量机分类器,利用提取的特征对真实烟幕区域与非烟幕区域进行分类;提取烟幕特征的参数。经试验验证,所建立的模型将烟幕识别准确度最低提高至99.94%,能有效满足修正干扰弹作用过程中的烟幕扩散方程,为干扰弹的定型试验和作战应用提供了有力支持。