基于深度神经网络的火箭图像目标识别与跟踪

火箭图像目标识别与跟踪是图像目标识别的重要应用领域,是实现火箭测试发射、飞行控制的重要支撑,对火箭目标跟踪、姿态分析控制具有重要意义。上升段的火箭目标视频图像跟踪是火箭飞行测控的重要阶段,但目前对火箭上升段的视频图像跟踪主要依靠人工手动操作云台控制器,图像跟踪存在跟踪滞后、画面抖动等问题,跟踪效果受人为因素影响较大。结合全卷积理论和深度学习方法,提出一种基于全卷积深度神经网络的火箭图像目标识别与跟踪方法,采集火箭发射及上升段的图像作为样本,构建、训练全卷积网络模型,采用端到端的语义分割方法,在深度分类网络的基础上,实现火箭目标在像素级别上的语义判断,具有较好的识别率和鲁棒性。在火箭目标识别的基础上建立云台控制模型,通过对云台的智能控制获得火箭上升段的高质量图像,完成对火箭目标的跟踪。