摘要

为提高复杂背景下红外小目标的检测能力,提出了一种改进SSD(single shot multiBox detector)与DSST(discriminative scale space tracker)的红外小目标检测算法。在SSD基础网络中加入通道-空间注意力机制与特征金字塔FPN(feature pyramid network)算法,增强深层网络的语义信息,优化目标感受野,利用卷积计算目标特征信息来增强小目标的检测能力;通过尺度判别的DSST方法,解决目标丢失问题,实现连续帧目标的稳定检测。针对小目标在复杂背景下的检测,在PC端和嵌入式ZYNQ平台搭建了能够进行目标融合、目标轨迹设定、目标识别与跟踪的模拟系统,通过不同目标在复杂背景下的叠加融合实现预设场景的高效模拟与测试,避免复杂外场测试实验,评测算法效能。实验分析表明,所提算法在检测存在其他移动目标和干扰噪点的背景区域时,能够有效识别小目标,不同背景区域内多帧检测的AP(average precision)值为98.17%,相较于传统的SSD算法提升了11.28%,体现了算法的有效性。

全文