针对未来战场感知体系的自动化和智能化的需求，设计出了一种基于深度学习的战场红外目标检测系统。近年来随着深度卷积神经网络在图像识别领域的广泛应用，因此将这项新技术应用于军事目标检测具有极强的现实意义。系统通过红外成像机芯采集红外图像，使用图像采集卡实时传输图像数据，最后在主机端利用深度卷积神经网络进行目标检测。以YOLOv3算法作为基础，以某款金属车辆模型为例，采集该型车辆的红外图像数据并制作相应的数据集，训练得到相应的检测内核。通过实验证明，检测速度可达在30 帧/秒以上，且在fps达到30的前提下平均识别精度达到70%以上，不仅具有很好的实时性、准确性，对各种环境变化具有较好的鲁棒性，验证了该系统的可行性和军事应用价值。
2021-09-06 11:21:05
1.46MB
1