一种基于YOLO网络的空中目标机动动作识别方法与系统

专利主权项内容

1.一种基于YOLO网络的空中目标机动动作识别方法，其特征在于，包括以下步骤：将空中目标的航迹时间序列D＝{d，d，...，d，...d}输入基于YOLOv5改进的神经网络模型，根据设置的训练相关参数对神经网络模型进行训练；其中d＝(x，y，z，v，θ，ψ)是在时刻t处的空中目标飞行参数向量，分别是空间位置坐标x，y，z、速度v、倾角θ和方位角ψ，T为时间序列长度；所述神经网络模型包括输入、主干、颈部和头部四个部分，输入部分通过差分运算对输入数据进行处理，使输入网络的飞行参数缩小至固定的区间；主干部分从不同尺度的输入数据中提取特征；颈部由Fpn和Pan两个结构组成，融合多尺度特征向量的信息；头部通过卷积对颈部的多尺度特征向量集进行正则化处理，产生三个特征向量集；其中输入的数据按时间被均等划分为N个时间间隔，当空中目标机动的时间中心落在第n个时间间隔内时，对应的特征向量负责识别机动，/>和/>分别表示预测机动的开始时间、结束时间、置信度以及机动类别为j的概率；12tTttttttt将待识别的空中目标的航迹时间序列输入训练好的神经网络模型，由神经网络模型给出多类别识别结果，利用非极大值抑制算法对神经网络模型的多类别识别结果进行过滤，经非极大值抑制过滤后得到的识别结果作为空中目标机动的最终识别结果。