基于多源信息融合的空中集群目标跟踪系统关键技术研究.pdfVIP

摘要

随着空中集群目标在军事、安防等领域的广泛应用，对其实时且高精度地进行检测与

跟踪已成为一项关键而具有挑战性的任务。传统方法在面对远距离观测、复杂背景干扰以

及多目标交互等场景时，难以有效保证检测与跟踪的精度与稳定性。为此，本文提出融合

红外图像、可见光图像和激光雷达测距信息的方法，以提升空中集群目标的检测精度与跟

踪能力。

1）针对多源数据难以时空同步与有效融合的问题，提出一种多源信息融合算法。通

过多传感器时空同步、图像配准和特征级融合等技术，本研究有效应对了不同传感器数据

之间的融合难题。本文探讨了时间同步和空间同步技术，研究了一种基于多尺度变换的自

适应图像融合方法，并利用非下采样轮廓波变换(NonsubsampledContourletTransform，

NSCT）实现了图像的多尺度、多方向分解。针对低频和高频分量，采用差异化的权重分

配策略，进而通过逆变换重构出融合图像，并进一步融合激光雷达测距信息以实现三维目

标定位。最终构建了一个高效的多源信息融合框架，有效解决了空中集群目标检测和跟踪

中存在的多源数据同步与融合难题，提升了检测与跟踪的准确性。

2）针对弱小空中目标在复杂背景中易被遮掩的问题，提出一种融合灰度与梯度信息

的多尺度联合增强目标检测算法。开展了基于融合图像的检测算法研究，构建以局部均值

为基础的对比度响应模型，引入基于图像梯度的响应图，对前述对比度响应进行加权，有

效压制边缘与纹理干扰，突出弱小目标响应。本文自建多模态仿真平台，设计了典型的集

群目标飞行场景，并开展了多组检测实验。实验结果表明，所提出方法具有较强的鲁棒性

与实用性：在目标聚集与交叉场景中，融合图像的检测精度和召回率较单源红外图像分别

提高了4.1%和3.9%；在协同编队场景中，检测精度和召回率分别提高了4.1%和3.8%，

结果表明，融合图像提升了检测性能，验证了其在弱小目标检测任务中的有效性与适用性。

3）针对传统二维跟踪方法缺乏深度信息，目标身份一致性差的问题，提出一种基于

多模态数据融合的三维目标跟踪算法，命名为FusionTrack3D。构建了融合多源传感信息

的三维状态估计模型，并引入卡尔曼滤波器对目标的空间位置与运动状态进行动态估计

与优化建模。在此基础上，提出结合JPDA的分阶段数据关联方法，以增强多目标跟踪中

的身份一致性保持能力。实验结果表明，FusionTrack3D在目标聚集与交叉、协同编队两

类场景下，较二维跟踪方法DeepSORT在Precision、Recall和MOTA指标上均取得更高

跟踪性能，最大提升幅度分别为3.7%、3.5%和4.8%，表明三维状态估计与多模态融合方

法在空中集群目标跟踪中具有一定优势。

关键词：多源信息融合；空中集群目标；目标检测；多目标跟踪

Abstract

Withthegrowingdeploymentofaerialswarmtargetsinmilitaryandsecuritydomains,

achievingreal-timeandhigh-precisiondetectionandtrackinghasbecomeacriticalyet

challengingtask.Traditionalapproachesoftenfallshortinscenariosinvolvinglong-range

observation,complexbackgroundinterference,andmulti-targetinteractions,leadingtoreduced

accuracyandstability.Toaddressthesechallenges,thisstudyproposesamultimodalfusion

frameworkthatintegratesinfraredimagery,visibleimagery,andlaserrangingdatatoen