申请/专利权人：中国船舶集团有限公司第七二四研究所

申请日：2023-10-10

公开（公告）日：2024-03-29

公开（公告）号：CN117789043A

主分类号：G06V20/13

分类号：G06V20/13;G06V10/764;G06V10/774;G06V10/82;G06V20/40;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明属于雷达目标检测领域，涉及一种基于YOLOv3YouOnlyLookOnceVersion3的雷达视频数据海面目标检测方法。基于统计方法的雷达目标检测算法利用的目标特征较少，因此在虚假点迹抑制和粘连目标检测等方面的性能较弱。本发明基于YOLOv3网络，提出了一种基于YOLOv3的雷达视频数据海面目标检测方法。该方法针对雷达视频数据构建深度学习训练和测试集，以DarkNet为基础结构，引入残差模块增加网络深度，利用多尺度特征，从而提高对海雷达视频数据目标检测能力。

主权项：1.一种基于YOLOv3的雷达视频数据海面目标检测方法，其特征在于，包括如下步骤：步骤1：对于对海探测雷达射频前端采集的原始数字中频回波，进行IQ解调和异常剔除处理，得到雷达复数回波数据；基于雷达系统参数，完成此复数回波数据的信号处理，包括脉冲压缩处理和取模操作，从而得到雷达视频数据；基于所述雷达视频数据，通过恒虚警检测和点迹凝聚处理，获取雷达目标检测点迹，完成雷达回波处理；步骤2：根据海面雷达目标检测需求，基于多帧雷达视频数据的恒虚警检测点迹数据，形成雷达对海探测目标标注信息，构建对海探测雷达目标检测数据集；根据使用场景和要求，对数据集中样本进行抽取，并划分为训练集和测试集；步骤3：使用DarkNet53作为主干网络结构实现雷达目标特征提取，构建YOLOv3网络，将检测样本输入DarkNet53网络；步骤4：采用YOLOv3网络对于训练集中的雷达目标检测样本进行训练；步骤5：使用测试集样本对于训练获取的目标检测器进行测试，记录测试指标；步骤6：查看迭代次数是否达到最大值，如果迭代次数没有达到最大值，调整网络权值，跳转步骤4；如果迭代达到最大值，进入步骤7；步骤7：根据记录的测试指标，输出在所有迭代中性能指标最优的目标检测器；目标检测器包括YOLOv3网络和相应的网络权值。

全文数据：

权利要求：

百度查询： 中国船舶集团有限公司第七二四研究所 一种基于YOLOv3的雷达视频数据海面目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD