摘要
本发明基于深度学习的雷达与红外图像融合的目标识别系统,方法包括:对毫米波雷达点云图进行处理,转换为二维雷达图像;在图像融合之前,对雷达图像进行非下采样轮廓波变换处理,对红外图像进行小波变换去噪处理,主要目的为去除图像的噪声干扰;对雷达图像采用恒虚警检测,目的为增强雷达图像特征,提高识别准确度;对红外图像进行标注,采用YOLOv12算法进行训练,对增强处理后的雷达图像进行标注,使用YOLOv12进行训练;根据准确率赋予权重,进行决策级融合,输出图像。本发明通过融合多模态图像,并通过增强去噪处理提高了对目标识别准确性。
技术关键词
识别系统
雷达图像分类
小波变换去噪
图像分类模型
恒虚警检测
噪声水平估计
车辆CAN总线
算法模型训练
多普勒
动态权重分配
轮廓波变换
软阈值函数
笛卡尔坐标系
虚警概率
阈值算法
噪声方差
运动补偿
系统为您推荐了相关专利信息
冷挤压凹模
伺服气缸
六自由度机器人
物料托盘
上料机构
风电机组异常振动
噪声数据
噪声识别方法
振动噪声
执行存储器存储
面部特征融合
阵列式压力传感器
遮挡面部
深度学习架构
动态时间窗口
纹理图像识别方法
识别护照
时间卷积网络
分支
局部纹理特征