基于多无人平台的新疆地区暴恐事件中的目标识别与跟踪系统研究

Based on the multi-unmanned platform, the target recognition and tracking system is of great significance to the national security and the anti-terrorism and stability of the Xinjiang region.The main research contents are as follows: the framework of target recognition and tracking system based on multi-person platform horror events,the target autonomous identification algorithm in Xinjiang regional horror events,research on target  tracking system based on multi unmanned platform in Xinjiang area,Research on Algorithm of Moving Target Information Transmission in Unmanned Platform and Command and Control Center.Innovation point: the establishment of abnormal events in Xinjiang region for the identification of abnormal events, lay the foundation for the early warning mechanism, put forward the horror of the suspects in the motion detection method; proposed multiple unmanned platform moving target adaptive tracking method to adapt the mutable forms of terrorism in Xinjiang area.This project will be a breakthrough in theory and technology, the use of mult- unmanned platform, for fear of violent incidents in Xinjiang before the incident early warning, lay the foundation in the process of real-time monitoring and tracking criminals after the incident.

基于多无人平台运动目标识别与跟踪系统对国家安全和新疆地区的反恐维稳、长治久安等有重大的意义。针对运动目标识别与跟踪方法对新疆地区暴恐事件识别能力不足及对新疆地区复杂地势的适应性不强，课题提出利用多无人平台的优势进行特定地区的运动目标识别与跟踪。主要研究内容：建立基于多无人平台暴恐事件中的目标识别与跟踪系统构架；新疆地区暴恐事件中的目标自主识别算法研究；基于多无人平台的新疆地区暴恐事件中的目标跟踪算法研究；多无人平台与控制中心的运动目标信息传输策略研究。创新点：针对新疆地区暴恐事件的特点建立异常事件识别方法，为预警机制奠定基础，提出暴恐事件中可疑目标的运动检测方法；提出基于多无人平台的运动目标自适应跟踪方法以适应新疆地区暴恐事件多变的形式。本课题将在理论和技术上有所突破，利用多无人平台的优势，为实现新疆暴恐事件发生前的预警、事件发生过程中的实时监控以及事件发生后犯罪分子的追踪奠定基础。

基于多无人平台的运动目标识别与跟踪系统对科学研究和新疆地区长治久安具有重要意义。本项目基于多无人平台，建立适合新疆地区复杂地势条件下可疑目标的自动识别与跟踪系统，对运动目标实时、准确的识别与追踪，实现异常事件发生前的预警、事件发生过程中的实时监控以及事件发生后可疑目标追踪。项目主要研究内容如下：1）基于无人平台的目标自主识别方法研究，本项目研究多无人平台中网络模型以提升目标识别与跟踪有效性。行人再识别技术以服务大数据智慧城市与安防。行人再识别起源于多摄像头跟踪，被广泛应用于智能视频监控、安保、刑侦等领域。项目组提出全局与局部信息相结合的注意力机制，并且提出自适应加权度量学习策略；2）研究多源信息综合利用和多源信息融合技术，为了进一步解决无监督跨模态检索语义重构问题，项目组提出新颖的深度语义预留重构哈希算法，该算法结合了空间和通道语义信息，并基于自适应自编码和联合语义重构损失挖掘模态语义信息。基于低秩张量去捕获高阶上下文语义、 设计多模态语义重构损失保留多模态信息的语义相关性；3）实现运动目标信息的有效传输、高效存储和快速检索，为了进一步提高目标识别算法的有效性和安全性，本项目提出一种基于非对称残差哈希和DNA编码技术的目标识别方案。具体来说，首先提出一种用于图像检索的非对称残差哈希算法，以提高目标识别有效性，然后采用5-D超混沌系统来保护数据隐私；4）基于无人平台的运动目标检测与跟踪算法研究，本项目着重研究基于深度学习和相关滤波的单目标跟踪算法，分析卷积神经网络在图像表征中的新思想，设计融合的特征提取器，提出一种集成的目标跟踪框架。这是一种用于视觉跟踪的自适应时空上下文学习方法，该方法整合了HOG和CN特征，以获取精确的目标外观描述。总之，本项目研究了目标自主识别算法和目标跟踪方法，建立了基于多无人平台的运动目标识别与跟踪系统框架。