Devido à fraca capacidade de reconhecimento de alvos por equipamentos de vídeo e fotometria ineficientes, é proposto um método que utiliza uma enorme quantidade de dados de vídeo para estabelecer um banco de dados e, em seguida, construir um sistema de reconhecimento de alvos infravermelhos. Primeiro, um algoritmo rápido de detecção de alvos infravermelhos é projetado para extrair e classificar os alvos e estabelecer o banco de dados; depois, em combinação com tarefas específicas, é estabelecido um conjunto de redes neurais convolucionais bem ajustadas e estruturalmente diferentes, e é proposta uma estratégia de seleção baseada na análise estatística da média de precisão dos testes e na escala dos parâmetros, para selecionar redes neurais convolucionais com boa capacidade de generalização, estrutura simples e um número adequado de épocas de treinamento; por fim, o modelo preferido e seus parâmetros são carregados como um classificador, e em conjunto com o detector, realiza a detecção e classificação em tempo real de eventos característicos de alvos infravermelhos. Os resultados da simulação mostram que a precisão média de classificação dos alvos pode atingir mais de 95%, com uma taxa de cerca de 50 pixels/s. O design da estrutura da rede neural convolucional e a estratégia de seleção são eficazes, e o sistema construído pode atender aos requisitos de precisão e tempo real do reconhecimento de alvos infravermelhos.

Dados massivos de vídeo;Rede neural convolucional;Estratégia de seleção;Reconhecimento de alvos infravermelhos