本发明涉及目标智能识别领域，具体是融合多源信息的打击目标智能识别方法和系统。
背景技术：
1、在城市战场中，打击系统经常会面临打击目标迅速穿过街道、进入建筑物间隙或在复杂交通中伪装的情况。特别是当一些打击目标是车辆时，车辆由于其灵活性，可以随时进入一些遮蔽区域，如隧道、桥下或高楼之间的狭窄街道等来躲避追踪和打击。
2、传统的目标识别系统在面对打击目标进入隐蔽区域后，难以进行持续追踪并精确锁定目标，因此也就不能准确定位打击目标位置和移动路径，容易造成短暂丢失目标或目标识别错误，导致打击精度下降或丢失目标。因此，亟需一种融合多源信息的打击目标智能识别方法，即使打击目标在城市环境中进入复杂的遮蔽区域，打击系统依然可以准确地追踪并重新识别目标，减少丢失目标的风险，同时提高打击的精度和实时性。
技术实现思路
1、（1）要解决的技术问题
2、本发明的目的在于提供融合多源信息的打击目标智能识别方法和系统，以解决打击目标进入隐蔽区域后，难以进行持续追踪并精确锁定目标，因此也就不能准确定位打击目标位置和移动路径，容易造成短暂丢失目标或目标识别错误，导致打击精度下降或丢失目标问题。
3、（2）技术方案
4、为实现上述目的，一方面，本发明提供了融合多源信息的打击目标智能识别方法，所述方法包括：
5、s1、获取目标识别系统中的初始城市区域信息，通过目标识别系统的传感器获取实时城市区域信息，将所述初始城市区域信息和实时城市区域信息构建城市区域的实时三维模型，根据所述城市区域的实时三维模型获取遮挡区域的分布信息。
6、s2、获取打击目标的检测数据并记为第一数据，将所述第一数据通过数据融合方法得到所述打击目标的特征信息；将所述打击目标的特征信息与所述遮挡区域的分布信息进行空间对比分析预测打击目标进入的遮挡区域。
7、s3、获取所述打击目标的运动数据和所述遮挡区域的数据，并通过动态滤波算法预测所述打击目标在所述遮挡区域的预测移动轨迹；通过所述预测移动轨迹和所述打击目标的特征信息得到所述打击目标在所述遮挡区域的实时位置。
8、s4、当所述打击目标的实时位置为离开所述遮挡区域时，则目标识别系统获取所述打击目标离开所述遮挡区域时的检测数据并记为第二数据，将所述第二数据通过特征匹配算法得到识别结果，当所述识别结果为无法确认打击目标时，则目标识别系统触发矫正机制。
9、进一步地，所述获取所述打击目标的运动数据和所述遮挡区域的数据，并通过动态滤波算法预测所述打击目标在所述遮挡区域的预测移动轨迹；通过所述预测移动轨迹和所述打击目标的特征信息得到所述打击目标在所述遮挡区域的实时位置的方法包括：
10、所述第一数据包括光学数据、红外数据和雷达数据，将所述第一数据通过多模态数据融合算法构建打击目标多模态特征融合模型，根据所述打击目标多模态特征融合模型得到打击目标的特征信息。
11、所述打击目标的运动数据包括历史移动轨迹、移动速度、加速度，所述遮挡区域的数据为遮挡区域的几何特征，所述动态滤波算法为采用粒子滤波算法预测得到所述打击目标在遮挡区域的预测移动轨迹；当所述打击目标进入遮挡区域后，将对所述打击目标进行特征提取得到有限特征信息并通过深度学习模型补全缺失特征信息得到打击目标的预估特征信息。
12、获取所述打击目标进入遮挡区域前的特征信息并记为历史特征信息，将所述打击目标的预估特征信息与所述历史特征信息通过余弦相似度计算方法得到相关系数，当所述相关系数当大于预设的相关阈值时，则获取所述打击目标的当前位置并记为实时位置；当所述相关系数小于预设的相关阈值时，则根据所述预测移动轨迹预测的当前位置并记为实时位置。
13、进一步地，所述方法还包括：
14、将所述第二数据进行数据预处理得到第三数据，所述数据预处理包括图像增强、噪声过滤；所述特征匹配算法为通过将所述第三数据与所述历史特征信息进行计算相似度，当所述相似度大于预设的相似阈值，则所述识别结果为确认打击目标；当所述相似度小于预设的相似阈值，则所述识别结果为无法确认打击目标。
15、进一步地，所述方法还包括：
16、当所述打击目标处于遮挡区域时设置滑动时间窗口，当所述打击目标在滑动时间窗口内出现完全伪装时，则在所述打击目标重新出现时，提高目标识别系统的检测频率。
17、进一步地，所述方法还包括：
18、所述滑动时间窗口的大小根据所述打击目标的运动数据和遮挡区域的数据进行自适应调整。
19、所述完全伪装为目标识别系统无法捕捉所述打击目标的特征信息；通过隐马尔可夫模型进行时序预测得到打击目标重新出现的时间和位置；根据所述打击目标重新出现的时间和位置通过非线性控制算法调整传感器的检测频率。
20、进一步地，所述目标识别系统触发矫正机制的方法包括：
21、所述矫正机制为特征重构校准，所述特征重构校准为通过获取打击目标在进入和离开遮挡区域时的动态环境因素变化，根据所述动态环境因素变化自适应调整检测数据的权重进行重新数据融合并重新识别打击目标。
22、进一步地，所述将所述打击目标的特征信息与所述遮挡区域的分布信息进行空间对比分析预测打击目标进入的遮挡区域的方法包括：
23、将所述打击目标的特征信息与所述遮挡区域的分布信息映射到同一坐标系下进行空间对比分析；所述空间对比分析为获取所述打击目标当前的运动数据并通过动态滤波算法得到预测实时移动轨迹，将所述预测移动轨迹通过空间距离计算方法分析所述预测实时移动轨迹与所述遮挡区域的是否存在交点，若所述预测实时移动轨迹与所述遮挡区域存在交点，则将所述遮挡区域记为打击目标进入的遮挡区域。
24、基于同一发明构思，本发明还提供了融合多源信息的打击目标智能识别系统，所述系统包括：遮挡区域的分布信息分析模块、遮挡区域获取模块、实时位置获取模块、目标识别管理模块，各个模块之间依次通讯连接；
25、遮挡区域的分布信息分析模块，用于获取目标识别系统中的初始城市区域信息，通过目标识别系统的传感器获取实时城市区域信息，将所述初始城市区域信息和实时城市区域信息构建城市区域的实时三维模型，根据所述城市区域的实时三维模型获取遮挡区域的分布信息。
26、遮挡区域获取模块，用于获取打击目标的检测数据并记为第一数据，将所述第一数据通过数据融合方法得到所述打击目标的特征信息；将所述打击目标的特征信息与所述遮挡区域的分布信息进行空间对比分析预测打击目标进入的遮挡区域。
27、实时位置获取模块，用于获取所述打击目标的运动数据和所述遮挡区域的数据，并通过动态滤波算法预测所述打击目标在所述遮挡区域的预测移动轨迹；通过所述预测移动轨迹和所述打击目标的特征信息得到所述打击目标在所述遮挡区域的实时位置。
28、目标识别管理模块，用于当所述打击目标的实时位置为离开所述遮挡区域时，则目标识别系统获取所述打击目标离开所述遮挡区域时的检测数据并记为第二数据，将所述第二数据通过特征匹配算法得到识别结果，当所述识别结果为无法确认打击目标时，则目标识别系统触发矫正机制。
29、（3）有益效果
30、与现有技术相比，本发明的有益效果是：
31、1.通过融合光学数据、红外数据和雷达数据的多模态数据，目标识别系统能够利用不同模态的数据优势，并通过自适应加权算法根据每个模态的匹配系数动态调整权重系数，确保融合后的目标特征信息更为准确。
32、2.利用动态滤波方法在目标进入遮挡区域时，依据运动数据和特征信息进行预测分析，精确推算出打击目标的移动轨迹和位置，并且结合滑动时间窗口机制动态调整传感器的检测频率，保证打击目标重新出现在可见区域时能及时识别，减少了目标丢失的可能性。
1.融合多源信息的打击目标智能识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的融合多源信息的打击目标智能识别方法，其特征在于，所述获取所述打击目标的运动数据和所述遮挡区域的数据，并通过动态滤波算法预测所述打击目标在所述遮挡区域的预测移动轨迹；通过所述预测移动轨迹和所述打击目标的特征信息得到所述打击目标在所述遮挡区域的实时位置的方法包括：
3.根据权利要求2所述的融合多源信息的打击目标智能识别方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的融合多源信息的打击目标智能识别方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的融合多源信息的打击目标智能识别方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的融合多源信息的打击目标智能识别方法，其特征在于，所述目标识别系统触发矫正机制的方法包括：
7.根据权利要求1所述的融合多源信息的打击目标智能识别方法，其特征在于，所述将所述打击目标的特征信息与所述遮挡区域的分布信息进行空间对比分析预测打击目标进入的遮挡区域的方法包括：
8.融合多源信息的打击目标智能识别系统，其特征在于，所述系统包括：遮挡区域的分布信息分析模块、遮挡区域获取模块、实时位置获取模块、目标识别管理模块，各个模块之间依次通讯连接；
