【技术实现步骤摘要】
一种水面光学小目标快速检测与跟踪方法
本专利技术属于计算机视觉
，尤其涉及一种水面光学小目标快速检测与跟踪方法。
技术介绍
计算机视觉应用多种传感器代替视觉感官作为输入，而计算机作为对大脑的模拟处理输入。随着计算机计算能力的飞速发展，人类愈加依赖于通过计算机视觉分析视频内容，获取视频中有用的信息。其中，目标检测和跟踪是计算机视觉中极其重要的部分。目前，港口安全防御、无人艇障碍物检测、海上交通监控等领域都需要通过计算机视觉完成水面目标的检测与跟踪。在光照变化大、视野中存在多个水面目标时，如何对多个不同尺度的目标进行准确且快速的检测与跟踪是当前研究热点和难点问题。目前，目标检测的主流算法大多基于深度学习算法，其大体分为两类。第一类基于RegionProposal，包括SPP-net、FastR-CNN、FasterR-CNN等多类算法，其中FasterR-CNN的mAP高达78.8％，处理速度是三种算法中最快的，大约为5FPS，但仍然无法满足实时性要求；第二类是基于回归的预测，包括YOLO、SSD等多类算法，该类算法具有受背景干扰小、检测速度快等优点，适合开放环...
【技术保护点】
1.一种水面光学小目标快速检测与跟踪方法，其特征在于：包含如下步骤：步骤(1)：水面小目标快速检测；步骤(2)：关键帧目标模型生成；步骤(3)：关键帧间各向异性带宽自适应目标快速跟踪。
【技术特征摘要】
1.一种水面光学小目标快速检测与跟踪方法，其特征在于：包含如下步骤：步骤(1)：水面小目标快速检测；步骤(2)：关键帧目标模型生成；步骤(3)：关键帧间各向异性带宽自适应目标快速跟踪。2.根据权利要求1所述的一种水面光学小目标快速检测与跟踪方法，其特征在于：所述的步骤(1)具体为：步骤(1.1)：根据水面目标检测任务制作水面目标数据集，并添加标签，然后用水面目标数据集训练神经网络；步骤(1.2)：设计包含自底向上路径、自顶向下路径和横向连接、独立预测三个过程的特征金字塔网络，再设计基于特征金字塔网络的水面目标检测系统，用梯度下降法训练特征金字塔网络参数，直到损失函数达到收敛；步骤(1.3)：进行水面小目标快速检测，每隔n帧，将视频中的关键帧输入基于特征金字塔网络的水面目标检测系统中检测水面目标，保留结果中置信度大于阈值的目标，并用非极大抑制剔除重叠目标，得到关键帧目标，并记录关键帧目标的位置和类别信息。3.根据权利要求2所述的一种水面光学小目标快速检测与跟踪方法，其特征在于：所述的步骤(1.2)具体为：步骤(1.2.1)：设计特征金字塔网络的自底向上路径：将去掉最后一个卷积层的Darknet19作为自底向上的基础网络，将自底向上的基础网络中产生的网络输出尺度相同的许多层视为同一个网络阶段，共有{C1，C2，C3，C4，C5}五个网络阶段；用每个网络阶段的最后一层的输出创建特征金字塔层；且在特征金字塔层中剔除C1网络阶段的输出；步骤(1.2.2)：设计特征金字塔网络的自顶向下路径和横向连接：自顶向下模块Tj,i用放大倍数为2的最近邻插值法采样在空间上更粗糙、语义上更强的高金字塔层得到横向连接模块Li是一个1×1的卷积层，处理后得到然后将对应的与融合得到在后加入3×3的卷积层；加入1×1×256的卷积层将特征金字塔层的深度固定为256；生成最终的特征映射层{P2，P3，P4}；步骤(1.2.3)：设计特征金字塔网络的独立预测：在P2、P3、P4三种尺度不同的特征映射层后分别添加卷积层，并共享添加的卷积层的参数；每个特征映射层定义三种尺度的锚点，并在大尺度特征映射层使用小尺度特征映射层的锚点；每个锚点在原图上的宽高固定，并按比例缩小到特征映射层；步骤(1.2.4)：对于每个金字塔层，根据训练中得到的目标信息与真实目标信息计算损失函数：上式中，当标注目标的中心点落在金字塔层的第i个格子上，且格子i上的第j个锚点与目标IOU最大，则该锚点负责预测目标，此时取1，否则取0；l代表金字塔层的序列号；l.w，l.h代表金字塔层的宽度和高度，l.n代表每个格子的锚点个数；(x，y)是目标实际中心点坐标，w是目标实际宽，h是目标实际高；Ci是置信度；pi...
【专利技术属性】
技术研发人员：盛明伟，金巧园，万磊，王卓，秦洪德，唐松奇，佟鑫，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。