基于背景消除法的船只检测模型训练及船只跟踪方法技术

本发明专利技术提供一种基于背景消除法的船只检测模型训练及船只跟踪方法，其中，基于背景消除法的船只检测模型训练方法，包括：获取船只图像训练样本，所述船只图像训练样本为根据背景消除法提取出的船只图像；根据所述船只图像训练样本对神经网络模型进行训练，获取所述神经网络模型的输出向量；根据所述船只图像训练样本对应的实际结果及所述输出向量计算所述神经网络模型的损失；对所述损失进行梯度反转；根据梯度反转后的损失调整所述神经网络模型的权重参数，构建船只检测模型。通过实施本发明专利技术，能够实现增高其船只检测的准确率，实现了快速准确地对船只图像的检测，以及提高了对船只跟踪的准确率。

【技术实现步骤摘要】
基于背景消除法的船只检测模型训练及船只跟踪方法
本专利技术涉及计算机视觉领域，具体涉及一种基于背景消除法的船只检测模型训练及船只跟踪方法。
技术介绍
随着水上交通、渔业管理的蓬勃发展，对船只的检测与跟踪也日益受到重视。船只作为一种重要的交通运输工具，被运用到方方面面，为了保证船只的安全以及掌握船只的航行状态，对船只的跟踪必不可少。如何准确快速地跟踪船只成为了一个亟需解决的问题。
技术实现思路
因此，本专利技术要解决的技术问题在于如何准确快速地跟踪船只，从而提供基于背景消除法的船只检测模型训练及船只跟踪方法。根据第一方面，本专利技术实施例提供一种基于背景消除法的船只检测模型训练方法，包括：获取船只图像训练样本，所述船只图像训练样本为根据背景消除法提取出的船只图像；根据所述船只图像训练样本对神经网络模型进行训练，获取所述神经网络模型的输出向量；根据所述船只图像训练样本对应的实际结果及所述输出向量计算所述神经网络模型的损失；对所述损失进行梯度反转；根据梯度反转后的损失调整所述神经网络模型的权重参数，构建船只检测模型。结合第一方面，在第一方面第一实施方式中，所述船只图像训练样本为根据背景消除法提取的船只图像，包括：截取出现船只数量低于第一阈值的图片序列；对所述图片序列求取图片均值，将求取的所述图片均值作为背景模型；根据所述背景模型，得到船只图像训练样本。结合第一方面，在第一方面第二实施方式中，基于背景消除法的船只检测模型训练方法，还包括：获取船只图像测试样本，所述船只图像测试样本为根据所述背景消除法提取出的船只图像；根据所述船只图像测试样本及所述基于背景消除法的船只检测模型得到测试结果；根据所述测试结果判断所述基于背景消除法的船只检测模型的准确率是否高于预设阈值；当所述基于背景消除法的船只检测模型的准确率高于所述预设阈值，将所述基于背景消除法的船只检测模型确定为可用的基于背景消除法的船只检测模型。根据第二方面，本专利技术实施例提供一种船只跟踪方法，包括如下步骤：获取船只视频图像，利用背景消除法在所述船只视频图像中提取出船只图像；将所述船只图像输入至预设的基于背景消除法的船只检测模型，得到船只检测结果；所述预设的船只检测模型通过如第一方面或第一方面任一实施方式所述的基于背景消除法的船只跟踪模型训练方法训练生成；将所述船只检测结果利用目标算法进行关联，得到所述船只的运行轨迹。结合第二方面，在第二方面第一实施方式中，所述将所述船只检测结果利用目标算法进行关联，得到所述船只的运行轨迹的步骤，包括：获取当前视频图像的所述船只检测结果与下一视频图像的各个所述船只检测结果的匹配权重；选取下一视频图像中匹配权重的最大值所在的所述船只检测结果，进行数据关联；当选取的所述匹配权重的最大值所在的所述船只检测结果已被关联，则减小所述匹配权重，重新选取下一所述视频图像中与减小后的所述匹配权重的最大值所在的所述船只检测结果，进行数据关联。结合第二方面第一实施方式，在第二方面第二实施方式中，所述获取当前视频图像的所述船只检测结果与下一视频图像的各个所述船只检测结果的匹配权重，包括：获取船只的运动参数，根据所述运动参数预测所述船只运动轨迹，得到船只预测位置；根据所述船只预测位置与所述船只检测结果判断运动匹配程度；根据最小余弦距离判断相邻所述船只检测结果的外观匹配程度；根据所述运动匹配程度和所述外观匹配程度确定所述匹配权重。根据第三方面，本专利技术实施例提供一种基于背景消除法的船只跟踪模型训练装置，包括：样本获取模块，用于获取船只图像训练样本，所述船只图像训练样本为根据背景消除法提取出的船只图像；向量获取模块，用于根据所述船只图像训练样本对神经网络模型进行训练，获取所述神经网络模型的输出向量；损失计算模块，用于根据所述船只图像训练样本对应的实际结果及所述输出向量计算所述神经网络模型的损失；梯度反转模块，用于对所述损失进行梯度反转；模型构建模块，用于根据梯度反转后的损失调整所述神经网络模型的权重参数，构建船只检测模型。根据第四方面，本专利技术实施例提供一种船只跟踪装置，包括：视频图像获取模块，用于获取船只视频图像，利用背景消除法在所述船只视频图像中提取出船只图像；检测模块，用于将所述船只图像输入至预设的基于背景消除法的船只检测模型，得到船只检测结果；所述预设的船只检测模型通过如第一方面或第一方面任一实施方式所述的基于背景消除法的船只跟踪模型训练方法训练生成；关联模块，用于将所述船只检测结果利用目标算法进行关联，得到所述船只的运行轨迹。根据第五方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面或第一方面任一实施方式所述的基于背景消除法的船只跟踪模型训练方法或第二方面或第二方面任一实施方式所述的船只跟踪方法的步骤。根据第六方面，本专利技术实施例提供一种存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面或第一方面任一实施方式所述的基于背景消除法的船只跟踪模型训练方法或第二方面或第二方面任一实施方式所述的船只跟踪方法的步骤。本专利技术技术方案，具有如下优点：1.本专利技术提供的基于背景消除法的船只检测模型训练方法及装置，对船只图像训练样本根据背景消除法提取出船只图像，对通过背景消除法提取的船只图像进行神经网络模型训练，从而构建船只检测模型，由于由背景消除法消除背景后的船只图像的特征更加明显，将该船只图像利用船只检测模型进行检测，能够增高其船只检测的准确率，实现了快速准确地对船只图像的检测，以便于后续对船只的快速跟踪。2.本专利技术提供的基于背景消除法的船只检测模型训练方法及装置，利用一个图片序列的均值作为背景模型，建立的背景模型的有效性更高，更加能够还原实际的背景模型，提高了基于背景消除法的船只检测模型的准确率。3.本专利技术提供的测试集用于测试训练好的神经网络模型的准确性，选取满足准确率条件的神经网络模型，给予了神经网络模型选择的指标，有利于神经网络模型的验证与选择。4.本专利技术提供的船只跟踪方法及装置，将经过背景消除的船只图像输入上述的基于背景消除法的船只检测模型，再根据目标算法对船只检测结果进行关联，实现了快速准确地对船只进行跟踪。5.本专利技术提供的利用运动匹配程度和外观匹配程度确定匹配权重，既考虑了船只的运动情况，又考虑了外观匹配度，使得到的匹配权重的匹配度更高。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例中基于背景消除法的船只检测模型训练方法的一个具体示例的流程图；图2为本专利技术实施例中船只跟踪方法的一个具体示例的流程图；图3为本专利技术实施例中船只跟踪方法的一个具体示例图；图4为本专利技术实施例中基于本文档来自技高网...

【技术保护点】
1.一种基于背景消除法的船只检测模型训练方法，其特征在于，包括：/n获取船只图像训练样本，所述船只图像训练样本为根据背景消除法提取出的船只图像；/n根据所述船只图像训练样本对神经网络模型进行训练，获取所述神经网络模型的输出向量；/n根据所述船只图像训练样本对应的实际结果及所述输出向量计算所述神经网络模型的损失；/n对所述损失进行梯度反转；/n根据梯度反转后的损失调整所述神经网络模型的权重参数，构建船只检测模型。/n

【技术特征摘要】
1.一种基于背景消除法的船只检测模型训练方法，其特征在于，包括：
获取船只图像训练样本，所述船只图像训练样本为根据背景消除法提取出的船只图像；
根据所述船只图像训练样本对神经网络模型进行训练，获取所述神经网络模型的输出向量；
根据所述船只图像训练样本对应的实际结果及所述输出向量计算所述神经网络模型的损失；
对所述损失进行梯度反转；
根据梯度反转后的损失调整所述神经网络模型的权重参数，构建船只检测模型。


2.根据权利要求1所述的方法，其特征在于，所述船只图像训练样本为根据背景消除法提取的船只图像，包括：
截取出现船只数量低于第一阈值的图片序列；
对所述图片序列求取图片均值，将求取的所述图片均值作为背景模型；
根据所述背景模型，得到船只图像训练样本。


3.根据权利要求1所述的方法，其特征在于，还包括：
获取船只图像测试样本，所述船只图像测试样本为根据所述背景消除法提取出的船只图像；
根据所述船只图像测试样本及所述基于背景消除法的船只检测模型得到测试结果；
根据所述测试结果判断所述基于背景消除法的船只检测模型的准确率是否高于预设阈值；
当所述基于背景消除法的船只检测模型的准确率高于所述预设阈值，将所述基于背景消除法的船只检测模型确定为可用的基于背景消除法的船只检测模型。


4.一种船只跟踪方法，其特征在于，包括如下步骤：
获取船只视频图像，利用背景消除法在所述船只视频图像中提取出船只图像；
将所述船只图像输入至预设的基于背景消除法的船只检测模型，得到船只检测结果；所述预设的船只检测模型通过如权利要求1至3任一所述的基于背景消除法的船只跟踪模型训练方法训练生成；
将所述船只检测结果利用目标算法进行关联，得到所述船只的运行轨迹。


5.根据权利要求4所述的船只跟踪方法，其特征在于，所述将所述船只检测结果利用目标算法进行关联，得到所述船只的运行轨迹的步骤，包括：
获取当前视频图像的所述船只检测结果与下一视频图像的各个所述船只检测结果的匹配权重；
选取下一视频图像中匹配权重的最大值所在的所述船只检测结果，进行数据关联；
当选取的所述匹配权重的最大值所在的所述船只检测结果已被关联，则减小所述匹...

【专利技术属性】
技术研发人员：邓练兵，邹纪升，逯明，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44