【技术实现步骤摘要】
一种定位方法及装置
[0001]本申请涉及图像识别定位
，尤其涉及一种定位方法及装置。
技术介绍
[0002]随着船只数量越来越多，对船只进行有效监管是渔业产业健康发展、水域生态环境有效保护的重要途径，对船只进行监管的前提之一就是对船只进行定位。在对船只进行定位时首先要对船只图像进行识别，目前，船只识别技术主要以YOLO算法为主，YOLO算法将输入图像网格化，利用网格直接预测目标，检测速度较快，但是该算法略去候选区域选取，使得选取出来的船只图像精度较低，从而基于船只图像对船只的定位方法的准确性较低。
技术实现思路
[0003]本申请实施例提供一种定位方法及装置，以解决船只的定位方法中定位准确性较低的问题。
[0004]为了解决上述技术问题，本申请是这样实现的：第一方面，本申请实施例提供了一种定位方法。该方法包括:获取摄像机拍摄的目标定位区域内的第一全景图，并对所述第一全景图进行图像预处理操作，得到第二全景图；对所述第二全景图进行多尺度特征提取，得到多尺度特征图；对所述多尺度特征图进行特征图分框，...
【技术保护点】
【技术特征摘要】
1.一种定位方法，其特征在于，所述方法包括：获取摄像机拍摄的目标定位区域内的第一全景图，并对所述第一全景图进行图像预处理操作，得到第二全景图；对所述第二全景图进行多尺度特征提取，得到多尺度特征图；对所述多尺度特征图进行特征图分框，得到分框特征图；对所述分框特征图进行非极大值抑制，得到目标船只图；在所述目标船只图中的目标船只类别为预设船只类别的情况下，确定所述目标船只的位置。2.根据权利要求1所述的定位方法，其特征在于，所述对所述多尺度特征图进行特征图分框，得到分框特征图，包括：基于第一计算公式计算所述多尺度特征图的候选框参数；基于第二计算公式对所述候选框参数进行参数变换，得到变换参数；确定所述变换参数对应的候选框为所述分框特征图；其中，所述第一计算公式和所述第二计算公式均为第一神经网络模型的目标网络层中的计算公式，所述第一神经网络模型为预先训练的用于船只识别的模型，所述目标网络层为用于特征图分框的网络层；所述第一计算公式为：;;在所述第一计算公式中，表示所述多尺度特征图的候选框参数，表示所述第一神经网络模型从所述多尺度特征图中选取的像素点的坐标，表示以坐标为中心的矩形的宽度，表示以坐标为中心的矩形的高度，表示所述候选框参数所对应的候选框的尺寸，表示所述第一神经网络模型中初始时设置的候选框最小尺度的参数，表示所述第一神经网络模型中初始时设置的候选框最大尺度的参数，表示所述多尺度特征图中的多个不同尺度的特征图的数量，表示所述多尺度特征图中的特征图的序号，表示所述多尺度特征图中的第i个特征图，表示的尺寸，，表示依据所述多尺度特征图的不同大小的尺度所预先设置的宽高比；所述第二计算公式为：;在所述第二计算公式中，表示所述变换参数，表示所述多尺度特征图的候选框参数，表示所述第一神经网络模型中预先设置的固定的衡
量尺度，用于衡量所述候选框参数与所述变换参数之间的映射关系。3.根据权利要求1所述的定位方法，其特征在于，所述在所述目标船只图中的目标船只类别为预设船只类别的情况下，确定所述目标船只的位置之前，所述方法还包括：分别计算所述目标船只图中的目标船只类别为预先选取的N个船只类别的概率，得到N个概率值，其中，N为大于或者等于1的整数；选取所述N个概率值中的最大概率值；确定所述最大概率值对应的船只类别为目标船只类别。4.根据权利要求3所述的定位方法，其特征在于，所述分别计算所述目标船只图中的目标船只类别为预先选取的N个船只类别的概率，得到N个概率值，包括：基于第三计算公式分别计算所述目标船只图中的目标船只类别为预先选取的N个船只类别的类别指数；根据所述类别指数，基于第四计算公式分别计算所述目标船只图中的目标船只类别为预先选取的N个船只类别的概率；其中，所述第三计算公式为第二神经网络模型的分类层中的计算公式，所述第四计算公式为所述第二神经网络模型的输出层中的计算公式，所述第二神经网络模型为预先训练的用于识...
【专利技术属性】
技术研发人员：胡威，何杰，张新，李娟，陈兰文，易超，王元宝，刘亮东，聂昌，李荣彬，李军，于龙广睿，吴旭东，彭泽洋，杨萌，刘路刚，王浩，段文博，王文琦，郭晓伟，剧梦婕，蒋琦，罗兆龙，李铀博，苏晓蒙，洪智，宋泽明，
申请(专利权)人：铁塔智联技术有限公司，
类型：发明
国别省市：
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。