[发明专利]一种面向无人艇应用的水面目标检测跟踪一体化方法

权利要求书

1.一种面向无人艇应用的水面目标检测跟踪一体化方法，包括以下步骤：

S1，训练目标检测神经网络模型；

S2，目标检测，对输入的图片进行检测，得到该图片中的包含目标的目标框，进而得到目标检测结果，将检测结果放入集合B_d中；

S3，检测当前图片是否为第一帧图片，若是，则转入步骤S4；若不是，则检测目标跟踪结果，将上一帧图片的目标跟踪结果，输入到目标检测神经网络模型中进行检测，保留没有丢失目标的跟踪框，将该跟踪框放入集合B_t中；

S4、精调目标框和跟踪框的大小和位置，对步骤S2中的目标框和步骤S3中的跟踪框进行边缘提取得到边缘图，将该边缘图的最大外接矩形作为精确的目标框和跟踪框；

S5，判断是否出现新目标，对比集合B_d和B_t中的目标框和跟踪框，判断集合B_d中是否发现了新目标，若发现新目标，将该新目标的框加入集合B_t中，舍弃集合B_d中其余的目标框；

S6，目标跟踪，将集合B_t中的跟踪框中的目标作为跟踪目标；

S7，连续跟踪m帧，然后重复步骤2至步骤7，直到最后一帧图片，m的取值为30-50之间。

2.根据权利要求1所述的面向无人艇应用的水面目标检测跟踪一体化方法，其特征在于，所述步骤S1具体包括：

S11，定义神经网络网络误差函数：

其中L_c和L_r分别代表分类误差和回归误差，具体定义如下：

在上述公式中，i表示框的序号；b_i表示框里有目标的概率，如果第i个框是正样本则b_i等于1，否则等于0；b_i^*表示第i个框实际的类别；m_i表示第i个框的四个坐标；m_i^*表示第i个框实际的坐标；λ表示分类误差和回归误差的平衡参数；

S12，网络初始化；

S13，训练神经网络，使用反向传播算法，对神经网络的参数进行更新，当测试误差不再变化时，训练停止。

3.根据权利要求2所述的面向无人艇应用的水面目标检测跟踪一体化方法，其特征在于，所述步骤S2具体包括：

S21，图片初始化，对输入的图片初始化处理；

S22，提取图片CNN特征；

S23，获取目标初始位置和类别，得到包含目标的初始目标框；

S24，获取目标精确位置和类别，得到目标框；

S25，剔除虚景，对步骤S24的结果进行非极大值抑制处理，剔除虚景和重复的目标框，得到目标检测最终结果，将该目标检测最终结果放入集合B_d中。

4.根据权利要求3所述的面向无人艇应用的水面目标检测跟踪一体化方法，其特征在于，所述步骤S23具体为，由步骤S22提取的图片的CNN特征构成该图片的CNN特征图，在该CNN特征图上以每个像素为中心，构建9种不同大小的矩形框，将该9种矩形框输入到softmax分类器中进行分类和回归，得到具有初始位置和类别的初始目标框。

5.根据权利要求4所述的面向无人艇应用的水面目标检测跟踪一体化方法，其特征在于，所述步骤S24具体为，将初始目标框归一化至设定大小，再接入2个全连接层，然后送入softmax分类器得到目标框的精确位置和类别。