[发明专利]基于全卷积神经网络的即时目标追踪检测方法及系统

权利要求书

1.基于全卷积神经网络的即时目标追踪检测方法，其特征在于，所述方法包括下述步骤：

S1、对数据集中的图像进行数据增强处理，得到训练样本；

S2、将得到的训练样本与训练样本第一帧对应的目标分割图以颜色通道维度进行组合，生成一个新的三维数组，并将其中的所有像素值进行归一化处理；

S3、将训练样本第二帧对应的目标分割图与其转置图在颜色通道维度进行组合，作为神经网络的标签，用于计算损失值；所述转置图的通过下述方式得到：

设第二帧对应的目标分割图为P，它的转置图计算公式为P_转=1-P；

S4、构建全卷积对抗神经网络，所述全卷积对抗神经网络的主体由一个用于生成目标分割图的全卷积网络和一个用于对抗训练的判别器网络构成，其中全卷积网络神经层的设置与构造均可随着使用需求而调整，且全卷积神经网络中部没有加入分类器；

S5、将全卷积网络生成的分割图与其标签分别输入判别器网络，使用该判别器进行二分类训练，让它判断该分割图是由全卷积网络生成的伪造数据还是人为标注的真实数据,为其伪造数据和人为标注的真实数据提供的目标值分别为，伪：[[0],[1]]，真：[[1],[0]]，交叉熵函数计算得损失值0；

S6、将全卷积网络生成的分割图与其标签使用交叉熵计算损失值1，然后全卷积网络生成的分割图输入判别器网络，为其提供的目标值为，真：[[1],[0]]，使用交叉熵函数计算其损失值2；

S7、将步骤S5和S6轮流进行，直到全卷积网络生成接近真实的人为绘制的目标分割图。

2.根据权利要求1所述基于全卷积神经网络的即时目标追踪检测方法，其特征在于，在步骤S1中，所述数据增强处理具体包括下述几种方式：

（1）将数据集中所有相邻两帧的图像两两组合，当一段影像长度为n帧时，共可获得n-1个样本；

（2）将数据集中图像相隔一帧以上的图像组合作为训练样本；

（3）将数据集中前后两帧图像顺序对调得到的图像作为训练样本。

3.根据权利要求1所述基于全卷积神经网络的即时目标追踪检测方法，其特征在于，所述步骤S2中，归一化处理后的彩色图有三个颜色通道，而目标分割图有一个颜色通道，故新的三维数组高度为7，面积仍和原图像相同，该新的三维数组作为神经网络的输入。

4.根据权利要求1所述基于全卷积神经网络的即时目标追踪检测方法，其特征在于，所述步骤S4中，在全卷积网络和判别器网络的最后一层采用Softmax将数据压缩到0和1之间。

5.根据权利要求1所述基于全卷积神经网络的即时目标追踪检测方法，其特征在于，所述步骤S5中，还包括下述步骤：

使用交叉熵函数计算损失值0，固定全卷积网络的参数使其在训练中不会被改变，采用Adam优化器最小化损失值0，优化判别器网络的参数。

6.根据权利要求1所述基于全卷积神经网络的即时目标追踪检测方法，其特征在于，步骤S6中，还包括下述步骤：

固定判别器网络的参数使其在训练中不会被改变，采用Adam优化器最小化损失值1和损失值2，优化全卷积网络的参数。