[发明专利]一种水下动物的数量及其轨迹的检测方法及设备

说明书

本发明公开了一种水下动物的数量及其轨迹的检测方法及设备，其中，该方法包括：将拍摄水下动物的水下视频分割成若干个视频帧；通过图像目标检测算法对所述若干个视频帧的每一个视频帧中目标水下动物的数量及每一个目标水下动物的轨迹进行检测并获取若干个单帧检测结果；通过所述水下视频的时序信息和上下文信息对所述若干个单帧检测结果进行修正；根据修正后的所述若干个单帧检测结果，得到所述水下视频中目标水下动物的数量和每一个目标水下动物的轨迹；通过目标跟踪对所述水下视频中目标水下动物的数量和每一个目标水下动物的轨迹进行修正。通过本发明，能够快速且准确的识别出水下视频中水下动物的数量及其轨迹。

技术领域

本发明涉及水下视频识别领域，特别涉及一种水下动物的数量及其轨迹的检测方法及设备。

背景技术

对于水下视频中的水下动物的数量及其轨迹的识别一般采用深度学习神经网络系统，但是在实践中发现深度学习神经网络系统需要提前训练深度学习网络模型，且由于深度网络结构复杂并且涉及到大量的超参数导致该模型的训练极度耗时，无法及时快速的识别水下视频中水下动物的数量及其轨迹。

发明内容

本发明提供一种水下动物的数量及其轨迹的检测方法及设备，能够快速且准确的识别出水下视频中水下动物的数量及其轨迹。

根据本发明的一个方面，提供了一种水下动物的数量及其轨迹的检测方法，包括以下步骤：将拍摄水下动物的水下视频分割成若干个视频帧；通过图像目标检测算法对所述若干个视频帧的每一个视频帧中目标水下动物的数量及每一个目标水下动物的轨迹进行检测并获取若干个单帧检测结果；通过所述水下视频的时序信息和上下文信息对所述若干个单帧检测结果进行修正；根据修正后的所述若干个单帧检测结果，得到所述水下视频中目标水下动物的数量和每一个目标水下动物的轨迹；通过目标跟踪对所述水下视频中目标水下动物的数量和每一个目标水下动物的轨迹进行修正。

优选地，所述通过图像目标检测算法对所述若干个视频帧的每一个视频帧中目标水下动物的数量及每一个目标水下动物的轨迹进行检测并获取若干个单帧检测结果，包括以下步骤：构建图像目标检测模型；将所述若干个视频帧的每一个视频帧转换为数据输入至所述图像目标检测模型中；获取所述若干个视频帧的每一个视频帧中目标水下动物的数量及每一个目标水下动物的轨迹。

优选地，所述将若干个视频帧的每一个视频帧转换为数据输入至所述图像目标检测模型中，包括以下步骤：将所述若干个视频帧的每一个视频帧作为独立的图像，并将若干个图像的每一个图像的像素都调整为M*N个；将若干个图像的每一个图像中的目标用点(x,y)表示，获取点(x,y)的像素数据F(x,y)以及灰度值f(x,y)；其中，F(x,y)为M*N的矩阵，表示点(x,y)处的像素数据，f(x,y)表示点(x,y)处的灰度值；将若干个图像的每一个图像中的目标(x,y)对应的F(x,y)和f(x,y)输入所述图像目标检测模型中。

优选地，所述通过所述水下视频的时序信息和上下文信息对所述若干个单帧检测结果进行修正，包括以下步骤：根据所述水下视频的时序信息，将每一个视频帧的目标水下动物数量的检测结果都与其相邻的前一个视频帧和后一个视频帧的目标水下动物数量的检测结果进行比较；如果所述视频帧的目标水下动物数量的检测结果与其相邻的前一个视频帧和后一个视频帧的目标水下动物数量的检测结果不相同，则将所述视频帧的目标水下动物数量的检测结果修正为其相邻的前一个视频帧和后一个视频帧的目标水下动物数量的检测结果；根据所述水下视频的上下文信息，识别每一个视频帧中的目标水下动物，并对每一个视频帧中的目标水下动物数量的检测结果进行修正；根据所述水下视频的上下文信息，对每一个视频帧中的每一个目标水下动物的轨迹的检测结果进行修正。