[发明专利]一种基于机器视觉的内窥镜器械跟踪方法

权利要求书

1.一种基于机器视觉的内窥镜器械跟踪方法，其特征在于，包括：

(1)在包含内窥镜器械的图像中对内窥镜器械的类别、位置和大小进行标记，得到训练集；

(2)将所述训练集输入到搭建好的YOLOv2网络结构中进行迭代训练，得到用于检测内窥镜器械位置和大小的内窥镜器械检测模型；

(3)从待检测视频中获取第一帧图像；

(4)将获取到的帧图像输入到训练好的内窥镜器械检测模型中进行检测；

(5)判断是否检测到内窥镜器械，若是，则进入步骤(6)，若否，则获取待检测视频的下一帧图像，并返回步骤(4)；

(6)基于检测得到的内窥镜器械位置，使用KCF算法对后续n-1帧图像进行目标跟踪；

(7)对剩余未检测视频循环执行步骤(3)至(6)直至待测视频结束；

其中，n为预设的分组参数。

2.根据权利要求1所述的一种基于机器视觉的内窥镜器械跟踪方法，其特征在于，所述内窥镜器械的类别包括：直角分离钳、马里兰分离钳、夹持钳、防损伤抓钳、电钩、穿刺头和弯剪。

3.根据权利要求1或2所述的一种基于机器视觉的内窥镜器械跟踪方法，其特征在于，所述预设的分组参数根据实时性速度要求、YOLOv2平均检测速度和KCF平均跟踪速度计算得到。

4.根据权利要求3所述的一种基于机器视觉的内窥镜器械跟踪方法，其特征在于，所述预设的分组参数具体由1000n/(t₁+nt₂)＝m计算得到；其中，n为预设的分组参数，m为实时性速度要求，t₁为YOLOv2平均检测速度，t₂为KCF平均跟踪速度。

5.根据权利要求1所述的一种基于机器视觉的内窥镜器械跟踪方法，其特征在于，步骤(6)所述利用KCF算法对后续n-1帧图像进行目标跟踪，具体包括：

(6.1)使用尺度池确定不同大小的尺度框；

(6.2)对不同大小的尺度框分别训练相关滤波器，得到每种大小尺度框对应的置信图；

(6.3)比较所有置信图响应，将响应最大的置信图对应位置作为跟踪位置。

6.根据权利要求5所述的一种基于机器视觉的内窥镜器械跟踪方法，其特征在于，步骤(6.2)中所述对不同大小的尺度框分别训练相关滤波器，得到每种大小尺度框对应的置信图，具体为：

通过提取CN特征与fHOG特征，对不同大小的尺度框分别训练相关滤波器，得到每种大小尺度框对应的置信图。

7.根据权利要求6所述的一种基于机器视觉的内窥镜器械跟踪方法，其特征在于，所述CN特征与fHOG特征的融合方式为前期融合。

8.根据权利要求1-7任一项所述的一种基于机器视觉的内窥镜器械跟踪方法，其特征在于，步骤(6)中所述利用KCF算法对后续n-1帧图像进行目标跟踪，还包括：使用GPU对KCF算法进行加速。