[发明专利]一种面向城市河道监管的水面漂浮物自动检测方法及装置

权利要求书

1.一种面向城市河道监管的水面漂浮物自动检测方法，其特征在于，包括如下步骤：

(1)从水面监控视频流中获取图像并基于自适应对比度进行图像的增强；

(2)对图像中的漂浮物进行标注构建网络模型训练所需的样本集，并对图像中目标检测物尺寸进行聚类得到被检测目标的尺寸分布；

(3)构建面向城市河道水面漂浮物检测的Faster R-CNN漂浮物检测模型，根据目标检测物尺寸的聚类结果中尺寸最小的两类的聚类中心及卷积神经网络模型各层的感受野大小确定与网络最后一个特征提取层融合的两个特征层，通过拼接方式融合跨特征层提取的特征；并利用聚类结果确定区域建议网络锚框大小及长宽比，自动生成不同尺寸目标的建议区域；

(4)通过预训练得到的网络权重值，对改进的Faster R-CNN漂浮物检测模型参数初始化，基于步骤(2)得到的样本集通过迭代法优化调整模型参数，最终利用优化后的网络参数实现城市河道水面漂浮物的实时在线自动检测。

2.根据权利要求1所述的一种面向城市河道监管的水面漂浮物自动检测方法，其特征在于，所述步骤(1)包括：

(11)在摄像机中设置图像提取时间间隔对视频流进行视频帧截取，设置每隔时间自动提取一幅图像，以获取不同时间的视频流中的图像信息；其中a为摄像机视野范围宽度，v为监控区域水流速度；

(12)对步骤(11)所获取的图像集利用自适应对比度增强，使漂浮物在光照复杂的情况下更突出；具体算法如下：

图像中每个像素点表示为x(i，j)，以x(i，j)为中心，在窗口大小为(2n+1)*(2n+1)的区域内，分别计算局部均值和方差：

则像素点x(i，j)对应的自适应增强后的像素值为：

其中，D为常数，σ_x(i，j)为局部均方差。

3.根据权利要求1所述的一种面向城市河道监管的水面漂浮物自动检测方法，其特征在于，所述步骤(2)中通过k-means聚类分析被检测目标的尺寸分布，得到漂浮物尺寸分类结果；每类的聚类中心为(x，y)，x和y分别表示目标的长和宽。

4.根据权利要求1所述的一种面向城市河道监管的水面漂浮物自动检测方法，其特征在于，所述步骤(3)中构建的Faster R-CNN漂浮物检测模型的网络结构包括特征提取模块、区域建议网络RPN模块及目标检测与回归模块；具体构建步骤包括：

(31)计算网络中特征提取模块各层感受野的大小，感受野计算公式为：

其中，RF_i为第i层的感受野，RF_i-1为第i-1层的感受野，stride_p为第p层的步长，Ksize_i为第i层卷积核的大小；

(32)根据感受野与目标尺寸匹配的原则确定融合的特征层，在步骤(2)确定的漂浮物尺寸的聚类结果中，选择尺寸最小两类的聚类中心，根据其与计算所得的网络各层感受野尺寸接近的原则，确定与特征提取模块最后一层进行融合的卷积层第a层和第b层，其中a＜b；

(33)保持中间层b层的特征图大小不变，对a层特征进行下采样，同时利用双线性插值法对最后一层特征进行上采样，使他们与b层特征图大小相同；分别对三层的特征进行批归一化操作，并采用Relu激活函数进行非线性变换；采用拼接的方式进行特征融合，即特征的通道数增加，并通过1×1的卷积操作进行特征降维，得到最终融合后的新特征；

(34)根据步骤(2)聚类分析结果，确定RPN网络模块在每个像素点生成的锚框大小分为k类，锚框的长宽比分为k类，从而能提升不同尺寸漂浮物的检测效果；k为聚类个数；

(35)将步骤(33)提取的特征与步骤(34)RPN网络生成的建议区域进行匹配，经过ROI池化层和全连接层得到最终区域内的漂浮物分类得分及回归后的漂浮物目标定位。