[发明专利]一种水下图像识别跟踪系统及方法

权利要求书

1.一种水下图像识别跟踪系统，其特征在于：包括仿射变换模块、候选框生成模块、跟踪模块、训练模块；

所述仿射变换模块用于接收水下视频图像序列，并对所接收的水下视频图像序列中的图像进行仿射变换，根据上一帧图像中标记出的仿射框而在当前帧上标记出当前帧中的仿射框；所述仿射变换模块在标记出各视频图像帧中的所述仿射框时，采用仿射变换表示各个图像帧中的目标的几何变形；

所述候选框生成模块，基于所述仿射框，利用随机游走模型将仿射变换，形成M个候选框；

所述跟踪模块，将所述M个候选框所确定的候选图像区域输入到深度卷积神经元网络,对深度卷积神经元网络进行训练，通过深度卷积神经元网络，分别进行卷积操作、激活操作、池化操作获得M个得分，其中M为大于1的整数，并将得分最高的候选框确定为所要识别的对象，以及在当前帧中划出该候选框作为被识别跟踪的对象；

所述训练模块用于对深度卷积神经元网络进行训练，从预定训练集中选择两个对象区域-标签对输入到所述深度卷积神经元网络；其中，所述两个对象区域-标签对包括：在光照充足的环境下拍摄的无噪声真值图像，以及在光照不足的环境下拍摄的含噪声训练图像；将所述含噪声训练图像用作初始图像以利用所述深度卷积神经元网络重建图像，将重建图像与所述无噪声真值图像进行比较以获得训练误差，以及将所述训练误差迭代反向传播经过所述深度卷积神经元网络以修正所述深度卷积神经元网络的参数，直至所述训练误差满足收敛条件。

2.根据权利要求1所述的一种水下图像识别跟踪系统，其特征在于：

所述仿射变换模块采用仿射变换矩阵的形式进行仿射变换，所述仿射变换矩阵具有3维的李群结构。

3.一种水下图像识别跟踪方法，通过权利要求1所述一种水下图像识别跟踪系统实现，其特征在于，包括以下步骤：

步骤1：接收水下视频图像序列，对图像进行增强处理，在对每一幅图像进行直方图均衡化之后，进行缩放、旋转、平移、剪裁中的一个或多个操作；

步骤2：对所接收的水下视频图像序列中的图像进行仿射变换，在当前的图像帧上标记出仿射框；

步骤3：基于步骤2中所述仿射框，利用随机游走模型将仿射变换形成M个候选框；

步骤4：将M个候选框所确定的候选图像区域输入到深度卷积神经元网络从而获得M个得分，设计损失函数；

步骤5：将得分最高的候选框确定为所要识别的对象，并在该当前帧中划出该候选框作为被识别跟踪的对象。

4.根据权利要求3所述的一种水下图像识别跟踪方法，其特征在于，所述步骤2具体包括：

步骤2.1：根据上一帧图像中标记出的仿射框而在当前帧上标记出当前帧中的仿射框；

步骤2.2：在标记出各视频图像帧中的所述仿射框时，采用仿射变换表示各个图像帧中的目标的几何变形。

5.根据权利要求3所述的一种水下图像识别跟踪方法，其特征在于，所述步骤3具体包括：

步骤3.1：基于当前图像帧中的仿射框随机生成多维向量u；

步骤3.2：对随机生成的向量u进行标准化处理；

步骤3.3：将上一帧的仿射变换与通过随机生成的向量u进行标准化处理得到的向量之和确定为所述当前帧中的仿射变换；

步骤3.4：对下一帧进行步骤3.1，重复步骤3.1-3.4直到产生M个候选框。

6.根据权利要求5所述的一种水下图像识别跟踪方法，其特征在于：所述多维向量u为6维向量。

7.根据权利要求3所述的一种水下图像识别跟踪方法，其特征在于，所述步骤4具体包括：

步骤4.1：将M个候选框所确定的候选图像区域输入到深度卷积神经元网络；

所述深度卷积神经元网络包括相互级联的卷积层、激活层、池化层和全连接层；

步骤4.2：对深度卷积神经元网络进行训练，通过所述深度卷积神经元网络，分别进行卷积操作、激活操作、池化操作获得所述M个得分。