[发明专利]基于深度学习目标检测技术实现多艘船舶快速跟踪处理的方法

权利要求书

1.一种基于深度学习目标检测技术实现多艘船舶快速跟踪处理的方法，其特征在于，所述的方法包括以下步骤：

(1)导入连续的视频帧或实时监控的视频流；

(2)利用已经训练出的深度学习检测模型，针对视频帧或实时视频流进行深度学习目标检测，检测出画面中的船舶；

(3)对每艘船舶创建处理线程，在线程中初始化船舶跟踪器，对每艘船舶进行目标跟踪；

(4)将目标深度学习检测得到的结果与船舶跟踪预测得到的结果进行对比，并对跟踪结果进行校正。

2.根据权利要求1所述的基于深度学习目标检测技术实现多艘船舶快速跟踪处理的方法，其特征在于，所述的步骤(2)具体包括以下步骤：

(2.1)将图像划分为网格，判断物体中心是否落在某网格内，如果是，则由该网格检测船舶；否则，未检测出目标；

(2.2)预测目标边框，并计算目标边框的中心点坐标、宽高和置信度评分，同时预测物体属于某一类的后验概率；

(2.3)计算目标边框类相关置信度。

3.根据权利要求1所述的基于深度学习目标检测技术实现多艘船舶快速跟踪处理的方法，其特征在于，所述的步骤(3)具体包括以下步骤：

(3.1)判断图像是否是视频的第一帧，如果是，则继续步骤(3.2)；否则，将图像输入已创建的跟踪器，进行目标跟踪，得到目标跟踪的预测结果，继续步骤(4)；

(3.2)创建相应数量的线程，在线程中分别初始化目标跟踪的跟踪器，在跟踪器的目标特征提取函数中引入新增特征。

4.根据权利要求1所述的基于深度学习目标检测技术实现多艘船舶快速跟踪处理的方法，其特征在于，所述的步骤(4)具体包括以下步骤：

(4.1)将目标检测目标框与目标跟踪预测结果框进行对比，如果目标检测目标框与目标跟踪预测结果框均在一定阈值范围内，则通过目标检测结果校正目标跟踪预测结果框，并记录目标运动轨迹，同时进行目标跟踪模型训练更新；如果目标检测目标框与目标跟踪预测结果框均不在一定阈值范围内，则继续步骤(4.2)；

(4.2)判断结果点属于目标检测目标框或目标跟踪预测结果框，如果结果点属于目标检测目标框，则继续步骤(4.3)；如果结果点属于目标跟踪预测目标框，则继续步骤(4.4)；

(4.3)判断该结果点是否已经被检测出3次，如果是，则增加新线程，并初始化新目标跟踪器；否则，检测记录数量增加1，记录并显示目标运动轨迹；

(4.4)判断该结果点是否已经被检测出10次，如果是，则删除对应的目标跟踪器，并销毁线程；否则，消失记录数量增加1，记录并显示目标运动轨迹。

5.根据权利要求1所述的基于深度学习目标检测技术实现多艘船舶快速跟踪处理的方法，其特征在于，所述的步骤(2)中的深度学习检测模型通过YOLO网络结构训练得出深度学习检测模型。

6.根据权利要求5所述的基于深度学习目标检测技术实现多艘船舶快速跟踪处理的方法，其特征在于，所述的YOLO网络结构包括：

输入层，用于预处理样本图像；

卷积层，与所述的输入层相连接，用于提取输入数据的特征；

池化层，与所述的卷积层相连接，用于根据特征矩阵所处的空间位置，按块分割特征，并在分隔后的块中计算新的特征值；

全连接层，与所述的相池化层连接，用于将输入的二维特征矩阵降维为一维特征向量；

输出层，与所述的全连接层相连接，用于根据输入的一维特征向量进行分类。