[发明专利]一种同时标记阴影的前视声呐目标检测标记方法

说明书

本发明提供一种同时标记阴影的前视声呐目标检测标记方法，属于前视声呐图像目标检测领域，该方法对目标进行标记的同时也标记出目标的阴影；现有前视声呐目标检测标记方法只将目标进行标记，而对于前视声呐图像，目标的阴影包含了目标的形状特征，标记过程同时标记出目标的阴影，能够为检测器提供更丰富的信息。针对这种新提出的标记框，需要分目标和阴影两部分进行评价，目标检测框使用已有的交并比IOU评价；对于阴影检测框，阴影和目标之间可能出现多种位置关系，本发明提出了一种改进的阴影关键点相似度OKS_S来评价阴影检测框的回归精度。

技术领域

本发明涉及一种标记前视声呐图像目标的方法，尤其涉及一种同时标记阴影的前视声呐目标检测标记方法，能够标记目标的同时标记目标的阴影，属于前视声呐目标检测领域。

背景技术

近年来，基于深度学习的目标检测方法，在光学图像中获得了巨大的成功，在前视声呐图像领域，由于声呐图像的珍贵等特性，对前视声呐图像目标检测的进展不如光学图像，大部分方法是直接将光学图像中常用的深度学习检测模型直接应用到声呐图像上，而没有结合前视声呐的特性。该问题的主要原因是前视声呐目标的标记方法直接沿用了光学图像的标记方法，即使用一个矩形框标记目标的边界。

现有目标检测评价方法中，使用交并比(Intersection over Union，IOU)来评价一个检测器输出的目标边界框与真值标签边界框之间的重叠程度，该值越大，说明重叠程度越高，该值的计算方法是，真值与检测输出检测框之间的交集面积除以它们之间的并集面积。

交并比用于评价检测框的准确度，“关键点相似度(Object KeypointSimilarity,OKS)”则用于评价关键点检测的准确度，关键点是一个目标中的显著特征点，如人脸目标中的眼睛、鼻子和嘴等。关键点相似度衡量检测器输出关键点与真值标签关键点坐标之间的差异，该值的计算方法如下：

其中m为关键点数目，s为目标的尺度，k为每个关键点的固定常数，s和k用来保证不同大小目标、不同关键点的评价尺度相同。通过实验的方法确定k。在验证集中人工对图片进行多次标记，然后统计人工的标记的d_i/s_i的标准差σ_i，取k＝2σ_i，由于人工标记服从正态分布，根据3σ原则，另d_i/s_i分别等于1σ,2σ,3σ，带入OKS计算公式中，得到0.88，0.61，0.32，当计算得到一个检测器的OKS时，可以直观的了解检测器精度与人工标记的区别，如一个检测框的OKS为0.80，那么可以看出较接近人工1σ下的0.88，说明检测器精度较接近人类水平。

针对前视声呐图像，人类有时不能简单地通过目标表面反射的亮边缘判断目标的类别，而如果该目标的成像结果如果包含阴影，阴影区域往往包含了目标形状等信息，可以通过阴影的特点分辨目标，所以目标的阴影也可以作为目标的特征加入到前视声呐目标标签中。

由于目标的遮挡，前视声呐目标后方区域内没有测得返回声波或者返回波较弱，则在图像上呈现阴影，目标和阴影关系主要有以下几种：

1.目标可能悬浮于水中，目标周围的返回波较弱，目标阴影不明显，只能看到目标的轮廓，无法区分阴影轮廓，另外可能由于目标在水底，高度较小等原因，也可能无法呈现阴影；

2.目标可能在与水底接触，处于水底地面上，能区分目标和目标的阴影，可以区分阴影的轮廓，阴影的出现的位置可能在目标边缘结束之前；

3.目标可能悬浮于水中，距离水底有一定距离，能区分目标和目标的阴影，阴影出现的位置可能在目标亮边缘之后，即目标和阴影分离。

发明内容

本发明的目的是为了实现前视声呐目标检测的标签能够在标记目标的同时，标记其阴影而提供一种同时标记阴影的前视声呐目标检测标记方法。