[发明专利]一种海上船只目标检测方法及系统

权利要求书

1.一种海上船只目标检测方法，其特征在于，所述方法包括：

步骤S1：对原始图像进行缩放处理，获得缩放图像；

步骤S2：利用卷积神经网络对所述缩放图像进行特征提取，得到三维特征图组；所述三维特征图组包括三组不同尺度的三维特征图；

步骤S3：采用FPN算法对所述三维特征图组进行特征融合，得到融合特征图组；所述融合特征图组包括五组不同尺度的融合特征图；

步骤S4：根据所述融合特征图组内各融合特征图的长和宽构建出五组不同尺度和不同比率的待检测区域，每组待检测区域包括多个待检测子区域；

步骤S5：使用检测器的detection head，根据所述融合特征图组预测所有所述待检测子区域的类别得分、定位修正值和定位准确值；

步骤S6：根据各所述待检测子区域的类别得分、定位修正值和定位准确值确定各所述待检测子区域对应的初始船只检测结果；初始船只检测结果包括最终定位框和置信度；

步骤S7：根据各所述待检测子区域对应的所述初始船只检测结果进行非极大值抑制处理，获得最终船只检测结果。

2.根据权利要求1所述的海上船只目标检测方法，其特征在于，所述对原始图像进行缩放处理，获得缩放图像，具体包括：

步骤S11：获取原始图像；所述原始图像为待检测船只的图片或视频中某一帧图片；

步骤S12：判断所述原始图像的长边与短边的比值是否大于1.667；如果所述原始图像的长边与短边的比值大于1.667，则将长边以固定长宽比的方式放缩至1333；如果所述原始图像的长边与短边的比值小于或等于1.667，则将短边以固定长宽比的方式放缩至800。

3.根据权利要求1所述的海上船只目标检测方法，其特征在于，所述利用卷积神经网络对所述缩放图像进行特征提取，得到三维特征图组，具体包括：

将所述缩放图像作为卷积神经网络ResNet-50的输入，进行4个阶段的卷积操作，分别在第二阶段、第三阶段和第四阶段得到三组不同尺度的三维特征图。

4.根据权利要求1所述的海上船只目标检测方法，其特征在于，所述采用FPN算法对所述三维特征图组进行特征融合，得到融合特征图组，具体包括：

步骤S31：将第三组三维特征图连续向下采样两次，分别得到第四组融合特征图和第五组融合特征图；

步骤S32：将所述第三组三维特征图作为第三组融合特征图；

步骤S33：将所述第三组融合特征图向上采样后与第二组三维特征图进行融合得到第二组融合特征图；

步骤S34：将所述第二组融合特征图向上采样后与第一组三维特征图进行融合得到第一组融合特征图。

5.根据权利要求1所述的海上船只目标检测方法，其特征在于，所述根据各所述待检测子区域的类别得分、定位修正值和定位准确值确定各所述待检测子区域对应的初始船只检测结果，具体包括：

步骤S61：使用各所述待检测子区域的所述定位修正值对各所述待检测子区域进行位置修正，获得各所述待检测子区域对应的最终定位框；

步骤S62：根据各所述待检测子区域的类别得分和定位准确值计算各所述待检测子区域对应的置信度。

6.根据权利要求1所述的海上船只目标检测方法，其特征在于，所述根据各所述待检测子区域对应的所述初始船只检测结果进行非极大值抑制处理，获得最终船只检测结果，具体包括：

步骤S71：判断各所述待检测子区域对应的置信度是否小于置信设定值；如果各所述待检测子区域对应的置信度小于置信设定值，则将置信度小于置信设定值的初始船只检测结果去除；如果各所述待检测子区域对应的置信度大于或等于置信设定值，则将剩余的初始船只检测结果放入待定集合中；

步骤S72：将待定集合中置信度最高的初始船只检测结果直接放入存放最终船只检测结果集合中；

步骤S73：计算置信度最高的锚点框与待定集合中每一个锚点框的交并比；

步骤S74：将待定集合中交并比大于交并比设定值的初始船只检测结果舍弃；

步骤S75：判断待定集合是否为空集；如果待定集合为空集，则最终船只检测结果集合为最终船只检测结果；如果待定集合为非空集，则返回步骤“步骤72”。