[发明专利]一种海上船只目标检测方法及系统

说明书

本发明提供了一种海上船只目标检测方法及系统，方法包括：利用卷积神经网络对缩放图像进行特征提取得到三维特征图组；采用FPN算法对三维特征图组进行特征融合得到融合特征图组；根据融合特征图组内各融合特征图的长和宽构建出多个待检测子区域；根据融合特征图组预测所有待检测子区域的类别得分、定位修正值和定位准确值；根据各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待检测子区域对应的初始船只检测结果；根据各待检测子区域对应的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，从而提高了船只检测的精度。

技术领域

本发明涉及目标检测技术领域，特别是涉及一种海上船只目标检测方法及系统。

背景技术

我国领海广阔，海洋资源丰富，开展船只检测研究具有重大意义。在军事方面，船只检测可以加强我国海洋防卫，保护我国海洋权益，关系着人们的生存与发展。在民用方面船只检测同样可以用于海洋交通、船只运输、搜救等等，有力地促进了海洋事业的发展。

目标检测技术是计算机视觉领域的三大任务之一，海上船只目标检测旨在识别图片中的船只及其在图片中的位置。传统的海上船只目标检测方法中，阈值分割法是通过对图像进行纹理滤波分析，并进行阈值分割来区分船只与背景，其缺点是无法判断该物体的类别，同普适性较弱，因为场景、明暗的变化会使得之前设定的阈值失效。

近年来，深度学习技术已经在计算机视觉领域的各个方面取得了显著的成果。基于深度学习的船只检测将该任务分解为船只分类(区分船只和背景)和船只定位。更为具体的，通过训练一个卷积神经网络对图片中的每一块区域进行物体识别和物体定位，最后将两者结果结合在一起，得到检测结果。这种已有方法的问题在于，船只检测的定位精度并不高。因为船只分类和船只的定位是分开进行的、互不相关的，在对物体进行分类并不知道该物体定位的准确性，而最后根据分类置信度结合检测结果，可能会将定位更准的结果去除掉。

发明内容

基于此，本发明的目的是提供一种海上船只目标检测方法及系统，以提高海上船只目标检测的准确性。

为实现上述目的，本发明提供了一种海上船只目标检测方法，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。

可选地，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。