[发明专利]一种全自动避雷器检测与跟踪方法

权利要求书

1.一种全自动避雷器检测与跟踪方法，其特征在于，包括以下步骤：

步骤1、采集避雷器的图像制作数据集，训练用于检测避雷器的改进Yolov3网络M₁，具体为：

步骤1-1、采集避雷器的图像制作数据集；

步骤1-2：训练改进YOLOv3网络，改进YOLOv3网络M₁中的特征提取层采用的是DarkNet-53卷积层，增加CBAM注意力模型增强目标信息；增设一层预测层，使YOLOv3网络M₁的先验框数目增加至12层，适应更多尺度的目标检测；利用K-means聚类算法计算用于框选目标的12种先验框尺寸；

步骤1-3：将避雷器的图像作为输入，预测图像中避雷器的位置信息；

步骤1-4、根据损失函数GIoU计算YOLOv3网络M₁预测结果与真实值之间的误差，进而调整YOLOv3网络M₁参数W_i，具体为：

α＝0.95ⁱ·α₀

其中，预测结果的目标框与真实框面积交为I，面积并为U，最小包围面积为A^C，IoU为交并比，α是学习率，初始学习率α₀＝0.01，通过调整YOLOv3网络M₁参数W_i使得损失函数GIoU的值变小，训练的准确性提高；

步骤2、利用公开的数据集训练基于SiamMask的通用视频目标跟踪网络M₂；

步骤3、采集实时图像数据流，选取一帧图像A作为初始帧；

步骤4、对图像A进行高斯平滑处理，从而消除局部区域存在的噪点；

步骤5、利用网络M₁对图像A进行预测，获得目标中心点在图像中的坐标(x,y)、目标框的宽度w与高度h以及置信度acc；

步骤6、判断置信度是否满足高于阈值要求，若满足，进行步骤7，若不满足，则返回步骤3；

步骤7、将网络M₁的预测输出进行紧缩化，作为网络M₂的输入，对之后的每一帧进行预测，记录预测中心点的轨迹。

2.根据权利要求1所述的全自动避雷器检测与跟踪方法，其特征在于，步骤3中的图像尺寸为1280*720，采集帧率高于30fps，初始帧中的目标尺寸占整个图像的比重大于10％。

3.根据权利要求1所述的全自动避雷器检测与跟踪方法，其特征在于，步骤4中对图像进行高斯平滑处理中的高斯系数δ＝0.8。

4.根据权利要求1所述的全自动避雷器检测与跟踪方法，其特征在于，步骤5中的(x,y)在以图像中心为中心的960*540像素的区域内。

5.根据权利要求1所述的全自动避雷器检测与跟踪方法，其特征在于，步骤6中的置信度阈值为0.7。

6.根据权利要求1所述的全自动避雷器检测与跟踪方法，其特征在于，步骤7中对之后的每一帧进行预测，记录预测中心点的轨迹具体包含以下步骤：

步骤7-1、紧缩化因子选为0.9；

步骤7-2、将预测的中心坐标(x,y)与紧缩化之后的宽w'及高h'所构成的目标预测框转化为由中心点(x',y')与宽w'及高h'构成的目标框，具体为：

w'＝0.9w,h'＝0.9h

步骤7-3、将新的目标框信息输入到SiamMask网络M₂中，对后续帧进行预测，并记录预测中心点的轨迹。