[發(fā)明專利]一種基于人工干預的艦船目標跟蹤方法在審
| 申請?zhí)枺?/td> | 201810273119.4 | 申請日: | 2018-05-28 |
| 公開(公告)號: | CN108537826A | 公開(公告)日: | 2018-09-14 |
| 發(fā)明(設計)人: | 莊祐存 | 申請(專利權(quán))人: | 深圳市芯漢感知技術(shù)有限公司 |
| 主分類號: | G06T7/246 | 分類號: | G06T7/246;G06T7/73 |
| 代理公司: | 深圳市科吉華烽知識產(chǎn)權(quán)事務所(普通合伙) 44248 | 代理人: | 胡玉 |
| 地址: | 518000 廣東省深圳市*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 艦船 艦船目標 人工干預 視頻載體 跟蹤 人工干預操作 方框 網(wǎng)絡 操作結(jié)束 跟蹤結(jié)果 跟蹤區(qū)域 跟蹤誤差 區(qū)域信息 歸一化 人眼 標注 鼠標 觀測 繪制 追蹤 修正 監(jiān)測 學習 | ||
1.一種基于人工干預的艦船目標跟蹤方法,其特征在于,包括以下步驟:
S1.手動勾勒出某視頻載體上第一幀中的艦船區(qū)域信息;
S2.將歸一化大小后的視頻載體輸入到Fast-RCNN網(wǎng)絡中,通過Fast-RCNN網(wǎng)絡對第一幀之后的幀進行艦船區(qū)域的追蹤監(jiān)測,獲得每一幀中的艦船的位置信息;
S3.通過人眼觀測當前幀中艦船的位置信息,并判斷標注結(jié)果是否合格;
S4.若不合格,則通過人工用鼠標繪制一個方框,然后將艦船區(qū)域包括起來,完成人工干預操作后,繼續(xù)步驟S2;
S5.對視頻載體中的每一幀皆執(zhí)行以上步驟,直到跟蹤操作結(jié)束。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述步驟S2還包括以下步驟:
S21.對Fast-RCNN網(wǎng)絡進行目標訓練;
S22.采用Fast-RCNN網(wǎng)絡進行目標跟蹤。
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述步驟S21還包括以下步驟:
A.對于訓練集中的每一張圖片,通過selective search方法,從中獲取若干個候選區(qū)域,并記錄下,每一個候選區(qū)域的位置坐標信息;
B.對于步驟A中的每一個候選區(qū)域,將其進行標注標簽,即0或1,1代表該候選區(qū)域包含艦船部分,0表示該候選區(qū)域不包含艦船區(qū)域部分;
C.對于步驟A中的每一個區(qū)域,都存在其修正位置坐標,即:
若當前候選區(qū)域的標注信息為1,則說明當前候選區(qū)域Ri中包含著艦船區(qū)域,我們記錄下其修正坐標位置信息,該修正坐標信息,包含著一個方框?qū)淖笊辖琼旤c坐標以及方框的寬度和長度信息,而該方框則恰好將艦船部分包圍起來;
D.該若干個候選區(qū)域構(gòu)成了網(wǎng)絡的輸入,每個候選區(qū)域所對應的標注以及其對應修正位置信息構(gòu)成了網(wǎng)絡的輸出;
E.根據(jù)步驟D中得出的網(wǎng)絡輸入和輸出對Fast-RCNN網(wǎng)絡進行訓練,通過使用BP算法來更新神經(jīng)元的權(quán)重和偏置,最終使得Fast-RCNN網(wǎng)絡達到收斂狀態(tài)。
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述步驟A包括以下步驟:
S211.設置候選區(qū)域的面積大小以及長寬比范圍;
S212.隨機在視頻幀中選取一點,記為M,然后計算視頻幀中任意一點N和點M之間的顏色差異度,若顏色差異度小于與之K,則將點N滑入點M的集合范圍內(nèi),顏色差異度X的計算公式為:
其中,其中MR、MG、MB分別表示點M在R、G以及B三個分量上的像素值,同理NR、NG和NG分別表示點N在R、G以及B三個分量上的像素值,點N不與點M重合,K=150;
S213.重復選擇點N,并執(zhí)行差異度計算,擴大點M的集合范圍,點M的集合范圍最終將構(gòu)成一個圖像區(qū)域,則該圖像區(qū)域便構(gòu)成了上述若干個候選區(qū)域的一個部分;
S214.若上述候選區(qū)域滿足步驟S211中設置的候選區(qū)域的面積大小以及長寬比范圍,則終止步驟S213;
S215.隨機選取不同的點M,并執(zhí)行步驟,并執(zhí)行步驟S213-S214,且滿足每次獲取的候選區(qū)域尺寸均在步驟S211中的尺寸條件范圍內(nèi),但是候選區(qū)域尺寸不重復。
5.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述步驟S22包括以下步驟:
S221.Fast-RCNN網(wǎng)絡將輸入的視頻載體的每一幀都輸出多個圖像區(qū)域,對于每個圖像區(qū)域,以一對坐標點以及兩個參數(shù)w和h表示;以該對坐標點為矩形的左上角頂點,w和h分別表示矩形的寬度和長度,則該矩形所包圍的區(qū)域便是網(wǎng)絡所認為的艦船區(qū)域;
S222.通過上一幀中所確定的跟蹤區(qū)域來確定當前幀中最終的艦船的位置信息。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳市芯漢感知技術(shù)有限公司,未經(jīng)深圳市芯漢感知技術(shù)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810273119.4/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 基于艦船輻射噪聲時域特征的水聲目標識別方法
- 一種艦船ISAR圖像結(jié)構(gòu)特征提取方法
- 基于紅外遙感圖像的艦船目標檢測方法
- 一種基于多層卷積神經(jīng)網(wǎng)絡的艦船目標識別方法
- 基于多普勒譜偏移量校正的目標位置定位方法
- 一種基于寬帶雷達HRRP艦船目標數(shù)目自動判斷方法及系統(tǒng)
- 艦船目標識別方法、裝置、設備及可讀存儲介質(zhì)
- 一種基于邊界優(yōu)化神經(jīng)網(wǎng)絡的艦船遙感目標檢測方法
- 一種高低軌遙感衛(wèi)星艦船目標航跡與點跡關聯(lián)方法及系統(tǒng)
- 復數(shù)域結(jié)構(gòu)化SAR艦船目標動態(tài)仿真與速度估計方法





