[發明專利]水下魚類目標檢測方法及裝置

在審

• 申請號: 202011373485.0
• 申請日: 2020-11-30
• 公開（公告）號: CN112528782A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 周超;趙振錫;孫傳恒;楊信廷;劉楊;徐大明
• 申請（專利權）人: 北京農業信息技術研究中心
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 郭亮

本發明提供一種水下魚類目標檢測方法及裝置，該方法包括：獲取水下相機拍攝的待檢測圖像和無檢測目標時的背景圖像；將含有目標對象的待檢圖像和不含有目標對象的背景圖片，分別輸入預設的目標識別網絡模型的主干網絡和輔助網絡，分別提取特征并進行主干網絡和輔助網絡的特征相減融合，根據相減融合后特征，輸出標有魚類定位信息的圖片檢測結果；其中，所述目標識別網絡模型，根據已知目標對象作為標簽的待檢圖像和背景圖像作為樣本訓練后得到。通過主干網絡和輔助網絡的特征相減融合，可以有效去除環境干擾，從而提高待檢測目標的檢測準確率。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種水下魚類目標檢測方法及裝置。

背景技術

由于水產養殖現場光照度低及不均勻、水體渾濁、海床背景復雜、魚類姿態多樣、目標尺寸變化大、分辨率和對比度低和攝像設備等原因導致對水下目標檢測干擾很大。傳統的手工設計特征提取和單純使用基于CNN的目標檢測等算法并不能滿足真實水下檢測需求。

雖然目標檢測算法發展迅速，模型泛用性強，但這些算法并沒有結合水下環境的特點進行設計，在海床場景復雜、低分辨率、模糊和目標小等復雜場景下表現一般。

發明內容

針對現有技術存在的問題，本發明提供一種水下魚類目標檢測方法及裝置。

本發明提供一種水下魚類目標檢測方法，包括：獲取水下相機拍攝的待檢測圖像和無檢測目標時的背景圖像；將含有目標對象的待檢圖像和不含有目標對象的背景圖片，分別輸入預設的目標識別網絡模型的主干網絡和輔助網絡，分別提取特征并進行主干網絡和輔助網絡的特征相減融合，根據相減融合后特征，輸出標有魚類定位信息的圖片檢測結果；其中，所述目標識別網絡模型，根據已知目標對象作為標簽的待檢圖像和背景圖像作為樣本訓練后得到。

根據本發明一個的水下魚類目標檢測方法，所述分別輸入預設的目標識別網絡模型的主干網絡和輔助網絡，分別提取特征并進行主干網絡和輔助網絡的特征相減融合，包括：將含有目標對象的待檢圖像通過主干網絡，及不含有目標對象的背景圖片通過輔助網絡，分別經淺層信息提取層輸出初步特征，再依次通過主干網絡的四個殘差塊和輔助網絡的三個殘差塊進行特征處理；

將主干網絡的淺層信息提取層的輸出與輔助網絡的第一殘差塊的輸出進行特征相減融合，主干網絡的第一殘差塊輸出與輔助網絡的第二殘差塊的輸出進行特征相減融合，主干網絡的第二殘差塊輸出與輔助網絡的第三殘差塊的輸出進行特征相減融合，結合主干網絡的第三殘差塊輸出和第四殘差塊輸出，得到相減融合后的四層特征。

根據本發明一個的水下魚類目標檢測方法，根據相減融合后特征，輸出標有魚類定位信息的圖片檢測結果，包括：

將相減融合后的四層特征，進行特征融合；將融合后特征，輸入RPN網絡生成目標區域候選框；將所述目標區域候選框，輸入多聯檢測器進行候選框篩選和分類，得到標有魚類定位信息的圖片檢測結果。

根據本發明一個的水下魚類目標檢測方法，將相減融合后的四層特征，進行特征融合，包括：將相減融合后的四層特征x¹,x²,x³和x⁴，以特征圖作為輸入，依次經過卷積層和批歸一化層得到p1、p2、p3、p4；然后將p4、p3、p2均向下經PixelShuffle結構上采樣，進行多尺度融合得到N4、N3、N2和N1；

p1、p2、p3、p4定義為：

其中，g(·)是PixelShuffle上采樣方式將輸入特征信息重建放大操作；N_i是多尺度高低層信息融合后的特征信息(i＝0,1,2,3,4)；N_i的計算公式為：

其中，D(·)是下采樣非線性轉換；fpnconv(·)是卷積操作。