[發明專利]一種聲吶水下目標檢測方法

在審

• 申請號: 202011492415.7
• 申請日: 2020-12-17
• 公開（公告）號: CN112613504A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 曾丹;陸恬昳;徐霽軒;蔡周吟
• 申請（專利權）人: 上海大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 王穎

本發明公開一種聲吶水下目標檢測方法，具體步驟包括：通過對水下目標圖像進行預處理，得到待檢測數據；提取待檢測數據特征，然后選擇先驗框，提取特征圖，對特征圖中的先驗框進行處理計算，得到邊界框值，根據邊界框值，得到檢測結果，并對檢測結果進行修正。本發明對前視聲吶中的目標檢測提供了一種方法，相較于傳統方法，減少了時間，提升了檢測的準確度和速度，能有效識別特定目標，并且可以對連續幀的聲吶圖像進行處理，較為準確的在前視聲吶圖像中顯示當前圖像中目標的位置和類型，能夠達到實時檢測的效果。

技術領域

本發明屬于人工智能與水聲電子信息的交叉領域，具體涉及一種基于YOLOv3深度學習網絡的前視聲吶圖像目標檢測識別方法。

背景技術

由于水下惡劣危險的環境，海洋產業在發展中面臨著迫切的產業智能化升級需求。為了解決該類問題，光學技術、聲學技術和AI算法逐漸融入到海洋產業中去。隨著技術的發展，水下目標檢測技術發展很快，比如水下地形地貌的探測、魚雷的探測技術等等，而聲學圖像在水下目標檢測中探程遠、實用性強，聲吶水下目標的檢測有著廣泛的應用前景和發展空間。

聲吶設備主要包括前視聲吶、側掃聲吶和合成孔徑聲吶在航行器行進過程中不斷發射和接收聲吶信號,實現檢測。前視聲吶分為單波束和多波束兩種,其中單波束前視聲吶形成一個波束,利用基陣的自然方向性進行定向,一次收發過程中只能觀察一個波束所覆蓋的空間,探測較大的固定區域時,需要轉動波束使其覆蓋整個區域多波束前視聲吶可同時發射多個波束形成扇形探測區,可進行條帶式測量。聲吶設備采集到的圖像干擾大，受噪聲影響大，水下小目標的檢測存在著許多問題。目前，聲吶的工作性能除了受自身技術參數的限制之外，還受環境因素影響很大，這將導致聲波的折射、擴散、吸收、噪聲等問題。

深度學習模型由于強大的表示能力，加之數據量的積累和計算力的進步，成為機器視覺的熱點，而目標檢測識別則是機器視覺中的重要問題。對于圖像的理解可以分為好幾個層次，分類是指將圖像歸為某一類別，檢測，給出的是對整張圖片的內容描述，是對目標的類別的識別和位置的確定，分割任務則是值對背景的分離和對目標輪廓的分離。近些年的水下目標檢測方法主要有基于模板匹配的方法、基于數理統計的方法、淺層神經網絡的方法等等。

現有聲吶水下目標檢測技術中存在聲吶數據集少，用于網絡訓練的數據集不足；聲吶圖像不清晰，干擾多，聲吶圖像位置不定，不同目標直接特征差異不大或是相同目標由于背景干擾導致差異較大的情況同時存在；聲吶圖像目標識別率不同等問題。

發明內容

針對上述現有技術所存在的問題，本發明提供一種可以使用任意數據集，檢測準確率高且目標識別準確的聲吶水下目標檢測方法，具體包括以下步驟：

步驟一：采集預訓練水下目標圖像，對預訓練水下目標圖像進行預處理，得到訓練數據集；

步驟二：構建特征提取網絡，基于訓練數據集，訓練特征提取網絡；

步驟三：采集水下目標圖像，對所述水下目標圖像進行預處理，得到待檢測數據集；將待檢測數據集輸入特征提取網絡，通過所述特征提取網絡，將所述待檢測數據集劃分網格，并提取所述水下圖像特征；

步驟四：基于所述水下目標圖像的特征，對待檢測數據集進行k-means聚類，然后選擇預測邊界框，將所述預測邊界框的聚類簇和尺度進行排序，根據所述排序結果，將所述聚類簇均分到各個尺度上，得到不同尺度的特征圖；

步驟五：構建邊界框預測網絡，基于所述特征圖，通過邊界框預測網絡進行卷積預測，得到預測邊界框值；

步驟六：對預測邊界框值進行后處理，得到對應數據的檢測結果；

步驟七：對水下目標圖像數據的相鄰幀分別進行檢測，得到相鄰幀的檢測結果，根據相鄰幀的檢測結果，對圖像預測結果進行修正。

優選的，所述步驟二基于DarkNet53構建特征提取網絡。