[發(fā)明專利]一種水下魚體姿態(tài)動態(tài)識別方法及裝置

在審

• 申請?zhí)枺?/td>: 202210432208.5
• 申請日: 2022-04-22
• 公開（公告）號: CN114821778A
• 公開（公告）日: 2022-07-29
• 發(fā)明（設計）人: 石晨;張?zhí)煲?/a>;李道亮;李振波
• 申請（專利權）人: 中國農(nóng)業(yè)大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/25;G06V10/46;G06V10/774;G06V10/764;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06T3/40;G06T5/00
• 代理公司: 北京路浩知識產(chǎn)權代理有限公司 11002
• 代理人: 常芳

1.一種水下魚體姿態(tài)動態(tài)識別方法，其特征在于，包括：

確定待識別魚體圖像；

基于魚體姿態(tài)識別模型，對拼接圖像進行目標檢測，得到目標檢測框圖像后，對所述目標檢測框圖像進行下采樣，以及基于下采樣后的目標檢測框圖像生成特征金字塔，并基于所述特征金字塔中的特征確定魚體姿態(tài)；所述拼接圖像是對數(shù)據(jù)增強后的待識別魚體圖像進行拼接后得到的；

所述魚體姿態(tài)識別模型基于樣本魚體圖像及其樣本魚體姿態(tài)標簽訓練得到。

2.根據(jù)權利要求1所述的水下魚體姿態(tài)動態(tài)識別方法，其特征在于，所述基于魚體姿態(tài)識別模型，對拼接圖像進行目標檢測，得到目標檢測框圖像后，對所述目標檢測框圖像進行下采樣，以及基于下采樣后的目標檢測框圖像生成特征金字塔，并基于所述特征金字塔中的特征確定魚體姿態(tài)，包括：

基于所述魚體姿態(tài)識別模型的輸入層，對所述待識別魚體圖像進行數(shù)據(jù)增強，并對數(shù)據(jù)增強后得到的多個圖像進行拼接，得到所述拼接圖像，以及對所述拼接圖像進行目標檢測，得到所述目標檢測框圖像；

基于所述魚體姿態(tài)識別模型的采樣層，對所述目標檢測框圖像依次進行切片和卷積操作，得到初始特征圖，并對所述初始特征圖進行多次下采樣，得到下采樣特征圖；

基于所述魚體姿態(tài)識別模型的金字塔層，對上一層的特征圖進行上采樣后與下一層的特征圖進行融合得到第一特征金字塔，以及對下一層的特征圖進行下采樣后與上一層的特征圖進行融合得到第二特征金字塔，第一層的特征圖為所述下采樣特征圖；

基于所述魚體姿態(tài)是識別模型的預測層，根據(jù)所述第一特征金字塔和所述第二特征金字塔中的特征，確定所述魚體姿態(tài)。

3.根據(jù)權利要求2所述的水下魚體姿態(tài)動態(tài)識別方法，其特征在于，所述對所述拼接圖像進行目標檢測，之前還包括：將所述拼接圖像縮放至預設標準尺寸。

4.根據(jù)權利要求2所述的水下魚體姿態(tài)動態(tài)識別方法，其特征在于，所述對所述初始特征圖進行多次下采樣，得到下采樣特征圖，包括：

對當前特征圖進行下采樣，得到當前初始下采樣特征圖，并基于所述采樣層的殘差組件對上一下采樣特征圖和所述當前初始下采樣特征圖進行融合，得到當前下采樣特征圖；第一個當前特征圖為所述初始特征圖。

5.根據(jù)權利要求2所述的水下魚體姿態(tài)動態(tài)識別方法，其特征在于，所述得到下采樣特征圖，之后還包括：

對所述下采樣特征圖依次進行卷積處理、歸一化處理和最大池化處理。

6.根據(jù)權利要求1至5任一項所述的水下魚體姿態(tài)動態(tài)識別方法，其特征在于，所述基于所述特征金字塔中的特征確定魚體姿態(tài)，包括：

基于所述特征金字塔中的特征，確定多個候選檢測框；

基于非極大值抑制算法，從多個候選檢測框中篩選得到魚體檢測框，并基于所述魚體檢測框進行姿態(tài)識別，確定所述魚體姿態(tài)。

7.根據(jù)權利要求1至5任一項所述的水下魚體姿態(tài)動態(tài)識別方法，其特征在于，所述魚體姿態(tài)識別模型的損失值基于如下公式確定：

Loss＝-1/n∑(t[i]log(o[i])+(1-t[i])log(1-o[i]))；

其中，Loss表示所述魚體姿態(tài)識別模型的損失值，o[i]表示所述魚體姿態(tài)識別模型對樣本魚體圖像進行預測得到的樣本預測魚體姿態(tài)，t[i]表示所述樣本魚體姿態(tài)標簽。

8.一種水下魚體姿態(tài)動態(tài)識別裝置，其特征在于，包括：

確定單元，用于確定待識別魚體圖像；

識別單元，用于基于魚體姿態(tài)識別模型，對拼接圖像進行目標檢測，得到目標檢測框圖像后，對所述目標檢測框圖像進行下采樣，以及基于下采樣后的目標檢測框圖像生成特征金字塔，并基于所述特征金字塔中的特征確定魚體姿態(tài)；所述拼接圖像是對數(shù)據(jù)增強后的待識別魚體圖像進行拼接后得到的；

所述魚體姿態(tài)識別模型基于樣本魚體圖像及其樣本魚體姿態(tài)標簽訓練得到。