[发明专利]一种灰色预测辅助区域建议的水面目标检测方法

说明书

本发明公开一种灰色预测辅助区域建议的水面目标检测方法，属于智能无人船舶领域。本发明包括：首先，利用已训练好的模型检测到水面目标；然后，利用连续视频帧中的水面目标位置信息进行灰色预测；接着，运用灰色预测的结果对神经网络的区域建议进行反馈和引导；最后，通过上一步得到的更加准确的区域建议结果识别新入视频帧中的水面目标。本发明能够通过简化神经网络结构和提出更精确的区域建议来提升水面目标识别的准确率和速度。

技术领域

本发明属于智能无人船舶领域，具体涉及一种灰色预测辅助区域建议的水面目标检测方法。

背景技术

近年来，利用深度神经网络进行目标检测的技术得到了飞速发展，该技术也被广泛应用到智能水面舰艇目标检测与识别领域；然而，这些经典方法没有考虑到水面目标检测时连续视频帧中同一目标的空间连续性。应用深度神经网络进行目标检测的技术日渐成熟，其在智能无人船舶领域中也得到了广泛的应用，然而，单纯地使用经典目标检测网络不能较好地适应智能无人船舶的特定应用场景。首先，现有的目标跟踪方法在复杂水面环境下容易出现由于目标部分遮挡、目标暂时超出视野而造成的算法失效的问题；其次，经典的深度神经网络目标检测方法忽略了水面环境下连续帧之间目标位置的内在联系；另外，经典目标检测方法中，在整幅图像中均匀分布锚点和候选框的方法运算量巨大，计算冗余，不适应水面目标检测的特定场景，造成了算力浪费。

发明内容

本发明提供的是一种利用灰色预测布置锚点和候选框，缩小待检测区域的范围，辅助目标检测网络快速准确地识别水面目标的方法。这种方法采用水天线检测与灰色预测的方法引导区域建议网络，同时精简特征提取网络的层数。本发明的目的是这样实现的：

一种灰色预测辅助区域建议的水面目标检测方法，包含以下步骤：

步骤一：使用经典的目标检测网络识别水面目标，并获取目标识别框中心点的坐标；

步骤二：建立灰色预测模型，利用该模型预测得到的下一视频帧中水面目标识别框的中心点横坐标；

步骤三：对计算得到的灰色预测模型进行相对残差检验和级比偏差检验，确保模型和预测结果的准确性；

步骤四：利用灰色预测对改进经典目标检测网络进行区域建议，并进行检测，得到最终检测结果；

步骤五：对获取的检测结果进行分析，若所得结果正确，则更新灰色预测模型，进行下一帧的目标检测；若连续三帧未检测到水面目标，则重新执行步骤一，调用经典目标检测网络识别水面目标。

步骤二中所述灰色预测模型的初始元素序列数据为其中分别为第k帧采样帧中目标识别框的中心点横坐标u；

对X⁽⁰⁾做一次累加生成得到序列其中

令Z⁽¹⁾为X⁽¹⁾的紧邻均值生成序列其中

建立GM(1，1)的灰微分方程模型为其中a为发展系数，b为灰色作用量；灰微分方程的最小二乘估计参数列满足(a,b)^T＝(B^TB)^-1B^TY_n，其中

建立灰色微分方程的白化方程，求其解并做累减还原可得最终预测结果；

即为灰色预测得到的下一视频帧中水面目标识别框的中心点横坐标。

步骤三中所述的相对残差检验为：

其中为第k帧中检测得到的水面目标框中点横坐标，为预测得到的第k帧中水面目标框中点横坐标；若|ε(k)|＜0.2，则认为模型满足残差检验；

步骤三中所述的比偏差检验为：