[发明专利]一种基于孪生网络的船舶跟踪方法及系统

权利要求书

1.一种基于孪生网络的船舶跟踪方法，其特征在于，该方法包括：

在第一帧图像中获取跟踪目标的目标位置，并将所述目标位置作为参考框；

对输入图像进行预处理，生成锚点框，并计算锚点框与模板帧参考框之间的第一相对偏移，所述第一相对偏移作为跟踪网络的输入；

确定所述锚点框与检测帧预测框之间的第二相对偏移，所述第二相对偏移作为跟踪网络的输出，计算每个预测框对应的置信度值，其中，所述置信度为预测框作为目标框的可靠性；

根据历史轨迹影响和大小形状变化对预测框进行惩罚，对所有预测框根据置信度值进行重新排序，将置信度值最大的前K个预测框作为目标候选框；

采用非极大值抑制算法合并重复的预测框，并将置信度值最大的预测框作为本次检测的目标框，并作为下一帧的参考框。

2.如权利要求1所述的方法，其特征在于，将所述目标位置作为参考框之前，所述方法包括：

在模板帧中提取出模板帧特征；

在检测帧中提取出检测帧特征；

根据所述模板帧特征以及所述检测帧特征，得到推荐网络对应的分类值以及回归值；

根据所述分类值以及所述回归值获得回归框。

3.如权利要求1所述的方法，其特征在于，对所有置信度值进行重新排序，将置信度值最大的前K个预测框作为目标候选框，包括：

选择历史轨迹中的前M帧图像并采用最小二乘法预测目标在检测帧中的位置；

基于目标在模板帧中的位置，计算相邻两帧中的大小形状差异，并对与前一帧差异超过阈值的预测框进行惩罚处理；

根据指定函数计算每个候选框为目标框的置信度值；

对所有预测框根据置信度值的大小进行重新排序，将置信度值最大的前K个预测框作为目标候选框。

4.如权利要求1所述的方法，其特征在于，在执行上述的过程，首先需要进行目标跟踪训练，具体步骤如下：

A1，标定跟踪目标的位置；

A2，随机抽取一对图像作为模板帧和检测帧，帧间间隔小于等于10，对输入图像进行预处理，生成锚点框，并计算模板帧与其对应真值框的第三相对偏移；

A3，将预处理后的第三相对偏移送入跟踪网络，并输出检测帧中锚点框与预测框之间的第四相对偏移；

A4，根据第三相对偏移以及第四相对偏移计算交叉熵，计算检测帧预测框与其真值框的总损失；

A5，根据所述总损失计算梯度，进行梯度回传并更新权重；

A6，重复步骤A1至步骤A5，直至总损失处于预设范围内。

5.如权利要求4所述的方法，其特征在于，计算预测框与真值框的总损失，包括：

通过指定公式计算得到分类损失；

对真值框进行归一化处理，并计算得到回归损失；

根据所述分类损失、所述回归损失以及损失函数得到总损失。

6.一种基于孪生网络的船舶跟踪系统，其特征在于，所述系统包括：

系统初始化，须提供第一帧图像中跟踪目标的位置作为先验知识，并将目标位置作为参考框；

预处理模块，用于对输入图像进行预处理，生成模板帧、检测帧和锚点框；网络处理模块，通过模板帧提供的参考框与锚点框计算第一相对偏移，作为跟踪网络的输入，输出预测框与锚点框的第二相对偏移，并依此计算全部预测框；

选择模块，加入历史轨迹和大小形状变化的惩罚，对所有预测框根据置信度值进行重新排序，将置信度值最大的前K个预测框作为目标候选框；用非极大值抑制的方法合并重复的预测框，并将置信度值最大的预测框作为本次检测的目标框，并作为下一帧的参考框。

7.如权利要求6所述的系统，其特征在于，网络处理模块，用于在模板帧中提取出模板帧特征；在检测帧中提取出检测帧特征；根据所述模板帧特征以及所述检测帧特征，得到推荐网络对应的分类值以及回归值；根据所述分类值以及所述回归值获得回归框。

8.如权利要求6所述的系统，其特征在于，选择模块，用于选择历史轨迹中的前M帧图像并采用最小二乘法预测目标在检测帧中的位置；基于目标的位置，计算相邻两帧中的大小形状差异，并对与前一帧差异超过阈值的预测框进行惩罚处理；根据指定函数计算每个候选框为目标框的置信度值；对所有预测框根据置信度值的大小进行重新排序，将置信度值最大的前K个预测框作为目标候选框。