[发明专利]一种视频图像的多圆形目标识别方法和系统

权利要求书

1.一种视频图像的多圆形目标识别方法，其特征在于，包括：

检测原始图像中目标物的圆形真实框的参数，根据所述圆形真实框的参数得到目标数据集；

设置第一网络初始值，根据所述第一网络初始值构建第一目标检测网络；

建立损失函数；

将所述目标数据集划分为训练集和验证集；

随机加载所述训练集中的图片和与所述图片对应的圆形真实框的参数，训练所述第一目标检测网络；

获取所述训练集的特征层，并计算获得所述特征层对应的圆形预选框的参数；

从所述特征层中获取第一圆形预测框的参数；

根据所述圆形预选框的参数和所述圆形真实框的参数，计算所述圆形预选框和所述圆形真实框的第一交并比，根据所述第一交并比确定所述圆形真实框对应于所述特征层上的位置；

根据所述第一圆形预测框的参数和所述圆形真实框的参数，计算所述第一圆形预测框与所述圆形真实框之间的第二交并比；

根据所述第二交并比划分正负样本；

利用负样本通过所述损失函数计算损失值，并对所述第一目标检测网络进行反向传播，优化所述第一目标检测网络的权值；

利用所述验证集验证优化后的所述第一目标检测网络的效果，至此完成一次迭代，重复迭代直至完成所述第一目标检测网络的迭代训练；

所述第一目标检测网络迭代训练完成后，保存优化后的所述第一目标检测网络的权值；

重新设置第二网络初始值，根据所述第二网络初始值构建第二目标检测网络；

加载优化后的所述第一目标检测网络的权值；

建立解码工具；

将所述原始图像放入所述第二目标检测网络中预测，获得预测结果；

利用所述解码工具将所述预测结果转换为第二圆形预测框；

分别将预测结果为同一种类的所述第二圆形预测框按照对应的置信度大小排序，并分别计算任意两个预测结果为同一种类的所述第二圆形预测框之间的第三交并比，利用所述第三交并比对所述第二圆形预测框进行非极大抑制，删除重复的预测框；

在所述原始图片上画出非极大抑制后的第二圆形预测框，从而识别目标物体。

2.如权利要求1所述的一种视频图像的多圆形目标识别方法，其特征在于，所述第一网络初始值和所述第二网络初始值均包括所述圆形预选框的半径、预测目标的种类数和数据集图片的分辨率。

3.如权利要求1所述的一种视频图像的多圆形目标识别方法，其特征在于，基于预测目标的种类数计算所述第一目标检测网络的输出通道的通道数。

4.如权利要求1所述的一种视频图像的多圆形目标识别方法，其特征在于，所述计算获得所述特征层对应的圆形预选框的参数的方法包括：

计算所述原始图像的大小与特征层的大小的比值，获得特征点对应的像素数量；

计算所述圆形预选框的大小与所述特征点对应的像素数量的比值，获得相对于特征点大小的所述圆形预选框。

5.如权利要求1所述的一种视频图像的多圆形目标识别方法，其特征在于，所述第一圆形预测框的参数包括：

所述第一圆形预测框的中心点的相对于图片大小的横坐标、纵坐标、半径、置信度和物体类别参数。

6.如权利要求1所述的一种视频图像的多圆形目标识别方法，其特征在于，所述确定所述圆形真实框对应于所述特征层上的位置的方法包括：

计算相对于图片大小的所述圆形真实框的横坐标与所述特征层的大小的乘积，再对所述乘积向下取整得到所述圆形真实框对应于所述特征层的横坐标；

计算相对于图片大小的所述圆形真实框的纵坐标与所述特征层的大小的乘积，再对所述乘积向下取整得到所述圆形真实框对应于所述特征层的纵坐标；

计算相对于图片大小的所述圆形真实框的半径与所述特征层的大小的乘积，得到所述圆形真实框对应于所述特征层的半径。