[发明专利]一种基于时空信息融合的水面漂浮物目标检测与跟踪方法

权利要求书

1.一种基于时空信息融合的水面漂浮物目标检测与跟踪方法，其特征在于，包括以下步骤：

S1：通过摄像头采集不同时间、地点、季节和天气状况的水面漂浮物视频数据集；

S2：在单帧检测中输入水面漂浮物视频数据，通过改进的SSD检测算法获取当前帧的水面漂浮物目标检测框；具体为：

(2.1)采用改进SSD目标检测算法中的特征金字塔网络在视频帧不同尺度特征图上生成宽高比不同面积相同的默认框；

(2.2)将步骤(2.1)中的默认框作为抽象特征输入到改进SSD目标检测算法中的卷积预测器进行训练，利用训练后的卷积预测器进行漂浮物目标位置偏移量预测与分类，得到目标检测框；

(2.3)在步骤(2.2)中得到的所有目标检测框中，删除置信度低于0.7的检测框，并采用非最大值抑制方法删除冗余和重复的检测框，通过两次筛选得到获得视频中第i帧(i＝1,2,3……X)水面漂浮物目标的所有目标检测框；

S3：在多帧滤波中将步骤S2中第一帧的目标检测框作为改进KCF跟踪算法的输入，进行目标跟踪，获得当前视频帧下的水面漂浮物目标跟踪框；具体为：

(3.1)通过步骤S2获得第1帧视频帧中N个水面漂浮物目标检测框，首先删除N个水面漂浮物目标检测框中置信度低于0.7的目标检测框，然后利用非最大值抑制算法再次删除高冗余和重复检测的检测框，得到M个目标检测框；

(3.2)将步骤(3.1)中M个漂浮物目标检测框的坐标值输入到改进KCF跟踪算法中，初始化改进KCF位置滤波器模板和尺度滤波器模板，构造循环矩阵，采用FHOG特征训练改进KCF的位置滤波器；然后构造改进KCF尺度滤波器，采用尺度自适应策略在位置滤波器上生成的位置附近选择漂浮物目标的最佳尺度；

(3.3)设定视频帧跟踪固定帧数为T(T＜X)，根据固定帧数，重复上述步骤(3.1)-(3.3)，直到获得第T帧下的水面漂浮物目标跟踪框；

S4：在信息融合中当完成视频帧中固定帧数T的跟踪后，重复步骤S2获得下一帧视频帧漂浮物目标的新检测框，采取候选框选择策略比较新检测框和旧跟踪框的重合度进行跟踪判断；若重合度满足条件，则继续跟踪当前漂浮物目标；若重合度不满足条件，则将漂浮物目标视为新目标并输出，参与改进KCF跟踪算法的初始化，跟踪新目标；具体为：

(4.1)通过步骤S3跟踪固定帧数T(T＜X)后，获得水面漂浮物目标跟踪框；

(4.2)在完成固定帧数T的跟踪后，在下一帧视频帧中再次引入改进SSD检测算法获得漂浮物目标的新检测框；计算新检测框与步骤S3下的旧跟踪框的重合度判断检测与跟踪是否为同一目标；若重合度≤0.4，设定该视频帧中漂浮物为新目标，初始化改进KCF算法，重复步骤S3；若重合度＞0.4，设定新检测框与旧跟踪框为同一目标，比较新检测框的置信度与旧跟踪框的归一化响应，取置信度较大的候选框作为输出；

(4.3)设定视频帧总帧数为X，重复上述步骤(4.1)-(4.3)，直到获得第X帧下的水面漂浮物目标跟踪框。

2.根据权利要求1所述的一种基于时空信息融合的水面漂浮物目标检测与跟踪方法，其特征在于，所述步骤S2改进SSD目标检测算法主要是调整深层低分辨率检测层和浅层高分辨率检测层的结构；第一，删除原SSD网络中5*5、3*3和1*1分辨率的检测层；第二，采用特征求和方式对浅层高分辨率特征层进行增强处理；首先，将分辨率为76*76的特征层与分辨率为38*38特征层F1进行特征相加求和处理，采用1*1点卷积对F1层进行降维，并进行上采样得到F0^a，确保F1和F0^a具有相同的分辨率和通道数；其次，将F0^a层按照逐个像素添加到F0层，通过卷积层平滑处理进行特征融合得到F0^o。

3.根据权利要求1所述的一种基于时空信息融合的水面漂浮物目标检测与跟踪方法，其特征在于，所述步骤S3改进KCF跟踪算法由位置估计和尺度估计构成；第一，通过提取漂浮物目标的定向梯度快速直方图特征，训练KCF获得特征响应图确定目标对象的位置信息；第二，采用金字塔采样尺度估计策略，围绕漂浮物的位置进行金字塔多尺度采样，采用图像训练尺度滤波器，确定漂浮物的最佳尺度信息。