[发明专利]一种基于改进的yolov5模型的针对重叠鱼类目标的辨识方法

权利要求书

1.一种基于改进的yolov5模型的针对重叠鱼类目标的辨识方法，其特征在于，该方法包括如下步骤：

步骤一：使用带有深度传感器的摄像机采集水下视频的RGBD信息，从视频中抽取图像，完成对检测目标的图像信息采集；

步骤二：利用Sea-Thru算法重建水下场景，对水下图像进行修复，具体包括：利用已知的距离，以暗通道先验的方式估计后向散射；然后利用局部空间平均颜色，估计距离相关衰减系数；

步骤三：构建并训练改进的yolov5模型，所述改进的yolov5模型为在用于金字塔结构的三层之前各引入一层自注意力层CBAM，并将Conv层中的激活函数由SiLU改为可以提取二维空间信息的FreLU；所述改进的yolov5模型的输入为修复后的水下图像，输出为检测框的信息；

步骤四：对视频流按照一定的帧采样速率进行采样，得到单帧图像，并按照步骤二进行修复后，输入训练后的改进的yolov5模型，模型输出检测框的信息，并对检测框的信息求差分，得到每个目标的状态向量其中，x,y,w,h中分别为矩形候选框的质心位置坐标以及宽高，为相邻两帧对应状态的差分；

步骤五：对每帧图像，使用卡尔曼滤波的思想进行连续两帧图像的追踪，得到各目标状态向量的最优预测值；

步骤六：设相邻两帧之间同一目标的最优预测值的落点满足正态分布，根据前一次迭代得到的预测值与检测值之间的差值作为样本进行计算正态分布的方差σ²，以此计算各落点的空间分布律；

步骤七：根据不同落点的空间分布律的重合程度判断出现重叠的概率，同时综合重叠发生的形态学特征作为重叠判据；若发生重叠，则按照步骤五预测的多目标结果为准，并根据最终的状态向量对训练后的改进的yolov5模型的输出结果进行调整；若未发生重叠，则以改进的yolov5模型的输出的检测值为准。

2.根据权利要求1所述的基于改进的yolov5模型的针对重叠鱼类目标的辨识方法，其特征在于，所述步骤五包括如下子步骤：

(5.1)将训练后的改进的yolov5模型输出的检测框的信息作为检测值，利用上一帧状态向量的最优预测值与输入向量u_t-1代入计算当前帧的预测值其中，F为状态转移矩阵，B为控制矩阵，Δt为相邻两帧之间的时间；

(5.2)根据P_t^-＝FP_t-1F^T+Q用上一帧最优估计协方差矩阵P_t-1和超参数过程噪声方差矩阵Q推出当前帧的协方差矩阵P_t^-；

(5.3)根据K_t＝P_t^-H^T(HP_t^-H^T+R)^-1，用当前帧的协方差矩阵P_t^-和观测噪声方差矩阵R推出卡尔曼增益K_t；H为增益矩阵；

(5.4)根据用预测值与观测值z_t推出最优状态向量估计值作为最终的状态向量，并更新修正当前帧的协方差矩阵P_t^-；

(5.5)根据当前帧的协方差矩阵P_t^-以及卡尔曼增益K_t，更新当前帧的最优协方差矩阵P_t＝(I-K_tH)P_t^-，用于计算下一帧的协方差矩阵；

(5.6)将由上一帧计算得到的预测值与训练后的改进的yolov5模型输出的检测框对应的检测值均进行标准化后做内积运算，通过内积运算值与阈值相比，当内积运算值大于阈值时，则预测值与检测值相似，为同一目标；否则，为不同目标，从而实现目标跟踪。

3.根据权利要求2所述的基于改进的yolov5模型的针对重叠鱼类目标的辨识方法，其特征在于，所述形态学特征为：出现某检测值与多个预测向量的x，y相近，而w，h大于单个预测向量的情况。