欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021105436731
申请人: 青岛科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-02-23
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于YOLO V5算法的船舶多目标追踪方法,其特征在于:包括以下步骤:S1,采集船舶图像数据,对采集到的所述船舶图像数据进行图像预处理,基于预处理完毕的图像构建数据集,将所述数据集划分为训练集、验证集和测试集;

S2,基于所述训练集和所述验证集,对YOLO V5网络进行训练,获得YOLO V5检测模型,基于所述测试集对所述YOLO V5检测模型进行测试,获得测试结果,基于所述测试结果对YOLO V5检测模型进行评价,评价合格后则结束测试;

S3,对所述YOLO V5检测模型进行处理,生成YOLO V5船舶追踪模型,基于所述YOLO V5船舶追踪模型对船舶进行追踪并进行实时性验证。

2.根据权利要求1所述的基于YOLO V5算法的船舶多目标追踪方法,其特征在于:所述S1中的船舶图像数据包括:从包括船舶相关图像数据的开源数据集;通过摄像头对船舶进行拍摄而获得的图像数据。

3.根据权利要求2所述的基于YOLO V5算法的船舶多目标追踪方法,其特征在于:所述开源数据集包括但不限于:COCO数据集、VOC数据集和SeaShip船舶数据集。

4.根据权利要求3所述的基于YOLO V5算法的船舶多目标追踪方法,其特征在于:所述S1中的图像预处理的具体方法为:从采集的所述船舶图像数据中筛选出COCO数据集和VOC数据集中含有船舶的图片,对筛选出的图片、SeaShip船舶数据集及通过摄像头获取的图片进行标注并合并。

5.根据权利要求1所述的基于YOLO V5算法的船舶多目标追踪方法,其特征在于:所述YOLO V5网络包括backbone部分、neck部分和prediction部分,在所述S2中,获得所述YOLO V5检测模型的方法具体为:

S2.1,将训练集中的图像进行标准化预处理,并将预处理后的图像输入所述backbone部分,获得不同尺度的特征图;

S2.2,将所述不同尺度的特征图输入所述neck部分,进行上采样和特征融合后获得不同尺度的张量数据;

S2.3,将所述不同尺度的张量数据输入所述prediction部分,基于损失函数及反向传播对梯度进行计算,实时进行梯度更新并利用所述验证集进行验证,获得所述YOLO V5检测模型。

6.根据权利要求1所述的基于YOLO V5算法的船舶多目标追踪方法,其特征在于:所述S2中测评价合格的要求为:所述YOLO V5检测模型的所述测试结果的平均精度均值大于等于设定值。

7.根据权利要求1所述的基于YOLO V5算法的船舶多目标追踪方法,其特征在于:所述S3中对所述YOLO V5检测模型进行处理的方法具体为:采用DeepSort算法进行处理。

8.根据权利要求7所述的基于YOLO V5算法的船舶多目标追踪方法,其特征在于:所述S3中的方法:

S3.1,对所有待追踪目标进行检测,完成检测后构建DeepSort跟踪器,对所述YOLO V5船舶追踪模型输入带有船舶的视频帧并进行处理;

S3.2,处理完毕且第一帧视频图像输入所述YOLO V5船舶追踪模型后,将检测到的目标初始化并创建新的所述DeepSort跟踪器,标注ID;

S3.3,第一帧后的任一帧输入所述YOLO V5船舶追踪模型时,基于所述DeepSort算法,获得所有目标的状态预测和当前帧的所述检测框的交并比,并获得所述交并比的最大唯一匹配,作为目标检测框;

S3.4,基于置信度对所述检测框进行过滤,删除置信度不够高的检测框及特征,基于所述当前帧匹配到的所述目标检测框更新所述DeepSort跟踪器,计算状态更新,获得更新值并输出,将所述更新值作为所述当前帧的追踪框。

9.根据权利要求8所述的基于YOLO V5算法的船舶多目标追踪方法,其特征在于:所述S3.1中的处理方法为:初始化各个参数并去掉检测置信度小于0.7的检测框;通过非极大值抑制法去除检测中重叠的所述检测框并确认所述DeepSort追踪器的状态正常。

10.根据权利要求8所述的基于YOLO V5算法的船舶多目标追踪方法,其特征在于:所述S3.4中,若所述当前帧中没有匹配到的目标,则重新初始化所述DeepSort跟踪器。