[发明专利]一种基于衰减置信度的重叠舰船目标候选框筛选方法

说明书

本发明公开了一种基于衰减置信度的重叠舰船目标候选框筛选方法，包括以下步骤：步骤S1：设计得到能适用于舰船目标重叠场景的目标候选框筛选方法；步骤S2：用步骤S1中得到的舰船目标候选框筛选方法，替换到事先训练好的通用舰船目标检测网络模型中，再将该模型移植入海上观测平台的设备中，实时处理摄像头采集的舰船视频，完成高重叠场景下的舰船目标检测工作。采用本发明的技术方案，利用全新的目标候选框筛选方法，实现了基于衰减置信度方法的舰船目标场景下的目标候选框筛选方法，具有重叠目标检测效果好，可移植性高等特点。

技术领域

本发明涉及海面上的舰船目标检测方法，尤其涉及一种基于衰减置信度算法的重叠舰船目标候选框筛选方法。

背景技术

舰船目标检测一直是边海防建设中比较重要的方面，它能保证精确地识别海面舰船目标，同时也可为指挥员决策提供支持，准确地检测海面上的舰船目标在巩固边海防的行动中起着重要的作用。

随着我国海洋经济产业活动日益繁荣，国际海底资源争夺日益激烈，相关部门在近海海域部署了大量海面视频观测站，由于水平视角原因，监测视频中会出现大量目标重叠，所以能够精确检测重叠目标的舰船检测系统越来越显得重要。

通常当图片中两个舰船目标对象发生重叠时(如图1所示)，会采用常规的非最大抑制算法(如图2所示)来降低检测结果的假阳性。其主要思想是将检测框按得分排序，然后保留得分最高的框，同时删除与该框重叠面积大于一定比例的其它框。这种贪心式方法存在两个问题：

1.误删问题：

图片中两个目标对象发生重叠时，二者的候选框都会有一个置信度得分。如果按照传统的非极大值抑制方法进行处理，首先选中得分最高的一个候选框，然后另一目标的候选框就会因为与之重叠面积过大而被误删。

2.阈值问题：

网络预设的重叠IoU阈值不容易确定，设置过大了会加剧误删情况的发生，设置过小又容易增大误检几率。因此传统的非极大值抑制方法很难同时保证既不误删优又不误检。

发明内容

针对现有技术存在的技术问题，本发明提出一种基于衰减置信度算法的重叠舰船目标候选框筛选方法。该发明的优势是结合高斯加权函数，改进了传统的非极大值抑制方法，替换了原有暴力删除方法，改成降低IOU大于阈值框的置信度，使之能够有效地检测出重叠比例较高的目标对象，而且与传统NMS相比，衰减置信度算法不会增加算法复杂度，使用高效。衰减置信度算法也不需要额外的训练，它可以能够方便地被集成到通用的目标检测流程中，在不增加训练和运行成本的同时，提升准确率，具体实验效果如图4所示。

为解决其技术问题，本发明所采用的技术方案如下:

一种基于衰减置信度算法的重叠舰船目标候选框筛选方法，其特征在于，包括以下步骤：

步骤S1：设计得到能适用于舰船目标重叠场景的目标候选框筛选方法；

步骤S2：用步骤S1中得到的舰船目标候选框筛选方法，替换到事先训练好的通用舰船目标检测网络模型中，再将该模型移植入海上观测平台的设备中，实时处理摄像头采集的舰船视频，完成高重叠场景下的舰船目标检测工作；

其中，步骤S1进一步包括以下步骤：

步骤S11：根据传统的目标检测流程，得到目标的各个候选框，每个候选框对应会生成一个物体检测分数；

步骤S12：根据S11得到的物体检测分数，分数最高的检测框被选中，其他与被选中检测框有明显重叠的检测框被抑制。传统设计的非最大抑制算法中的最大问题就是它将相邻检测框的分数均强制归零。在这种情况下，如果一个真实物体在重叠区域出现，可能会导致检测不到该待检测物体，则将导致对该物体的检测失败并降低了算法的平均检测率。