[发明专利]船只检测模型训练方法及基于无人机视频的船只跟踪方法

权利要求书

1.一种船只检测模型训练方法，其特征在于，包括：

获取船只图像训练样本，所述船只图像训练样本包括具有船只的正样本图像及不具有船只的负样本图像；

根据所述船只图像训练样本对神经网络模型进行训练，获取所述神经网络模型的输出向量；

根据所述船只图像训练样本对应的实际结果及所述输出向量计算所述神经网络模型的损失；

对所述损失进行梯度反转；

根据梯度反转后的损失调整所述神经网络模型的权重参数，构建船只检测模型。

2.根据权利要求1所述的船只检测模型训练方法，其特征在于，还包括：

获取船只图像测试样本，所述船只图像测试样本包括具有船只的正样本图像及不具有船只的负样本图像；

根据所述船只图像测试样本及所述船只检测模型得到测试结果；

根据所述测试结果判断所述船只检测模型的准确率是否高于预设阈值；

如果所述船只检测模型的准确率高于所述预设阈值，将所述船只检测模型确定为可用的船只检测模型。

3.一种基于无人机视频的船只跟踪方法，其特征在于，包括如下步骤：

获取无人机采集的视频图像；

将所述视频图像输入至预设的船只检测模型，得到船只检测结果；所述预设的船只检测模型是通过如权利要求1或2所述的船只检测模型的训练方法训练生成的；

将所述船只检测结果利用目标算法进行关联，得到所述船只的运行轨迹。

4.根据权利要求3所述的基于无人机视频的船只跟踪方法，其特征在于，在所述获取无人机采集的视频图像之后、将所述视频图像输入至预设的船只检测模型之前，还包括：

对所述视频图像进行图像增强及去噪处理。

5.根据权利要求3所述的基于无人机视频的船只跟踪方法，其特征在于，所述将所述船只检测结果利用目标算法进行关联，得到所述船只的运行轨迹的步骤，包括：

获取当前视频图像的所述船只检测结果与下一视频图像的各个所述船只检测结果的匹配权重；

选取下一视频图像中匹配权重的最大值所在的所述船只检测结果，进行数据关联；

当选取的所述匹配权重的最大值所在的所述船只检测结果已被关联，则减小所述匹配权重，重新选取下一所述视频图像中与减小后的所述匹配权重的最大值所在的所述船只检测结果，进行数据关联。

6.根据权利要求5所述的基于无人机视频的船只跟踪方法，其特征在于，所述获取当前视频图像的所述船只检测结果与下一视频图像的各个所述船只检测结果的匹配权重，包括：

获取船只的运动参数，根据所述运动参数预测所述船只运动轨迹，得到船只预测位置；

根据所述船只预测位置与所述船只检测结果判断运动匹配程度；

根据最小余弦距离判断相邻所述船只检测结果的外观匹配程度；

根据所述运动匹配程度和所述外观匹配程度确定所述匹配权重。

7.一种船只检测模型的训练装置，其特征在于，包括：

样本获取模块，用于获取船只图像训练样本；

向量获取模块，用于根据所述船只图像训练样本对神经网络模型进行训练，获取所述神经网络模型的输出向量；

损失计算模块，用于根据所述船只图像训练样本对应的实际结果及所述输出向量计算所述神经网络模型的损失；

梯度反转模块，用于对所述损失进行梯度反转；

模型构建模块，用于根据梯度反转后的损失调整所述神经网络模型的权重参数，构建船只检测模型。

8.一种基于无人机视频的船只跟踪装置，其特征在于，包括：

视频图像获取模块，用于获取无人机采集的视频图像；

训练模块，用于将所述视频图像输入至预设的船只检测模型，得到船只检测结果；所述预设的船只检测模型是通过如权利要求1或2所述的船只检测模型的训练方法训练生成的；

关联模块，用于将所述船只检测结果利用目标算法进行关联，得到所述船只的运行轨迹。