申请/专利权人：西北工业大学青岛研究院

申请日：2024-03-27

公开（公告）日：2024-06-14

公开（公告）号：CN117953361B

主分类号：G06V20/05

分类号：G06V20/05;G06V10/764;G06V10/774;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明提供了一种基于密度图的水下鱼群小目标稳健计数方法，属于信号处理技术领域，该基于密度图的水下鱼群小目标稳健计数方法为采集水下声呐设备成像获得的视频文件，逐张检查后将图像进行裁剪；对裁剪好的图像进行数据增强，将增强后的图像组确定为初始的鱼群计数数据集；对鱼类信号进行标注；数据集标注完成后，通过自适应高斯核函数读取并使用标注信息来生成鱼群声呐图像相应的密度图；将带注释的鱼群声呐图像作为计数模型的特征输入，训练计数模型；进行回归计数；该方法能够解决现有计数方法干扰因素过多导致很难将鱼与背景区分开来，鱼的自由移动导致获取到的水下图像形状不同，出现失真、模糊、遮挡和重叠等现象的问题。

主权项：1.一种基于密度图的水下鱼群小目标稳健计数方法，其特征在于，包括如下步骤：S10：采集水下声呐设备成像获得的视频文件，对其进行处理，对处理后的图像进行逐张检查后将图像进行裁剪，用于显示视域较好的地理区域；S20：对裁剪好的图像进行数据增强，将增强后的图像组确定为初始的鱼群计数数据集；S30：对初始的鱼群计数数据集中的鱼类信号进行标注，通过使用MakeSense软件中的点注释来标记鱼的中心，所述中心用于指示出每条鱼在声呐图像中的位置；S40：数据集标注完成后，通过自适应高斯核函数读取并使用标注信息来生成鱼群声呐图像相应的密度图；S50：将带注释的鱼群声呐图像作为计数模型的特征输入，训练计数模型，并在训练的过程中采用海洋捕食者算法对所述计数模型的参数进行优化；S60：使用训练好的计数模型对包含强噪声干扰的低分辨率密集鱼群声呐图像进行回归计数；所述在训练的过程中采用海洋捕食者算法对所述计数模型的参数进行优化的具体步骤包括：第一步，选择一组随机计数数据作为初始化搜索空间，根据搜索空间限制的范围由下述公式产生初始解：χ0＝Xmin+randXmax-Xmin；其中，Xmin以及Xmax分别表示求解问题中变量的最大值和最小值，rand表示0，1中的均匀随机数，χ0表示一组随机计数数据；第二步，定义两个矩阵，选取所述搜索空间中的最优解作为顶端计数过程，构造一个名为Elite的精英矩阵，该矩阵数组监视搜索过程，并根据声呐图像和对应的密度图的标记点位置搜索鱼；第二个矩阵是Prey矩阵，它的维数与Elite相同，计数过程基于这个矩阵进行更新，命名为猎物矩阵；在每次迭代结束时，如果出现适应度值更准确的计数数据，当前顶端的计数过程会被替换，Elite矩阵随之更新；第三步，迭代阶段，分为迭代初期、迭代中期以及迭代终期，在迭代初期时，图片的更新速度比图片标记的识别速度快，所以，计数过程采取等待策略，数学描述如下： i＝1，2，3…，n； 其中，stepsice表示移动步长，Iter表示当前迭代次数，Max_Iter表示算法最大迭代次数，RB表示布朗运动，是基于正态分布的随机数向量；P表示一个常量取0.5，R表示[0，1]中的均匀随机数向量；表示逐项乘法运算，Elitei为由顶级捕食者构造的精英矩阵，Preyi表示为与精英矩阵具有相同维度的猎物矩阵，n表示输入的声呐图像和对应的密度图的数量；在迭代中期阶段，计数识别过程遵循布朗运动，图片的更新过程遵循莱维运动；在这个时期，探索和开发都很重要，所以，一半的种群用于探索，另一半种群被用于开发，公式如下： i＝1，2，3…，n2； 其中，RL表示模拟莱维运动的随机数向量，通过RL与Preyi相乘模拟图片更新过程进行莱维运动： i＝n2，...，n； 其中，通过RB与Elitei相乘模拟图片识别进行布朗运动，猎物根据图片识别的过程的运动来更新自己位置，CF是图片识别计数移动步长的自适应参数；在迭代终期阶段，图片的更新速度比图片的识别计数慢，图片的识别计数过程的策略是莱维运动，公式如下： i＝1，2，3…，n； 第四步，FADs效应阶段，影响识别计数的准确性的还有环境因素，如涡流形成或鱼群聚集装置FADs效应，在这些因素的影响下，它们可能需要在不同的维度上进行更长时间的跳跃，以寻找另一个图片上标记物分布的环境，FADs可以表示探索区域的局部最优；通过在算法优化过程中设置更长的跳跃可以避免陷入局部最优，公式如下：当r≤FADs时， 当r＞FADs时，Preyi＝Preyi+[FADs1-r+r]Preyr1-Preyr2；其中，FADs表示影响算法优化过程的概率，通常情况下取0.2；U是包含0和1的二进制向量，通过在[0，1]中生成一个随机数组，如果随机数组小于0.2，则U转换为0，如果随机解大于0.2，则U转换为1；r表示[0，1]中产生的一个随机数，Xmax和Xmin表示包含维数下限的向量，r1和r2是Prey矩阵的随机指数；当r≤FADs时，图片的识别计数会在不同的维度上进行更长时间的跳跃，以此来寻找其他最优解分布空间，从而达到跳出局部最优的效果；当r＞FADs时，图片的识别计数会在当前的图片空间内随机移动。

全文数据：

权利要求：

百度查询： 西北工业大学青岛研究院 一种基于密度图的水下鱼群小目标稳健计数方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD