基于视频图像海上智能目标识别技术

参赛方案介绍

基于视频图像海上智能目标识别技术是为了解决在四级海况条件下，航速≥35 节航行的小型艇平台的视频图像中距离在300米以上、大小在10m×5m×3m以下的对小目标的快速智能探测和识别问题。

本系统利用基于深度学习的先进光学视频图像处理分析技术。首先，采用超分辨率图像重建技术对低分辨率的模糊图像进行去模糊处理，增大模糊图像的分辨率，现有的方法主要有：SRCNN，DRCN, ESPCN，VESPCN和SRGAN等；其次，利用基于CNN的目标检测算法实现舰艇平台在复杂海况条件下对小目标的快速探测、识别、定位和分类；最后，借助于目标检测领域的评估体系完成对检测结果的评估。在系统运行过程中，随着数据的不断累积，定期对深度学习模型进行离线更新训练。

（1）系统输入：多种制式和多种清晰度电视视频图像和红外视频图像

（2）系统输出：海上目标检测结果

（3）系统组成：图像去模糊模块、目标检测模块、检测效果评估模块

如今，基于深度学习的目标检测技术飞速发展，最好的目标检测算法在公开数据集上有着跨越式的进步，算法性能在不断地接近人类能力。现阶段，基于深度学习的目标检测主要有两类方法体系：第一类是两阶段方法，其基本思想是：首先对图像进行候选区域提取，然后再对候选区域进行处理，确定检测目标。典型代表网络有R-CNN、Fast-R-CNN以及Faster-R-CNN。第二类是一阶段方法，其可以一次性预测多个目标位置和类别，能够实现端到端的目标检测和识别，速度快。典型代表网络有YOLO和SSD。

核心技术

本系统采用一阶段目标检测方法体系实现对海上小目标的智能识别，在训练过程中SSD和YOLO直接对整张图像进行处理，可以一次性预测多个目标位置和类别。为了提升小目标的检测效果，本系统拟参考人脸检测领域的Finding tiny faces 方法，该方法提升小目标检测效果的策略主要有：第一，在检测过程中，融合模板金字塔和图像金字塔，设计多尺度的检测模板；第二，从预训练网络的多个特征层中提取卷积深度特征，更好的利用网络中的语境信息。