周薇娜, 丁豪文, 周 颖
(上海海事大学 信息工程学院,上海 201306)
在海事搜救、海上交通管理、无人船等海事重要应用领域,弱小船舶目标的实时检测极为重要,其直接影响监控系统的性能。但弱小船舶目标由于目标的面积小,可利用信息少,且易受海上复杂多变的天气环境影响等噪声干扰,使得常见的针对普通视觉目标的检测算法难以达到令人满意的结果,可靠性和实用性均较差。
常用的目标检测算法根据传感源的不同可以分为红外目标检测和可见光目标检测。随着可见光传感器的分辨率越来越高,成本越来越低廉,在绝大多数情况下,可见光目标检测具备更多的优势。可见光目标检测方法依据算法的出现时间又可分为传统方法和基于深度学习的方法。传统目标检测算法中阈值分割类算法[1]适合背景较为单一的图像,在背景比较复杂的情况下效果并不理想。特征匹配类算法[2-8]通过滑动窗口进行特征提取,将提取到的特征用分类器分类,提取的特征包括SIFT、HOG和Haar等,常用的分类器有SVM、Adaboosting和RF等。但是这种滑动窗口的区域选择策略没有针对性,计算量特别大,手工设计的特征取样器也没有很好的鲁棒性。基于深度学习的目标检测算法近年来在计算机视觉任务方面取得了重大突破[9-11],其检测精确度明显优于传统检测方法。基于深度学习的目标检测算法大致可分为两类。一类是先得到候选区域再对候选区域进行分类和边框……