一种基于YOLO-V3算法的水下目标识别跟踪方法

摘要

cqvip:为协助水下平台完成自主拍摄任务,针对水中成像模糊,物体多自由度运动的特点,提出一种基于YOLO-V3算法的目标识别模型。通过降采样重组,多级融合、优化聚类候选框、重新定义损失函数等方式优化网络结构,提高了目标识别的准确率,同时提升算法的计算速度。将具有旋转不变性的特征描述应用于跟踪水中多自由度运动的物体,通过评价结果修正跟踪状态。实验表明,该方法能够自主识别和跟踪目标,具有自适应能力,对输入像素为416*416的图片,处理速度达到15帧/秒以上,置信度为0.5时的平均准确度值达到75.1,满足实时性和准确性要求。