(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210987824.7 (22)申请日 2022.08.17 (71)申请人 常州大学 地址 213164 江苏省常州市武进区滆湖中 路21号 (72)发明人 储开斌　申春兰　 (74)专利代理 机构 常州市英 诺创信专利代理事 务所(普通 合伙) 32258 专利代理师 张秋月 (51)Int.Cl. G06T 7/246(2017.01) G06T 7/277(2017.01) G06V 10/25(2022.01) G06V 10/52(2022.01) G06V 10/75(2022.01)G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种用于移动机器人的装甲板检测跟踪方 法 (57)摘要 本发明涉及图像处理技术领域， 尤其涉及一 种用于移动机器人的装甲板检测跟踪方法， 包括 采集移动机器人装甲板图片； 针对装甲板小目标 对YOLOv5s网络进行改进； 构建DeepSort模型对 已检测的装甲板进行预测与跟踪。 本发明在 YOLOv5s的主干网络中添加CA注意力模块， 使网 络获得更大区域的信息， 加强特征提取， 提升装 甲板检测精度； 删除YOLOv5s网络中的大目标检 测层， 在保持检测精度的同时提升检测速度； 使 用DeepSort算法来对检测到的目标进行跟踪， 利 用卡尔曼滤波、 匈牙利算法来解决当前帧检测框 与轨迹的关联问题， 提高了数据关联的准确性， 有效的提升装甲板在被遮挡以及背景光照复杂 的情况下跟踪效果。 权利要求书2页 说明书5页 附图2页 CN 115359091 A 2022.11.18 CN 115359091 A 1.一种用于移动机器人的装甲板检测跟踪方法， 其特 征在于， 包括以下步骤： 步骤一、 采集移动机器人装甲板图片， 获取 数据集； 步骤二、 针对装甲板小目标对YOLOv5s网络进行改进， 将训练集输入改进后的YOLOv5s 网络进行训练， 获取YOLOv5s检测模型， 用于对移动机器人装甲板的检测； 步骤三、 构建De epSort模型对已检测的装甲板进行 预测与跟踪。 2.根据权利要求1所述的用于移动机器人的装甲板检测跟踪方法， 其特征在于， 步骤二 具体包括： 步骤2.1： 在YOLOv5s网络的SPPF层之前添加CA注意力模块， 将位置信息嵌入到通道注 意力； 步骤2.2、 在YOLOv5s网络中删除大目标检测 层， 删除大目标检测层的anchors和大目标 检测层对应的网络层； 步骤2.3构建改进YOLOv5s网络 。 3.根据权利要求2所述的用于移动机器人的装甲板检测跟踪方法， 其特征在于， 步骤 2.2具体包括： 删除大目标检测层的anchors为(116,90),(156,198)和(373,326)， 得到anchors模块 的6个锚框， 分别为(10,13),(16,3 0),(33,23),(3 0,61),(62,45),(59,1 19)； 删除原YOLOv5s网络中 的第8层集卷积层、 9层C3模块、 12层上采样层、 head中 的22‑24层 及检测层中的大目标检测头 。 4.根据权利要求2所述的用于移动机器人的装甲板检测跟踪方法， 其特征在于， 步骤 2.3具体包括： 1、 初始化YOLOv5s网络参数， 对图像归一化处理， 并设置batch  size、 epochs、 初始学习 率、 IOU阈值、 动量、 权 重衰减、 置信度阈值和非极大值重 叠率； 2、 对装甲板数据集进行预处理， 包括： Mosaic数据增强、 自适应锚框计算以及自适应图 片缩放； 3、 将图像输入到融合CA注意力的backbone模块， 产生多种尺寸的特征 图， 然后进行上 采样、 下采样以及Co ncat拼接操作， 产生 不同尺度大小的特 征图； 4、 将不同尺度的特征图输入head部分的Detect层中， 得到要检测目标的检测框位置、 类别以及置信度， 删除置信度小于设定阈值的检测 框， 计算检测 框与真实框之间的IOU， 再 利用定位损失、 分类损失和置信度损失进行反向传播， 并对Y OLOv5s网络中的梯度进行更新 调节权重参数。 5.根据权利要求1所述的用于移动机器人的装甲板检测跟踪方法， 其特征在于， 步骤三 具体包括： 步骤3.1、 根据 首帧目标的检测框创建对应的跟踪框， 利用首帧目标的检测框信息初始 化卡尔曼滤波器的参数， 通过卡尔曼 滤波器预测下一帧的目标位置信息； 步骤3.2、 将当前帧目标的检测框和预测框进行IOU匹配， 通过目标框的马氏距离和特 征余弦距离来整合运动信息和外观信息计算代价矩阵， 将代价矩阵作为匈牙利算法的输入 进行线性匹配， 得到匹配成功的跟踪框和检测框、 匹配失败的检测框、 匹配失败的跟踪框， 执行此步直至出现确认框或跟踪结束； 步骤3.3、 对当前帧的检测框和上一帧确认框的预测框进行级联匹配， 对出现频率高的权　利　要　求　书 1/2 页 2 CN 115359091 A 2目标物赋予优先权， 更新匹配成功的预测框的卡尔曼滤波参数， 将失配的预测框、 不确认的 预测框与失配的检测框进行IOU匹配并计算代价矩阵， 重复步骤3.2、 3.3 至跟踪结束。 6.根据权利要求5所述的用于移动机器人的装甲板检测跟踪方法， 其特征在于， 步骤 3.2还包括： 更新匹配成功的预测框的卡尔曼滤波参数； 匹配失败的检测框认 为出现了新的 目标， 为匹配失败的检测框新建预测框； 匹配失败的跟踪框为不确认状态的跟踪框， 将其删 除； 不确认状态的跟踪框连续三帧匹配成功则成为确认状态的跟踪框； 确认态的跟踪框连 续30帧匹配失败， 则认为目标丢失， 删除跟踪框 。权　利　要　求　书 2/2 页 3 CN 115359091 A 3