基于声视觉的水下动态目标跟踪方法研究.pdfVIP

基于声视觉的水下动态目标跟踪方法研究

摘要

水下环境感知技术是水下机器人技术的重要分支。在民用领域，可用于水下搜救、

海底管道监测等作业任务；在军事领域，可用于港口安防、水下目标探测等作业任务。

相对于光波，声波在水下衰减速度慢，可探测到相对较远的水下目标，因此水下声视觉

成为水下感知的主要手段。由于复杂的水下声场环境，声视觉图像存在目标区域模糊、

目标轮廓变形等问题，增加了对水下动态目标稳定持续跟踪的难度。针对以上问题，本

论文开展了基于深度学习的水下声视觉动态目标跟踪方法研究。从声学图像数据扩充、

检测器优化、跟踪器优化三个方面入手，实现了对水下动态目标的稳定跟踪。主要研究

内容如下：

1）研究了水下目标的声学图像扩充方法。探讨了基于生成对抗网络的声学图像扩充方

法，结合传统数据扩充方法，构建了水下目标检测数据集，分析了数据集对检测网络训

练效果的影响，形成了水下动态目标跟踪数据序列，实现了对声学图像数据的有效扩充。

2）研究了基于YOLOv5的水下声学目标检测器优化方法。以平均精确度均值（mAP）、

召回率（Recall）和每秒处理图片数量（FPS）为评价指标，对比分析了常用检测网络在

声纳数据集上的检测性能。在此基础上，以YOLOv5作为基础网络，引入Swin

Transformer网络中的STRBlock结构，提升了YOLOv5网络的全局图像信息融合能力，

改善了网络对水下目标的检测性能。

3）研究了基于DeepSORT的水下动态目标跟踪方法。提出了DeepSORT中的目标框

扩展策略，通过对目标框的比例扩展，扩大了跟踪器的感受野，优化了对水下声学目标

的跟踪性能。

关键词：目标感知；深度学习；数据扩充；多目标跟踪；目标检测

基于声视觉的水下动态目标跟踪方法研究

Abstract

Underwaterenvironmentsensingtechnologyisanimportantbranchofunderwaterrobot

technology.Inthecivilfield,itcanbeusedforunderwatersearchandrescue,submarine

pipelinemonitoringandotheroperationaltasks;Inthemilitaryfield,itcanbeusedforport

security,underwatertargetdetectionandotheroperations.Comparedwithlightwave,acoustic

waveattenuatesslowlyunderwaterandcandetectrelativelydistantunderwatertargets,so

underwateracousticvisionbecomesthemainmeansofunderwaterperception.Duetothe

complexunderwatersoundfieldenvironment,therearesomeproblemssuchasblurredtarget

areaanddeformedtargetcontourinacousticvisionimage,whichincreasethedifficultyof

stableandcontinuoustrackingofunderwaterdynamictarget.Tosolvetheaboveproblems,this

papercarriedoutadeeplearning-basedunderwateracousticvisiondynamictargettracking

method.Basedonacousticimagedata