基于前视声呐的水下动态目标检测与跟踪.pdfVIP

基于前视声呐的水下动态目标检测与跟踪

摘要

随着海洋强国战略的提出，建设海洋安全保障体系的需求不断加大。多波束前视声

呐相比于可见光受水下环境条件影响较小，可探测距离更远，故多波束前视声呐在目标

探测、跟踪等领域被广泛应用。但在前视声呐图像中存在目标特征模糊，目标成像畸变

严重等问题，导致在检测与跟踪前视声呐图像中动态目标的准确率较低。故本文以潜水

员为例，对基于前视声呐的水下动态目标检测与跟踪方法进行研究，以提高对声呐图像

中动态目标的检测精度与跟踪连续稳定性，研究内容如下：

首先，针对水下环境中声呐成像后潜水员目标黑色阴影区域畸变严重、特定角度下

潜水员目标光亮回波较小、水中潜水员目标姿态多样的问题，提出可变形卷积多尺度动

态目标检测网络。为了适应声呐视频中相邻帧潜水员目标黑色阴影区域的畸变，在

YOLOv5s的基础上增加可变形卷积；为了改善对特定角度下声呐图像中潜水员目标光

亮回波检测不准的问题，增加小尺度目标检测层；为了提高网络模型对目标的关注度，

增加基于归一化的注意力机制。通过在声呐图像数据集中进行测试，证明了本方法的检

测准确率优于YOLOv5s。

其次，为了消除可变形卷积对潜水员目标光亮回波产生的副作用，充分利用潜水员

目标的光亮回波和黑色阴影区域特征，提出双分支互增强动态目标检测网络。此网络采

用双分支骨干特征提取结构，分别提取光亮回波与黑色阴影特征并将其融合，再使用通

道注意力机制加权不同特征的重要性。同时为了加快网络模型的收敛速度，在分类损失



项中加入平衡因子和权重因子来减少对简单样本的训练重要程度。将该算法通过在



潜水员声呐数据集中测试，并与其它目标检测算法对比，该网络模型对前视声呐图像中

潜水员目标的检测准确率得到提升并优于对比算法。

最后，针对声呐图像中的潜水员目标进行跟踪实验，为了提高DeepSORT算法的跟

踪精度以及减少潜水员目标身份变更次数，将改进后的检测算法与DeepSORT算法进行

结合，并将级联匹配之后的二次匹配算法中加入检测框与预测框之间的距离信息。将优

化好的DeepSORT算法在潜水员声呐数据集中进行测试，减少了潜水员目标身份的变更

次数。

关键词：前视声呐图像；深度学习；声呐目标检测；声呐目标跟踪

基于前视声呐的水下动态目标检测与跟踪

Abstract

Withtheproposalofthemaritimepowerstrategy,thedemandfortheconstructionofthe

marinesecuritysystemisincreasing.Comparedwithvisiblelight,multi-beamforward-looking

sonarislessaffectedbyunderwaterenvironmentalconditionsandcandetectfurther.Therefore,

multi-beamforward-lookingsonariswidelyusedintargetdetection,trackingandotherfields.

However,therearesomeproblemssuchasthefuzzyfeatureofthetargetandseriousdistortion

ofthetargetimagesinforward-lookingsonarimages,whichleadtolowaccuracyofdynamic

targetdetectionandtrackingintheforward-lookingsonarimages.Therefore,thispapertakesa

diverasanexampletostudythedetectionandtrackingmethodofunderwaterdynamictargets

basedonf