一种基于图像的智能船舶身份识别方法技术

本发明专利技术公开了一种基于图像的智能船舶身份识别方法，主要包含的步骤包括：1）对于首次经过航道的船舶建立基于图像的船舶信息数据库；2）抓拍航道区域，并判断是否存在船舶；3）船舶区域的定位于分割；4）船舶图像特征的提取；5）把抓拍区域的船舶特征与船舶数据库的船舶信息进行匹配，以判定船舶身份。本发明专利技术方法主要利用了深度学习的方法来对船舶进行定位和身份进行识别，并且在处理大规模船舶信息数据上采用了并行加速处理的方法，具有识别率高、响应速度快的有点，具有很广泛的应用前景。

【技术实现步骤摘要】
一种基于图像的智能船舶身份识别方法
本专利技术涉及海上智能交通领域，特别是一种基于图像的智能船舶身份识别方法。
技术介绍
近年来智能交通发展十分迅猛，但基本上是基于固定背景的陆上交通的车辆检测与识别，对于水上交通来说存在以下几个难点：1.水上背景不固定，受光照、雨雾等天气影响较大；2.江面一般都十分广阔，船舶目标远近检测结果相差较大；3.建在江边的摄像头，受风力影响，照片抓拍抖动也大，因此一直以来，江上的船舶监管都是以雷达、AIS相互补充的手段来进行监管。然而雷达及AIS都有个缺点就是不直观，不能像视频一样直接看到船舶交通现场场景，特别在事故及搜救过程中尤为重要。海事监管部门2016年以来，一直致力于发展水上智能监控，但目前仅有船舶视频流量统计方面的智能软件，船舶视频跟踪还得关联雷达及AIS才能联运跟踪，水上视频智能监管方面市场需求十分广阔，本项目就是根据海事监管部门提出的迫切需要而开发出来的。同时，有时候受到环境的限制，针对视频对船舶进行识别可能具有一定的局限性，如果执法人员执法过程能够通过手机进行可疑船舶图片的拍摄并记录，通过单帧图像识别系统进行识别则能有效减少现场执法的难度。本专利技术能够通过分析视频与单帧图片，实现船舶的跟踪与匹配，并由此可以解决船舶套牌，超载，救援等问题。本专利技术可以与现有的AIS等系统结合，调用已有的大量的视频资料，分析实时水上交通状况，为监管部门提供更快捷的发现问题，解决问题的途径。另外，水上智能交通方面的应用仍然比较贫乏，本项目有很广阔的应用前景。本专利技术运用深度学习的方法分别对船舶识别的方式、对船舶细节特征处理、大数据分析方面加以优化，实现真正的智能化监控与管理。为节省相关部门的人力资源做出贡献，同时能够与相关企业合作，将技术运用于实践之中。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足，而提供一种基于图像的智能船舶身份识别方法，该基于图像的智能船舶身份识别方法主要是在航道领域打造海上“ETC”系统，首先需要对出现在航道卡口的船舶进行抓拍，然后对船舶的特征及字符进行智能识别，最终通过与船舶数据库对比匹配，得到该船舶的相关信息的情况；从而对河口航道的航运船只进行有效的自动化监控与管理，减轻河道相关管理单位的人力负担，同时通过与AIS系统对比，可以有效的发现船舶违法变更AIS信息逃避监管等行为，确保了船舶在河道航行的安全，巩固了河道出入系统的稳定。为解决上述技术问题，本专利技术采用的技术方案是：一种基于图像的智能船舶身份识别方法，包括如下步骤。步骤1，建立训练数据集：采用多种不同类型的船舶图片采用基于卷积神经网络的方法，进行训练，得到训练数据集。步骤2，船舶初始数据的建立：在设定的时间段内，对于首次经过航道的每艘船舶，均采集n个样本，并通过对应的AIS标识，建立基于图像的船舶信息数据库；其中，每个样本均采用基于SURF特征算法的方法进行船舶图像特征的提取。步骤3，抓拍区域船舶检测：抓拍航道区域，并判断是否存在船舶。步骤4，船舶区域的定位与分割：当步骤2中判定抓拍航道区域存在船舶时，采用步骤1建立的训练数据集，以及深度学习中的回归方法对抓拍的船舶图像进行定位识别，在抓拍的图像中找出相应的船舶区域，并分割出来。步骤5，船舶图像特征的提取：将步骤4分割出来的船舶区域图像，先建立相应的船舶图像的积分图像以及其尺度空间，然后在建立的尺度空间中，寻找相应的图像特征点并保存起来。步骤6，船舶特征匹配：将步骤5寻找的图像特征点与步骤1建立的初始数据库中的船舶图像特征进行匹配对比，从而自动判定抓拍船舶的身份。步骤1中，训练数据集建立时，采用1000多不同的船舶且不低于5000张的照片进行训练。步骤3，先对抓拍的图像进行图像的颜色空间变换，先统计出水域的S和V分量的平均值，然后对图像中S分量及V分量分别跟水域的平均值做差分，使得目标与背景分离，然后把两个分量得到的结果融合在一起，当结果目标的像素超过设定的阈值时，则判断区域中可能存在有船。步骤3，先将抓拍的图像从RGB空间转换成HSV空间，通过图像中的S及V分量融合来分离出船舶目标，并且用H分量来去除目标阴影干扰部分，从而分析出水上区域是否存在着船舶目标。步骤4中，分离出来的船体区域占整个图片的1/3到1/5之间。步骤4中，将船舶检测作为回归问题求解，基于一个单独的端到端的网络，完成从原始图像的输入到物体位置的输出。具体方法分为训练和预测两步。训练时，本专利技术方法先采集有标注船舶位置信息的图像，然后建立8层的深度学习网络，通过20000次的迭代，得到相应的船舶特征参数，这个训练过程可以离线进行，并且训练好的参数可以保存成文件，用于图像照片中的船舶位置预测分割。在预测这一步里，先读入参数，然后利用这些参数对输入的抓拍的原始图像中的船体区域进行定位，并将船体区域用框裁剪出来。步骤5中，为了保持图像匹配具有尺度不变性，在建立图像的尺度空间之前，需要先对图像进行分层，然后建立图像的尺度空间，在不同的尺度的图像上寻找图像特征点。步骤5中，在船舶图像特征的提取之前，先采用深度学习的方法对抓拍的原始图像进行预处理，将非船体部分的背景去掉，去掉的背景用白块填充，从而减少抓拍图片的特征点个数。步骤6中，船舶特征匹配时，如果匹配度大于设定匹配阈值，则检索出相应的船舶身份信息；如果数据库中所有的船舶信息与被抓拍的船舶的信息匹配度均小于设定的最小阈值，则认为该船舶为首次出现的船舶，故将此次抓拍的图像特征信息加入到步骤1中的船舶初始数据库中。步骤6中，船舶特征匹配时，采用Hamming距离来度量两个船舶特征图像的相似性，当计算的匹配点的个数超过输入的船舶图像特征点个数50％时，则认为两个图像的匹配度比较高，是同一艘船的概率比较大。本专利技术具有如下有益效果：能在航道领域打造海上“ETC”系统，首先需要对出现在航道卡口的船舶进行抓拍，然后对船舶的特征及字符进行智能识别，最终通过与船舶数据库对比匹配，得到该船舶的相关信息的情况；从而对河口航道的航运船只进行有效的自动化监控与管理，减轻河道相关管理单位的人力负担，同时通过与AIS系统对比，可以有效的发现船舶违法变更AIS信息逃避监管等行为，确保了船舶在河道航行的安全，巩固了河道出入系统的稳定。附图说明图1显示了本专利技术一种基于图像的智能船舶身份识别方法的流程示意图。图2为本专利技术的船体区域检测图。图3为本专利技术计算的船舶图像特征点的图。图4为本专利技术计算和匹配特征点流程图。图5为本专利技术两艘船的特征点匹配结果图。图6为本专利技术的训练数据集的训练网络图。具体实施方式下面结合附图和具体较佳实施方式对本专利技术作进一步详细的说明。如图1所示，一种基于图像的智能船舶身份识别方法，包括如下步骤。步骤1，建立训练数据集：采用多种不同类型的船舶图片采用基于卷积神经网络的方法，进行训练，得到训练数据集。上述训练数据集建立时，优选采用1000多不同的船舶且不低于5000张的照片进行训练。具体训练网络如图6所示，具体训练方法为现有技术，此次不再详细赘述。对于训练数据集的每一张图片，在进入神经网络前会进行大小调整等预处理，并且训练数据集的每张图片的船舶位置在原图中对应的横纵坐标与宽高都一一对应，拥有一个其对应的类别标签，确保训练的准确性。通过对输入的船舶图片本文档来自技高网...

【技术保护点】
1.一种基于图像的智能船舶身份识别方法，其特征在于：包括如下步骤：步骤1，建立训练数据集：采用多种不同类型的船舶图片采用基于卷积神经网络的方法，进行训练，得到训练数据集；步骤2，船舶初始数据的建立：在设定的时间段内，对于首次经过航道的每艘船舶，均采集n个样本，并通过对应的AIS标识，建立基于图像的船舶信息数据库；其中，每个样本均采用基于SURF特征算法的方法进行船舶图像特征的提取；步骤3，抓拍区域船舶检测：抓拍航道区域，并判断是否存在船舶；步骤4，船舶区域的定位与分割：当步骤2中判定抓拍航道区域存在船舶时，采用步骤1建立的训练数据集，以及深度学习中的回归方法对抓拍的船舶图像进行定位识别，在抓拍的图像中找出相应的船舶区域，并分割出来；步骤5，船舶图像特征的提取：将步骤4分割出来的船舶区域图像，先建立相应的船舶图像的积分图像以及其尺度空间，然后在建立的尺度空间中，寻找相应的图像特征点并保存起来；步骤6，船舶特征匹配：将步骤5寻找的图像特征点与步骤1建立的初始数据库中的船舶图像特征进行匹配对比，从而自动判定抓拍船舶的身份。

【技术特征摘要】
1.一种基于图像的智能船舶身份识别方法，其特征在于：包括如下步骤：步骤1，建立训练数据集：采用多种不同类型的船舶图片采用基于卷积神经网络的方法，进行训练，得到训练数据集；步骤2，船舶初始数据的建立：在设定的时间段内，对于首次经过航道的每艘船舶，均采集n个样本，并通过对应的AIS标识，建立基于图像的船舶信息数据库；其中，每个样本均采用基于SURF特征算法的方法进行船舶图像特征的提取；步骤3，抓拍区域船舶检测：抓拍航道区域，并判断是否存在船舶；步骤4，船舶区域的定位与分割：当步骤2中判定抓拍航道区域存在船舶时，采用步骤1建立的训练数据集，以及深度学习中的回归方法对抓拍的船舶图像进行定位识别，在抓拍的图像中找出相应的船舶区域，并分割出来；步骤5，船舶图像特征的提取：将步骤4分割出来的船舶区域图像，先建立相应的船舶图像的积分图像以及其尺度空间，然后在建立的尺度空间中，寻找相应的图像特征点并保存起来；步骤6，船舶特征匹配：将步骤5寻找的图像特征点与步骤1建立的初始数据库中的船舶图像特征进行匹配对比，从而自动判定抓拍船舶的身份。2.根据权利要求1所述的基于图像的智能船舶身份识别方法，其特征在于：步骤1中，训练数据集建立时，采用1000多不同的船舶且不低于5000张的照片进行训练。3.根据权利要求1所述的基于图像的智能船舶身份识别方法，其特征在于：步骤3，先对抓拍的图像进行图像的颜色空间变换，先统计出水域的S和V分量的平均值，然后对图像中S分量及V分量分别跟水域的平均值做差分，使得目标与背景分离，然后把两个分量得到的结果融合在一起，当结果目标的像素超过设定的阈值时，则判断区域中可能存在有船。4.根据权利要求3所述的基于图像的智能船舶身份识别方法，其特征在于：步骤3，先将抓拍的图像从RGB空间转换成HSV空间，通过图像中的S及V分量融合来分离出船舶目标，并且用H分量来去除目标阴影干扰部...

【专利技术属性】
技术研发人员：田池，唐吉，徐坤，夏金锋，周晓安，张金松，张杰，朱德理，石志国，陆月晴，
申请(专利权)人：中船重工鹏力南京大气海洋信息系统有限公司，中国船舶重工集团南京鹏力科技集团有限公司，
类型：发明
国别省市：江苏,32