The invention discloses a ship detection system based on artificial intelligence, which includes a video frame extraction and transcoding module, a pre-training Faster R_CNN model based on ResNet68, a ship motion feature calculation module and a model operation scheduling module. The video frame extraction and transcoding module obtains images in the video and transcoding them for subsequent operation of the model operation scheduling module. The training model detects and classifies the target of a single frame image, outputs candidate boxes, classification results and confidence scores; the ship motion results calculation module further filters the results of the Faster R_CNN model and calculates the speed and direction of the ship motion; the model operation scheduling module assigns the processes to calculate synchronously using the Faster R_CNN model. The invention has the advantages of simple transplantation, high accuracy, adaptability to extreme weather conditions and wide detection channel width.
【技术实现步骤摘要】
一种基于人工智能的船舶检测系统及方法
本专利技术属于人工智能技术应用,具体涉及一种基于人工智能的船舶检测系统及方法。
技术介绍
物体识别被广泛应用于当下的智能监控设备中,比如较为成熟的人脸识别、车牌识别等。但是相对于固定车道的车辆识别,航道上的船舶识别就较为复杂。其难点主要在于船舶航道不固定、船只外形差异大,背景干扰多(如水面的反光、岸上的植被)、检测范围宽(江面检测范围宽达200米以上)、不同航道环境不同,这就导致传统的图像检测算法很难对此给出一个普适的方法。基于人工智能的图像检测算法很好的克服了这一问题。近年来,人工智能在图形图像领域有突出成果,随着R-CNN(regionwithCNNfeatures)的提出,其开始广泛应用于现下机器视觉系统,包括物体识别、自动分割、无人驾驶等领域。通过预先分类后选择性搜索并使用CNNs(大型卷积神经网络)提取特征,可以很好的检测不同尺度、不同长宽比的目标物体,解决了船只检测中船只外形差异大的难点。同时对于被遮挡的船只,或者雨雪天气导致的画面模糊也有极高的识别率。其中使用RPN神经网络(RegionProposalNetwork)来提取候选检测框作为CNNs的数据,可以大大提高处理速度。该方法称为FasterR-CNN。另外,网络的深度很大程度上决定了模型的性能,更多的网络层数,为提取更复杂的特征模式创造了可能,从而使得模型更加优秀。但是,常见网络在加深后会出现网络退化问题,即随着深度增加网络准确度趋于饱和或退化。因而在模型中,使用ResNet(深度残差网络)替代常见的VGG网络,其通过残差学习解决了深度网络的退化问 ...
【技术保护点】
1.一种基于人工智能的船舶检测系统,包括视频帧提取与转码模块、预训练的基于ResNet68的Faster R‑CNN模型、船只运动特征计算模块和模型运算调度模块,其特征在于:所述视频帧提取与转码模块获取视频中的图像并转码供模型运算调度模块进行后续操作;所述预训练的基于ResNet68的Faster R‑CNN模型对单帧图像进行目标检测和分类,输出候选框、分类结果、置信分数;所述的船只运动结果计算模块对Faster R‑CNN模型的检测结果进行进一步筛选并计算船只速度、运动方向;所述的模型运算调度模块分配各进程同步使用Faster R‑CNN模型模型进行计算。
【技术特征摘要】
1.一种基于人工智能的船舶检测系统,包括视频帧提取与转码模块、预训练的基于ResNet68的FasterR-CNN模型、船只运动特征计算模块和模型运算调度模块,其特征在于:所述视频帧提取与转码模块获取视频中的图像并转码供模型运算调度模块进行后续操作;所述预训练的基于ResNet68的FasterR-CNN模型对单帧图像进行目标检测和分类,输出候选框、分类结果、置信分数;所述的船只运动结果计算模块对FasterR-CNN模型的检测结果进行进一步筛选并计算船只速度、运动方向;所述的模型运算调度模块分配各进程同步使用FasterR-CNN模型模型进行计算。2.如权利要求1所述的一种基于人工智能的船舶检测系统,其特征在于所述视频帧提取与转码模块通过网络接受前端相机传输回的视频帧画面,调用GPU运算,快速将单帧图片由YUV转换成BMP格式。3.如权利要求1所述的一种基于人工智能的船舶检测系统,其特征在于所述的预训练的基...
【专利技术属性】
技术研发人员:俞永方,叶建标,李军,沈跃忠,沈琳,
申请(专利权)人:浙江华是科技股份有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。