一种可搭载于无人艇的辅助水面巡逻系统以及水面监测方法技术方案

本发明专利技术提供了一种可搭载于无人艇的辅助水面巡逻系统以及水面监测方法，其中的系统包括获取预设巡逻水域内的视频图像信息的信息获取模块、将预设巡逻水域内的视频图像信息发送至目标检测模块的第一信息发送模块；对接收的视频图像信息采用YOLO算法进行检测与识别，获得巡逻水域内目标的目标检测模块、获取检测的目标的位置信息的位置获取模块、将检测后的目标的类别和位置信息发送至信息可视化模块的第二信息发送模块以及对检测后目标的信息进行可视化显示的信息可视化模块。本发明专利技术可以提高巡逻的效率以及提高目标识别的准确性。

An auxiliary surface patrol system and surface monitoring method that can be carried on unmanned boats

【技术实现步骤摘要】
一种可搭载于无人艇的辅助水面巡逻系统以及水面监测方法
本专利技术涉及目标识别
，尤其涉及一种可搭载于无人艇的辅助水面巡逻系统以及水面监测方法。
技术介绍
随着科学技术的发展，航运事业也得到了较快的发展，水运经济也成为了国民经济的重要组成部分。然而，随着水运经济的发展，水上安全事故也不断增加。本申请专利技术人在实施本专利技术的过程中，发现现有技术中至少存在如下技术问题：现有技术中，通常是巡逻艇操作人员驾驶船艇进行水上巡逻，即为人工水域巡逻，需要预先对巡逻人员进行巡逻艇操作训练，因而其综合成本较高，并且这种方式较易受到自然因素影响，还需要依赖于操作巡逻艇操作人员的经验，可能由于疲劳造成操作不当，导致人员及财产损失。因此，现有技术中存在效率低、效果不佳的技术问题。
技术实现思路
本专利技术实施例提供了一种可搭载于无人艇的辅助水面巡逻系统以及目标检测方法，用以解决或者至少部分解决现有技术中存在的效率低、效果不佳的技术问题。为了解决上述问题，本专利技术第一方面提供了一种可搭载于无人艇的辅助水面巡逻系统，所述系统包括信息获取模块、第一信息发送模块、目标检测模块、第二信息发送模块、位置获取模块和信息可视化模块，其中，所述信息获取模块为搭载于无人艇上的高清摄像头，用于获取预设巡逻水域内的视频图像信息；第一信息发送模块，用于将预设巡逻水域内的视频图像信息发送至目标检测模块；目标检测模块，用于对接收的视频图像信息采用YOLO算法进行检测与识别，获得巡逻水域内的目标，目标包括人员、船只和水面垃圾，YOLO算法的识别过程包括：预先采集不同环境和不同拍摄角度下的人员、船只和水面垃圾的图像并进行预处理，构成样本集，从样本集中选取出预设比例的样本作为训练集；利用训练集对预设卷积神经网络模型进行训练，其中，训练集用于预测输入图像的类别和预测框在图像中的位置；设置并优化训练参数，对模型进行优化，得到优化后的卷积神经网络模型，将接收的图像信息进行预处理后输入优化后的卷积神经网络模型，获得检测结果，其中，检测结果包括目标的类别；位置获取模块，用于获取检测的目标的位置信息；第二信息发送模块，用于将检测后的目标的类别和位置信息发送至信息可视化模块；信息可视化模块，用于对检测后目标的信息进行可视化显示。在一种实施方式中，不同环境包括光线亮度、天气情况和水域状况。在一种实施方式中，目标检测模块，还用于：对信息获取模块获取的不同环境和不同角度下的图像信息进行分帧处理，获得检测目标的图像序列集合；对图像序列集合中图像进行标注，并转化为YOLO算法可识别的格式，形成样本集。在一种实施方式中，目标检测模块中，将接收的图像信息进行预处理后输入优化后的卷积神经网络模型，获得检测结果，具体包括：将接收的图像分割为S*S个区块，其中，每个区块负责检测目标物体的中心是否落在该区块内，对于每一个区块预测出C个类别概率值，类别概率值用以表征由该单元格负责预测的目标属于各个类别的概率，同时预测b个边界框，并预测每个边界框的边界框类别置信度，边界框类别置信度用以表征该边界框中目标属于各个类别的可能性大小以及边界框匹配目标的好坏；根据每个区块预测的类别信息和每个边界框预测的置信度，得到每个边界框的中心置信度；根据计算出的边界框的中心置信度，采用预先设置的置信度阈值，剔除置信度较低的区块；将目标物体可能存在的区块进行非极大值抑制计算，得到的目标物体在图像中的位置以及目标物体的类别，并进行框选。在一种实施方式中，所述系统还包括语音播报模块，用于在目标检测模块识别到目标后进行播报。在一种实施方式中，信息可视化模块的展示方式包括2D、3D和AR模式。基于同样的专利技术构思，本专利技术第二方面提供了一种基于第一方面所述的可搭载于无人艇的辅助水面巡逻系统的水面监测方法，包括：步骤S1：通过搭载于无人艇上的高清摄像头获取预设巡逻水域内的视频图像信息；步骤S2：通过第一信息发送模块将预设巡逻水域内的视频图像信息发送至目标检测模块；步骤S3：通过目标检测模块对接收的视频图像信息采用YOLO算法进行检测与识别，获得巡逻水域内的目标，目标包括人员、船只和水面垃圾，YOLO算法的识别过程包括：预先采集不同环境和不同拍摄角度下的人员、船只和水面垃圾的图像并进行预处理，构成样本集，从样本集中选取出预设比例的样本作为训练集；利用训练集对预设卷积神经网络模型进行训练，其中，训练集用于预测输入图像的类别和预测框在图像中的位置；设置并优化训练参数，对模型进行优化，得到优化后的卷积神经网络模型，将接收的图像信息进行预处理后输入优化后的卷积神经网络模型，获得检测结果，其中，检测结果包括目标的类别；步骤S4：通过位置获取模块获取检测的目标的位置信息；步骤S5：通过第二信息发送模块将检测后的目标的类别和位置信息发送至信息可视化模块；步骤S6：通过信息可视化模块对检测得到的目标信息进行可视化显示。在一种实施方式中，预先采集不同环境和不同拍摄角度下的人员、船只和水面垃圾的图像并进行预处理，构成样本集，包括：对信息获取模块获取的不同环境和不同角度下的图像信息进行分帧处理，获得检测目标的图像序列集合；对图像序列集合中图像进行标注，并转化为YOLO算法可识别的格式，形成样本集。在一种实施方式中，所述方法还包括：通过语音播报模块在目标检测模块识别到目标后进行播报。本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：本专利技术提供的一种可搭载于无人艇的辅助水面巡逻系统，信息获取模块获取预设巡逻水域内的视频图像信息后，通过第一信息发送模块将预设巡逻水域内的视频图像信息发送至目标检测模块；然后由目标检测模块对接收的视频图像信息采用YOLO算法进行检测与识别，获得巡逻水域内的目标，目标包括人员、船只和水面垃圾，并通过位置获取模块获取检测的目标的位置信息；再由第二信息发送模块将检测后的目标的类别和位置信息发送至信息可视化模块；最后通过信息可视化模块对检测后目标的信息进行可视化显示。通过本专利技术提供可搭载于无人艇的辅助水面巡逻系统，一方面，可以对无人艇进行控制，从而实现自动巡逻，解决现有方法中人工成本高、效率低的问题，另一方面，通过采用YOLO算法进行检测与识别，预先采集大量不同环境和不同拍摄角度下的人员、船只和水面垃圾的图像并进行预处理，构成训练样本，对卷积神经网络模型进行训练，并对模型进行优化，从而使得本专利技术的检测与识别方法的准确性和精度更高，解决依赖人工检测或者现有检测识别方法中存在的识别不准确的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为一种实施方式中一种可搭载于无人艇的辅助水面巡逻系统的结构框图；图2为图1所示巡逻系统中的信息可视化模块的展示形式示意图；图3为采用本专利技术提供的巡逻系统检测出水面垃圾的结果示意图；图4为采用本专利技术提供的巡逻系统检测出戏水人员的结果示意图；图5为采用本专利技术提供的巡逻系统检测出船只的结果示意图；图6为基于图1中的巡逻系统实现的水面监测方法的流程图。具体实施方式本专利技术实施例提供了本文档来自技高网...

【技术保护点】
1.一种可搭载于无人艇的辅助水面巡逻系统，其特征在于，所述系统包括信息获取模块、第一信息发送模块、目标检测模块、第二信息发送模块、位置获取模块和信息可视化模块，其中，所述信息获取模块为搭载于无人艇上的高清摄像头，用于获取预设巡逻水域内的视频图像信息；第一信息发送模块，用于将预设巡逻水域内的视频图像信息发送至目标检测模块；目标检测模块，用于对接收的视频图像信息采用YOLO算法进行检测与识别，获得巡逻水域内的目标，目标包括人员、船只和水面垃圾，YOLO算法的识别过程包括：预先采集不同环境和不同拍摄角度下的人员、船只和水面垃圾的图像并进行预处理，构成样本集，从样本集中选取出预设比例的样本作为训练集；利用训练集对预设卷积神经网络模型进行训练，其中，训练集用于预测输入图像的类别和预测框在图像中的位置；设置并优化训练参数，对模型进行优化，得到优化后的卷积神经网络模型，将接收的图像信息进行预处理后输入优化后的卷积神经网络模型，获得检测结果，其中，检测结果包括目标的类别；位置获取模块，用于获取检测的目标的位置信息；第二信息发送模块，用于将检测后的目标的类别和位置信息发送至信息可视化模块；信息可视化模块，用于对检测后得到的目标信息进行可视化显示。...

【技术特征摘要】
1.一种可搭载于无人艇的辅助水面巡逻系统，其特征在于，所述系统包括信息获取模块、第一信息发送模块、目标检测模块、第二信息发送模块、位置获取模块和信息可视化模块，其中，所述信息获取模块为搭载于无人艇上的高清摄像头，用于获取预设巡逻水域内的视频图像信息；第一信息发送模块，用于将预设巡逻水域内的视频图像信息发送至目标检测模块；目标检测模块，用于对接收的视频图像信息采用YOLO算法进行检测与识别，获得巡逻水域内的目标，目标包括人员、船只和水面垃圾，YOLO算法的识别过程包括：预先采集不同环境和不同拍摄角度下的人员、船只和水面垃圾的图像并进行预处理，构成样本集，从样本集中选取出预设比例的样本作为训练集；利用训练集对预设卷积神经网络模型进行训练，其中，训练集用于预测输入图像的类别和预测框在图像中的位置；设置并优化训练参数，对模型进行优化，得到优化后的卷积神经网络模型，将接收的图像信息进行预处理后输入优化后的卷积神经网络模型，获得检测结果，其中，检测结果包括目标的类别；位置获取模块，用于获取检测的目标的位置信息；第二信息发送模块，用于将检测后的目标的类别和位置信息发送至信息可视化模块；信息可视化模块，用于对检测后得到的目标信息进行可视化显示。2.如权利要求1所述的巡逻系统，其特征在于，不同环境包括光线亮度、天气情况和水域状况。3.如权利要求1所述的巡逻系统，其特征在于，目标检测模块，还用于：对信息获取模块获取的不同环境和不同角度下的图像信息进行分帧处理，获得检测目标的图像序列集合；对图像序列集合中图像进行标注，并转化为YOLO算法可识别的格式，形成样本集。4.如权利要求1所述的巡逻系统，其特征在于，目标检测模块中，将接收的图像信息进行预处理后输入优化后的卷积神经网络模型，获得检测结果，具体包括：将接收的图像分割为S*S个区块，其中，每个区块负责检测目标物体的中心是否落在该区块内，对于每一个区块预测出C个类别概率值，类别概率值用以表征由该单元格负责预测的目标属于各个类别的概率，同时预测b个边界框，并预测每个边界框的边界框类别置信度，边界框类别置信度用以表征该边界框中目标属于各个类别的可能性大小以及边界框匹配目标的好坏；根据每个区块预测的类别...

【专利技术属性】
技术研发人员：李刚，郑瑞栋，王春磊，汪琪，陈恒宇，余文曌，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42