基于深度学习的复杂环境下河道船舶自动识别方法技术

本发明专利技术提供通过一种基于深度学习的复杂环境下河道船舶自动识别方法，视频摄像数据采集器实时获取船舶数据；对所述船舶数据进行影像预处理，获取船舶影像数据；将所述船舶影像数据输入智能识别网络，获取船舶的识别参数，将所述识别参数输入船舶模型进行训练，获取训练结果，提高了在库区这类复杂环境条件下船舶自动识别的速度和精度。

【技术实现步骤摘要】
基于深度学习的复杂环境下河道船舶自动识别方法
本专利技术涉及自动识别
，尤其涉及基于深度学习的复杂环境下河道船舶自动识别方法。
技术介绍
随着大数据时代的到来，深度学习算法在各个领域，尤其是在图像识别领域深度学习理论得到了迅速的发展和应用。现在市场上有船舶自动识别的技术，但是在，市场上的识别技术大多是通过CPU、GPU和TPU来实现的，很少结合深度学习算法进行应用。传统的船舶自动识别的技术，在库区这类复杂环境条件下，存在船舶自动识别的速度较低，准确性也不高的问题。
技术实现思路
本专利技术的目的在于提供一种基于深度学习的复杂环境下河道船舶自动识别方法，旨在解决现有技术中的船舶自动识别的速度较低，准确性也不高的技术问题。为实现上述目的，本专利技术采用的一种基于深度学习的复杂环境下河道船舶自动识别方法，通过视频摄像数据采集器实时获取船舶数据；对所述船舶数据进行影像预处理，获取船舶影像数据；将所述船舶影像数据输入智能识别网络，获取船舶的识别参数；将所述识别参数输入船舶模型进行训练，获取本文档来自技高网...

【技术保护点】
1.一种基于深度学习的复杂环境下河道船舶自动识别方法，其特征在于，包括：/n通过视频摄像数据采集器实时获取船舶数据；/n对所述船舶数据进行影像预处理，获取船舶影像数据；/n将所述船舶影像数据输入智能识别网络，获取船舶的识别参数；/n将所述识别参数输入船舶模型进行训练，获取训练结果。/n

【技术特征摘要】
1.一种基于深度学习的复杂环境下河道船舶自动识别方法，其特征在于，包括：
通过视频摄像数据采集器实时获取船舶数据；
对所述船舶数据进行影像预处理，获取船舶影像数据；
将所述船舶影像数据输入智能识别网络，获取船舶的识别参数；
将所述识别参数输入船舶模型进行训练，获取训练结果。


2.如权利要求1所述基于深度学习的复杂环境下河道船舶自动识别方法，其特征在于，
在获取所述船舶影像数据的步骤中，包括将船舶彩色图像进行灰度化处理，对灰度化后的船舶图像去噪，再将船舶图像归一化处理。


3.如权利要求2所述基于深度学习的复杂环境下河道船舶自动识别方法，其特征在于，
在将船舶彩色图像进行灰度化处理的过程中，采用限制对比度的中值滤波算法进行灰度化处理。


4.如权利要求3所述基于深度学习的复杂环境下河道船舶自动识别方法，其特征在于，
所述中值滤波算法为对船舶视频数据进行二维化处理，输出的结果可以对视频的像素值按大小进行排列，产生新的船舶视频数据，具体公式如下所示：
R(X,Y)＝med{f(x-k,y-1),(k,1∈w)}
其中R(X,Y)代表新生成的影像，f(x-k,y-1)代表处理之前的影像，w为数据像素的像素矩阵。


5.如权利要求4所述基于深度学习的复杂环境下河道船舶自动识别方法，其特征在于，
所述智能识别网络包括输入层和输出层，所述输入层包括卷积层...

【专利技术属性】
技术研发人员：封雷，方芳，邓佳，沈伟，郭劲松，
申请(专利权)人：重庆大学，重庆知行数联智能科技有限责任公司，
类型：发明
国别省市：重庆;50