黑烟船舶的识别方法、装置、介质及设备制造方法及图纸

本发明专利技术公开了一种黑烟船舶的识别方法，包括：按照预设的视野坐标控制摄像机进行区域巡航及检测船体信息；若在区域巡航过程中检测到船体信息，则对所述船体信息进行跟踪，得到跟踪视频；对所述跟踪视频中的船体信息进行黑烟识别，获取黑烟船舶；提取所述黑烟船舶的船体编码。本发明专利技术实现了对黑烟船舶的自动化识别，且提高了对黑烟船舶的监测效率和准确率。且提高了对黑烟船舶的监测效率和准确率。且提高了对黑烟船舶的监测效率和准确率。

【技术实现步骤摘要】
黑烟船舶的识别方法、装置、介质及设备


[0001]本专利技术涉及信息
，尤其涉及一种黑烟船舶的识别方法、装置、 介质及设备。

技术介绍

[0002]船舶污染不容小觑，冒黑烟问题尤为突出。2019年，我国已划定船舶大 气污染物排控制区，进入控制区内的船舶应使用满足国家标准要求的燃油。 但是，仍有大量的船舶处于经济效益考虑，使用低廉劣质的不满足国家标准 要求的燃油，导致经常出现船舶冒黑烟的现象。
[0003]对于船舶冒黑烟的超标排放行为，现有技术采用登船检查方式，使用不 透光烟度计、便携式林格曼黑度检测仪等设备手工检测船舶黑烟含量，不仅 监测效率低下，而且自动化程度低，需要耗费大量的人力物力。

技术实现思路

[0004]本专利技术实施例提供了一种黑烟船舶的识别方法、装置、介质及设备，以 解决现技术在识别黑烟船舶时存在的自动化程度低、监测效率低的问题。
[0005]一种黑烟船舶的识别方法，包括：
[0006]按照预设的视野坐标控制摄像机进行区域巡航及检测船体信息；
[0007]若在区域巡航过程中检测到船体信息，则对所述船体信息进行跟踪，得 到跟踪视频；
[0008]对所述跟踪视频中的船体信息进行黑烟识别，获取黑烟船舶；
[0009]提取所述黑烟船舶的船体编码。
[0010]可选地，所述按照预设的视野坐标控制摄像机进行区域巡航及检测船体 信息包括：
[0011]设置摄像机巡航时的视野坐标，所述视野坐标覆盖船舶航行区域；
[0012]按照所述视野坐标控制所述摄像机以预设的时间间隔进行区域巡航；
[0013]在区域巡航的过程中，采用预设的第一神经网络对所述视野坐标下采集 到的视频帧信息进行船体信息检测。
[0014]可选地，所述在区域巡航的过程中，采用预设的第一神经网络对所述视 野坐标下采集到的视频帧信息进行船体信息检测包括：
[0015]遍历所述视野坐标下采集到的视频帧信息，对所述视频帧信息进行分割， 得到若干个图像块，其中，所述图像块为矩形且相邻图像块之间存在重叠区 域；
[0016]通过所述第一神经网络对每一图像块进行船体信息检测，生成图像块对 应的至少一个检测框；
[0017]将每一图像块对应的检测框汇集到所述视频帧信息上，对所述视频帧信 息上的检测框进行非极大值抑制操作nms，得到目标检测框；
[0018]根据所述目标检测框获取船体信息。
[0019]可选地，在对所述视频帧信息进行分割得到若干个图像块之前，所述识 别方法还包括：
[0020]对所述视频帧信息自适应填充黑边，以将所述视频帧信息缩放到统一尺 寸。
[0021]可选地，所述若在区域巡航过程中检测到船体信息，则对所述船体信息 进行跟踪，得到跟踪视频包括：
[0022]预先设置船体信息的目标范围；
[0023]若在区域巡航过程中检测到船体信息，则按照所述目标范围调整摄像机 的位置，以使船体中心点始终保持在所述目标范围内；
[0024]通过调整后的摄像机对所述船体信息进行跟踪，得到跟踪视频。
[0025]可选地，所述目标范围与视频画面的左边相距35％的视频画面宽度、与视 频画面的右边相距35％的视频画面宽度以及与视频画面的上边相距50％的视频 画面高度。
[0026]可选地，所述对所述跟踪视频中的船体信息进行黑烟识别，获取黑烟船 舶包括：
[0027]采用改进型时空动态高斯背景模型对所述跟踪视频中的每一视频帧信息 进行背景过滤，提取前景信息；
[0028]采用超分辨率算法对所述前景信息进行重建；
[0029]采用稠密光流算法对重建后的前景信息进行特征提取，得到光流特征；
[0030]采用局部二值模式LBP对重建后的前景信息进行烟雾提取，得到烟雾的 纹理特征；
[0031]采用长短期记忆网络对重建后的前景信息进行特征分类，得到若干个空 间特征；
[0032]将所述光流特征、纹理特征、空间特征输入至支持向量机SVM中进行黑 烟识别，获取黑烟船舶。
[0033]可选地，所述改进型时空动态高斯背景模型采用动态的学习率；
[0034]对所述跟踪视频中预设的帧数阈值之前的视频帧信息按照第一学习率来 学习，在帧数阈值之后的视频帧信息按照第二学习率学习；
[0035]其中，所述第一学习率大于所述第二学习率。
[0036]可选地，所述提取所述黑烟船舶的船体编码包括：
[0037]采用预设的第二神经网络对所述黑烟船舶进行坐标识别，获取船体编码 坐标；
[0038]根据所述船体编码坐标从所述视频帧信息中提取船体编码区块图，对所 述船体编码区块图中的字符区域进行校正；
[0039]对校正后的字符区域进行切割，得到若干个字符块；
[0040]采用多层感知器MLP网络对所述字符块进行识别，得到每一字符块对应 的字符信息；
[0041]组合所述字符信息，得到所述船体编码。
[0042]可选地，所述根据所述船体编码坐标从所述视频帧信息中提取船体编码 区块图，对所述船体编码区块图中的字符区域进行校正包括：
[0043]根据所述船体编码坐标从所述视频帧信息中提取船体编码区块图；
[0044]将所述船体编码区块图转换为二值化图像；
[0045]根据所述二值化图像计算所述船体编码区块图中的字符区域的水平偏斜 角和垂
直偏斜角；
[0046]根据所述水平偏斜角和垂直偏斜角对所述船体编码区块图中的字符区域 进行校正。
[0047]可选地，所述对校正后的字符区域进行切割，得到若干个字符块包括：
[0048]对校正后的字符区域进行颜色空间变换，从彩色图转换为灰度图；
[0049]对所述灰度图进行二值化处理，得到字符区域的二值化图像；
[0050]对所述字符区域的二值化图像进行模糊度处理；
[0051]根据模糊度处理后的图像进行字符预分割；
[0052]对字符预分割后的字符区域进行水平投影和垂直投影，分别得到每个字 符的顶部和底部信息、左边和右边信息；
[0053]根据所述顶部和底部信息、左边和右边信息，将所述字符区域划分为若 干个字符块。
[0054]一种黑烟船舶的识别装置，所述装置包括：
[0055]巡航模块，用于按照预设的视野坐标控制摄像机进行区域巡航及检测船 体信息；
[0056]跟踪模块，用于若在区域巡航过程中检测到船体信息，则对所述船体信 息进行跟踪，得到跟踪视频；
[0057]黑烟识别模块，用于对所述跟踪视频中的船体信息进行黑烟识别，获取 黑烟船舶；
[0058]提取模块，用于提取所述黑烟船舶的船体编码。
[0059]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序， 所述计算机程序被处理器执行时实现如上所述的黑烟船舶的识别方法。
[0060]一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种黑烟船舶的识别方法，其特征在于，包括：按照预设的视野坐标控制摄像机进行区域巡航及检测船体信息；若在区域巡航过程中检测到船体信息，则对所述船体信息进行跟踪，得到跟踪视频；对所述跟踪视频中的船体信息进行黑烟识别，获取黑烟船舶；提取所述黑烟船舶的船体编码。2.如权利要求1所述的黑烟船舶的识别方法，其特征在于，所述按照预设的视野坐标控制摄像机进行区域巡航及检测船体信息包括：设置摄像机巡航时的视野坐标，所述视野坐标覆盖船舶航行区域；按照所述视野坐标控制所述摄像机以预设的时间间隔进行区域巡航；在区域巡航的过程中，采用预设的第一神经网络对所述视野坐标下采集到的视频帧信息进行船体信息检测。3.如权利要求2所述的黑烟船舶的识别方法，其特征在于，所述在区域巡航的过程中，采用预设的第一神经网络对所述视野坐标下采集到的视频帧信息进行船体信息检测包括：遍历所述视野坐标下采集到的视频帧信息，对所述视频帧信息进行分割，得到若干个图像块，其中，所述图像块为矩形且相邻图像块之间存在重叠区域；通过所述第一神经网络对每一图像块进行船体信息检测，生成图像块对应的至少一个检测框；将每一图像块对应的检测框汇集到所述视频帧信息上，对所述视频帧信息上的检测框进行非极大值抑制操作nms，得到目标检测框；根据所述目标检测框获取船体信息。4.如权利要求3所述的黑烟船舶的识别方法，其特征在于，在对所述视频帧信息进行分割得到若干个图像块之前，所述识别方法还包括：对所述视频帧信息自适应填充黑边，以将所述视频帧信息缩放到统一尺寸。5.如权利要求1至4任一项所述的黑烟船舶的识别方法，其特征在于，所述若在区域巡航过程中检测到船体信息，则对所述船体信息进行跟踪，得到跟踪视频包括：预先设置船体信息的目标范围；若在区域巡航过程中检测到船体信息，则按照所述目标范围调整摄像机的位置，以使船体中心点始终保持在所述目标范围内；通过调整后的摄像机对所述船体信息进行跟踪，得到跟踪视频。6.如权利要求5所述的黑烟船舶的识别方法，其特征在于，所述目标范围与视频画面的左边相距35％的视频画面宽度、与视频画面的右边相距35％的视频画面宽度以及与视频画面的上边相距50％的视频画面高度。7.如权利要求1至4任一项所述的黑烟船舶的识别方法，其特征在于，所述对所述跟踪视频中的船体信息进行黑烟识别，获取黑烟船舶包括：采用改进型时空动态高斯背景模型对所述跟踪视频中的每一视频帧信息进行背景过滤，提取前景信息；采用超分辨率算法对所述前景信息进行重建；采用稠密光流算法对重建后的前景信息进行特征提取，得到光流特征；采用局部二值模式LBP对重建后的前景信息进行烟雾提取，得到烟雾的纹理特征；
采用长短期记忆网络对重建后的前景信息进行特征分类，得到若干个空间特征；将所述光流特征、纹理...

【专利技术属性】
技术研发人员：李毓勤，李晓斌，刘超宇，袁文怡，王弘越，肖在春，
申请(专利权)人：广州市云景信息科技有限公司，
类型：发明
国别省市：