【技术实现步骤摘要】
一种基于声光联动的采砂船自动识别方法
[0001]本专利技术涉及船舶自动监控
,具体涉及一种基于声光联动的采砂船自动识别方法。
技术介绍
[0002]目前,对采砂船水上特征的侦测识别最常见的方法是针对采砂船的行为特征进行监测,常用方法为结合岸基雷达、视频监测、甚高频通讯或AIS数据,形成VTS监测站,通过目标行为特征、船舶注册信息综合判断目标是否为采砂船。在这一过程中,视频监测是通过摄像头常规的可见光图像、热成像图像,以人工值班方式进行查看、判别。
[0003]在目前采用的技术中,存在以下几个缺陷:一是摄像头仅提供图像数据,不进行深度分析,具体分析判断由值班人员完成,这对值班人员的经验要求较高,如果摄像头图像不清晰、值班人员经验不足,往往造成误判、漏判;二是VTS监控技术主要结合雷达回波和AIS非注册信息判定疑似采砂船信息,但在夜间,船舶有抛锚休息、缓行等行为,会同采砂行为混淆。同时,AIS设备在内河的开机率一般不到2成,因此AIS可参与判定的船舶数量不足以支撑应用。
技术实现思路
[0004] ...
【技术保护点】
【技术特征摘要】
1.一种基于声光联动的采砂船自动识别方法,其特征在于,包括以下步骤:步骤1:训练采砂船标定特征图像,建立训练集;步骤2:接收水听器提供的水声特征报警数据和水听器阵列数据,判定检测区域;步骤3:接收红外摄像机提供的红外图像,提取图像中船舶的红外特征;步骤4:根据已提取的红外特征与训练集数据进行匹配,计算特征符合度;步骤5:持续观测目标,迭代步骤3、步骤4,计算多时点下的目标行为特征,根据目标航速、航程判断目标是否为误判目标,如果是,则剔除目标,否则,将目标列入采砂船,并输出报警信号、报警位置、记录船舶特征。2.根据权利要求1所述的基于声光联动的采砂船自动识别方法,其特征在于,所述步骤1利用由VGG16
‑
FPN
‑
RPN
‑
RCNN构成的多层神经网络进行训练,检测,矫正,形成可供比对的训练集,训练集建立算法步骤包括:步骤101:输入目标特征标定框,形成包括图像和目标特征库在内的训练集;步骤102:将输入图像进行二值化,形成灰度图;步骤103:利用FAST算法提取角点算子、利用DoG算法提取斑点算子,利用EBR、IBR算法提取区域检测算子;步骤104:利用VGG16卷积算法,建立RGB三个通道的13个卷积层和3个图像连接层;步骤105:基于VGG16的卷积层,提取目标特征,建立目标金字塔FPN和图像金字塔RPN,连接顶层特征目标和底层特征目标,建立TOP
‑
DOWN和bottom
‑
UP的双向金字塔层级连接关系,建立高效计算网络RCNN;步骤106:对多张图像迭代步骤101至步骤105,训练图像,形成训练结果集。3.根据权利要求1所述的基于声光联动的采砂船自动识别方法,其特征在于,所述步骤2判定检测区域的步...
【专利技术属性】
技术研发人员:曹荣,王文强,巩伦宝,周佩日,
申请(专利权)人:慧流信息科技南京有限公司,
类型:发明
国别省市:
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。