一种船只识别监测方法及系统技术方案

本发明专利技术提供一种船只识别监测方法及系统，包括：利用5G数传技术采集船只所在海面环境图像；基于边缘特征提取策略检测船只所在海面环境图像并提取海面船只边缘特征；将深度学习神经网络策略与YOLO算法相结合，构建船只特征识别模型，输入获取的海面船只边缘特征进行训练；利用定位传感器传输待监测船只的坐标数据，基于二进制策略构建定位识别模型，输入训练结束后的船只特征识别模型输出的识别数据；计算、匹配坐标数据和识别数据，得到最终的船只监测数据。本发明专利技术通过5G数传技术高效率采集数据信息，结合目标检测和二进制优化定位技术，精确得到监测船只的位置和状态信息，进行实时监控，提升海上船只的安全维护性和适用广泛性。泛性。泛性。

【技术实现步骤摘要】
一种船只识别监测方法及系统


[0001]本专利技术涉及图像处理、船只识别定位的
，尤其涉及一种船只识别监测方法及系统。

技术介绍

[0002]海上船只识别应用及其广泛，例如，恶意船只的靠近、非我国船只进入我国领海、智能监控系统、海洋大数据等，然而，在海面船只识别中，风浪、大雾、光照等都会对海面船只识别造成重大的影响，使得船只识别的准确性、精度和鲁棒性问题备受关注。
[0003]目前，应用于海面船只的识别算法主要是SVM算法，通过SVM算法对船只信号进行分类训练预测，不能实现实时识别，运行时间过长，识别率较低，对于现在海洋大数据的观测缺乏准确数据的支持。

技术实现思路

[0004]本专利技术实施例提供一种船只识别监测方法及系统，能够提高船只识别定位的准确度和效率，实现实时监测。
[0005]本专利技术实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，包括：利用5G数传技术采集船只所在海面环境图像；基于边缘特征提取策略检测所述船只所在海面环境图像并提取海面船只边缘特征；将深度学习神经网络策略与YOLO算法相结合，构建船只特征识别模型，输入获取的所述海面船只边缘特征进行训练；利用定位传感器传输待监测船只的坐标数据，基于二进制策略构建定位识别模型，输入训练结束后的所述船只特征识别模型输出的识别数据；计算、匹配所述坐标数据和所述识别数据，得到最终的船只监测数据。
[0006]本专利技术实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，采集的所述船只所在海面环境图像需进行预处理，形成样本集；所述预处理包括，灰度化、几何变换和图像增强处理。
[0007]本专利技术实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，所述边缘特征提取策略包括，对所述船只所在海面环境图像中的每一个像素点进行梯度计算，得到所述像素点对应的梯度强度值；若当前像素点的梯度强度大于沿正、负梯度方向上像素点的梯度强度，则所述当前像素点的梯度强度为边缘像素点；若所述边缘像素点的梯度强度大于高边缘阈值，则所述边缘像素点为强边缘像素点；若所述边缘像素点的梯度强度大于低边缘阈值且小于所述高边缘阈值，则所述边缘像素点为弱边缘像素点；提取所述边缘像素点周围的各个领域像素点，若所述领域像素点中存在所述强边缘像素点，则保留提取的所述弱边缘像素点；连接所有保留的所述强边缘像素点和所述弱边缘像素点，形成所述海面船只边缘特征。
[0008]本专利技术实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，构建所述船只特征识别模型包括，在深度学习神经网络结构层中搭建
YOLO算法框架运行，形成目标函数，即所述船只特征识别模型，如下，
[0009][0010]其中，confidence为特征识别信任值，即为所识别的网格中含有目标物体的置信度和标注的IOU两重信息，若目标物体在网格中，则特征识别信任值为1，否则为0，D
r
(object)为置信度，IOU为交并比，若则识别结果为正确。
[0011]本专利技术实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，构建所述定位识别模型包括，
[0012][0013][0014][0015]Z
xy
≤S
xy
，x＝1，2
…
X，A
nx
∈{0，1}
[0016]其中，X为所述船只所在海面环境图像中边缘像素点个数，Y为所述船只所在海面环境图像中每个监测时间段个数，为每个监测请求只能选择一个边缘像素点进行定位检测，S
xy
为边缘像素点检测供应矩阵，A
nx
为边缘像素点检测需求矩阵，B
ny
为边缘像素点选择矩阵，Z
xy
为边缘像素点异常检测矩阵，C
xy
为边缘像素点的confidence矩阵，t为监测时段，S为定位约束参数，τ为所述船只所在海面环境图像中边缘像素点识别检测的目标函数，所述所述
[0017]本专利技术实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，监测结果包括，若边缘像素点异常检测矩阵Z
xy
值大于边缘像素点检测供应矩阵S
xy
值，则监测船只需进行检修维护。
[0018]本专利技术实施例的第二方面，提供一种船只识别监测系统，可选地，在第二方面的一种可能实现方式中，包括，采集模块、图像识别模块、船只定位模块和监测管控模块；所述采集模块包括摄像头和视觉传感器，所述摄像头和所述视觉传感器设置在待监测船只的船体四周，所述摄像头用于拍摄海面周围环境图片，所述视觉传感器与所述摄像头相连接，其用于捕捉待监测船只在行驶过程中的船只与周围海域环境变化的图像信息。
[0019]本专利技术实施例的第二方面，提供一种船只识别监测系统，可选地，在第二方面的一种可能实现方式中，所述图像识别模块与所述采集模块通过协议栈相连接，所述图像识别模块包括图像解码体和识别单元；所述船只定位模块与所述图像识别模块并行连接于所述采集模块，所述船只定位模块包括定位传感器，所述定位传感器内搭载GPS定位算法和网格节点定位技术，实时提供待监测船只的三维坐标。
[0020]本专利技术实施例的第二方面，提供一种船只识别监测系统，可选地，在第二方面的一
种可能实现方式中，所述监测管控模块分别与所述图像识别模块和所述船只定位模块相连接，所述监测管控模块包括计算处理中心和控制单元，所述计算处理中心用于批量处理各模块获得的数据信息，最终以数值的形式进行体现，所述控制单元用于读取所述计算处理中心的计算结果，实时控制监测船只的状态。
[0021]本专利技术实施例的第二方面，提供一种船只识别监测系统，可选地，在第二方面的一种可能实现方式中，还包括数据传输模块；所述数据传输模块并行设置连接于所述采集模块、所述图像识别模块、所述船只定位模块和所述监测管控模块，其包括5G数传和收发，所述数据传输模块用于为各模块提供数据传输服务，搭建信息传输通道。
[0022]本专利技术通过5G数传技术高效率采集数据信息，结合目标检测和二进制优化定位技术，精确得到监测船只的位置和状态信息，提升船只识别定位的准确度和效率，通过地面平台管控进行实时监测，提升海上船只的安全维护性和适用广泛性。
附图说明
[0023]图1为本专利技术第一个实施例所述的一种船只识别监测方法的流程示意图；
[0024]图2为本专利技术第二个实施例所述的一种船只识别监测系统的模块结构分布示意图；
[0025]图3为本专利技术第二个实施例所述的一种船只识别监测系统的网络拓扑结构示意图。
具体实施方式
[0026]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船只识别监测方法，其特征在于，包括：利用5G数传技术采集船只所在海面环境图像；基于边缘特征提取策略检测所述船只所在海面环境图像并提取海面船只边缘特征；将深度学习神经网络策略与YOLO算法相结合，构建船只特征识别模型，输入获取的所述海面船只边缘特征进行训练；利用定位传感器传输待监测船只的坐标数据，基于二进制策略构建定位识别模型，输入训练结束后的所述船只特征识别模型输出的识别数据；计算、匹配所述坐标数据和所述识别数据，得到最终的船只监测数据。2.根据权利要求1所述的船只识别监测方法，其特征在于：采集的所述船只所在海面环境图像需进行预处理，形成样本集；所述预处理包括，灰度化、几何变换和图像增强处理。3.根据权利要求1或2所述的船只识别监测方法，其特征在于：所述边缘特征提取策略包括，对所述船只所在海面环境图像中的每一个像素点进行梯度计算，得到所述像素点对应的梯度强度值；若当前像素点的梯度强度大于沿正、负梯度方向上像素点的梯度强度，则所述当前像素点的梯度强度为边缘像素点；若所述边缘像素点的梯度强度大于高边缘阈值，则所述边缘像素点为强边缘像素点；若所述边缘像素点的梯度强度大于低边缘阈值且小于所述高边缘阈值，则所述边缘像素点为弱边缘像素点；提取所述边缘像素点周围的各个领域像素点，若所述领域像素点中存在所述强边缘像素点，则保留提取的所述弱边缘像素点；连接所有保留的所述强边缘像素点和所述弱边缘像素点，形成所述海面船只边缘特征。4.根据权利要求3所述的船只识别监测方法，其特征在于：构建所述船只特征识别模型包括，在深度学习神经网络结构层中搭建YOLO算法框架运行，形成目标函数，即所述船只特征识别模型，如下，其中，confidence为特征识别信任值，即为所识别的网格中含有目标物体的置信度和标注的IOU两重信息，若目标物体在网格中，则特征识别信任值为1，否则为0，D
r
(object)为置信度，IOU为交并比，若则识别结果为正确。5.根据权利要求4所述的船只识别监测方法，其特征在于：构建所述定位识别模型包括，
Z
xy
≤S
xy
，x＝1，2
…
X，A
nx
∈{0，1}其中，X为所述船只所在海面环境图像中边缘像素点个数，Y为所述船只所在海面环境图像中每个监测时间段个数，为每个监测请求只能选择一个边缘像素点进行定位检测，S
xy
为边缘像素点检测供应矩阵，A
nx
为边缘像素点检测需求矩阵...

【专利技术属性】
技术研发人员：王方东，孟凡清，臧永生，
申请(专利权)人：北京瞭望神州科技有限公司，
类型：发明
国别省市：