船名自动识别方法技术

本发明专利技术公开了一种船名自动识别方法和介质，其中方法包括以下步骤：获取船舶视频数据，并进行预处理，以提取船舶图像数据；将船舶图像输入到文字区域检测模型，以提取船舶图像对应的船名所在感兴趣区域，并对船名所在感兴趣区域进行标注，以及根据标注了船名所在感兴趣区域的船舶图像进行数据扩充，以生成训练样本集；根据训练样本集进行模型的训练，以得到最终船名自动识别模型；获取待识别船牌图像，并将待识别船牌图像输入到最终船名自动识别模型，以通过最终船名自动识别模型对待识别船牌图像的船名进行自动识别；能够自动对采集到的数据进行自动标注，提高识别模型的训练效率，降低识别模型训练过程中所需要消耗的人工成本。本。本。

【技术实现步骤摘要】
船名自动识别方法


[0001]本专利技术涉及船舶管理
，特别涉及一种船名自动识别方法和一种计算机可读存储介质。

技术介绍

[0002]相关技术中，在对船舶的船牌名称进行提取的过程中，多采用训练识别模型，以通过识别模型对图像进行识别的方式。然而，在进行识别模型训练的过程中，需要人工对采集到的数据进行筛选和标注，使得识别模型的训练效率低下，需要耗费极大的人工成本。

技术实现思路

[0003]本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种船名自动识别方法，能够自动对采集到的数据进行自动标注，提高识别模型的训练效率，降低识别模型训练过程中所需要消耗的人工成本。
[0004]本专利技术的第二个目的在于提出一种计算机可读存储介质。
[0005]为达到上述目的，本专利技术第一方面实施例提出了一种船名自动识别方法，包括以下步骤：获取船舶视频数据，并对所述船舶视频数据进行预处理，以提取船舶图像数据；将所述船舶图像数据中的船舶图像输入到文字区域检测模型，以提取所述船舶图像对应的船名所在感兴趣区域，并对所述船名所在感兴趣区域进行标注，以及根据标注了船名所在感兴趣区域的船舶图像进行数据扩充，以生成训练样本集；根据所述训练样本集进行模型的训练，以得到最终船名自动识别模型；获取待识别船牌图像，并将所述待识别船牌图像输入到所述最终船名自动识别模型，以通过所述最终船名自动识别模型对所述待识别船牌图像的船名进行自动识别。
[0006]根据本专利技术实施例的船名自动识别方法，首先，获取船舶视频数据，并对船舶视频数据进行预处理，以提取船舶图像数据；接着，将船舶图像数据中的船舶图像输入到文字区域检测模型，以提取船舶图像对应的船名所在感兴趣区域，并对船名所在感兴趣区域进行标注，以及根据标注了船名所在感兴趣区域的船舶图像进行数据扩充，以生成训练样本集；然后，根据训练样本集进行模型的训练，以得到最终船名自动识别模型；接着，获取待识别船牌图像，并将待识别船牌图像输入到最终船名自动识别模型，以通过最终船名自动识别模型对待识别船牌图像的船名进行自动识别；从而实现自动对采集到的数据进行自动标注，提高识别模型的训练效率，降低识别模型训练过程中所需要消耗的人工成本。
[0007]另外，根据本专利技术上述实施例提出的船名自动识别方法还可以具有如下附加的技术特征：
[0008]可选地，对所述船舶视频数据进行预处理包括：以预设的帧数间隔对所述船舶视频数据进行提取，以得到初始船舶视频帧；将初始船舶视频帧输入到目标分类预训练模型，以通过所述目标分类预训练模型对所述初始船舶视频帧进行筛选，得到包含船舶信息的船舶图像数据。
[0009]可选地，根据标注了船名所在感兴趣区域的船舶图像进行数据扩充，包括：对标注了船名所在感兴趣区域的船舶图像进行数据增强，并根据边缘检测算法对标注了船名所在感兴趣区域的船舶图像进行背景置换，以及根据船牌自动生成算法自动生成船牌图像和对应的标签。
[0010]可选地，所述数据增强的方式包括对标注了船名所在感兴趣区域的船舶图像进行缩放和/或平移。
[0011]可选地，根据所述训练样本集进行模型的训练，包括：对损失函数进行调整，以提高中文字符学习的损失权重占比，其中，在损失函数的计算过程中，判断预测结果的所属类型，并根据预测结果的所属类型确定其对应的权重值；在每个迭代步从迭代器中随机抽取训练样本集中预设数量的训练数据进行训练；进行对比实验，以确定每个预测结果的所属类型对应的损失权重值。
[0012]可选地，所述预测结果的所属类型包括中文字符、字母和阿拉伯数字。
[0013]可选地，所述损失函数通过以下公式表述：
[0014][0015][0016]其中，Loss(X)表示损失函数，X表示输入序列，π表示输出序列的路径，M表示映射函数，T
′
表示船名识别网络提取得到的特征图长度，P(π|X)表示输出序列路径为π的概率，α表示每一类型字符的权重。
[0017]可选地，获取待识别船牌图像，包括：获取现有船舶数据，并根据所述现有船舶数据训练船舶跟踪模型；通过所述船舶跟踪模型获取同一船舶在不同空间位置的图像，并通过文字区域检测模型对不同空间位置的图像进行检测，以得到该船舶对应的多个角度的船牌图像，根据预设激活函数对每个角度的船牌图像进行计算，以得到每个角度的船牌图像对应的置信度，以及将置信度的船牌图像作为待识别船牌图像。
[0018]可选地，所述预设激活函数通过以下公式表述：
[0019][0020]I＝Max(P0,P1,P2,P3,...P
k
)
[0021]Score＝Max(I0,I1,I2,...I
n
,)
[0022]其中，k表示训练样本集中所有字符类别数，v
i
表示第i类的输出值，P
i
表示属于i类的一个置信度，I表示置信度最高的船牌图像，Score表示置信度最高的船牌图像的置信度输出分数。
[0023]为达到上述目的，本专利技术第二方面实施例提出了一种计算机可读存储介质，该计算机可读存储介质上存储有船名自动识别程序，该船名自动识别程序在被处理器执行时，实现如上述的船名自动识别方法。
[0024]根据本专利技术实施例的计算机可读存储介质，通过存储船名自动识别程序，以使得
处理器在执行该船名自动识别程序时，实现如上述的船名自动识别方法，从而实现自动对采集到的数据进行自动标注，提高识别模型的训练效率，降低识别模型训练过程中所需要消耗的人工成本
附图说明
[0025]图1为根据本专利技术实施例的船名自动识别方法的流程示意图；
[0026]图2为根据本专利技术实施例的船牌图像数据扩充示意图。
具体实施方式
[0027]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0028]相关技术中，在进行识别模型训练的过程中，需要人工对采集到的数据进行筛选和标注，使得识别模型的训练效率低下，需要耗费极大的人工成本；根据本专利技术实施例的船名自动识别方法，首先，获取船舶视频数据，并对船舶视频数据进行预处理，以提取船舶图像数据；接着，将船舶图像数据中的船舶图像输入到文字区域检测模型，以提取船舶图像对应的船名所在感兴趣区域，并对船名所在感兴趣区域进行标注，以及根据标注了船名所在感兴趣区域的船舶图像进行数据扩充，以生成训练样本集；然后，根据训练样本集进行模型的训练，以得到最终船名自动识别模型；接着，获取待识别船牌图像，并将待识别船牌图像输入到最终船名自动识别模型，以通过最终船名自动识别模型对待识别船牌图像的船名进行自动识别；从而实现自动对采集到的数据进行自动标注，提高识别模型的训练效率，降低识别模型训练过程中所需要消耗的人工成本。
...

【技术保护点】

【技术特征摘要】
1.一种船名自动识别方法，其特征在于，包括以下步骤：获取船舶视频数据，并对所述船舶视频数据进行预处理，以提取船舶图像数据；将所述船舶图像数据中的船舶图像输入到文字区域检测模型，以提取所述船舶图像对应的船名所在感兴趣区域，并对所述船名所在感兴趣区域进行标注，以及根据标注了船名所在感兴趣区域的船舶图像进行数据扩充，以生成训练样本集；根据所述训练样本集进行模型的训练，以得到最终船名自动识别模型；获取待识别船牌图像，并将所述待识别船牌图像输入到所述最终船名自动识别模型，以通过所述最终船名自动识别模型对所述待识别船牌图像的船名进行自动识别。2.如权利要求1所述的船名自动识别方法，其特征在于，对所述船舶视频数据进行预处理包括：以预设的帧数间隔对所述船舶视频数据进行提取，以得到初始船舶视频帧；将初始船舶视频帧输入到目标分类预训练模型，以通过所述目标分类预训练模型对所述初始船舶视频帧进行筛选，得到包含船舶信息的船舶图像数据。3.如权利要求1所述的船名自动识别方法，其特征在于，根据标注了船名所在感兴趣区域的船舶图像进行数据扩充，包括：对标注了船名所在感兴趣区域的船舶图像进行数据增强，并根据边缘检测算法对标注了船名所在感兴趣区域的船舶图像进行背景置换，以及根据船牌自动生成算法自动生成船牌图像和对应的标签。4.如权利要求3所述的船名自动识别方法，其特征在于，所述数据增强的方式包括对标注了船名所在感兴趣区域的船舶图像进行缩放和/或平移；所述背景置换方式，包括对字符区域进行像素分割，提取出前景和背景图像，从而实现在不同的背景下写入船名字符；所述船牌自动生成算法，包括截取多艘船舶的轮廓背景并以此作为船舶字符底图，再结合图像预处理技术设计船牌图像，通过引入环境噪声、高斯模糊、饱和度调整、字符大小在设置的范围内随机变换等，从而自动生成船牌图像及标签。5.如权利要求1所述的船名自动识别方法，其特征在于，根据所述训练样本集进行模型的训练，包括：对损失函数进行调整，以提高中文字符学习的损失权重占比，其中，在损失函数的计算过程中，判...

【专利技术属性】
技术研发人员：陈泽斌，苏敏咸，吴丁泓，王松辉，俞辉，李旭芳，柯荣金，邱鸣，赖增伟，
申请(专利权)人：厦门卫星定位应用股份有限公司，
类型：发明
国别省市：