[发明专利]基于卷积神经网络的航运货物监控视频识别方法及系统

权利要求书

1.一种基于卷积神经网络的航运货物监控视频识别方法，其特征在于，包括：

获取航运监控数据；所述航运监控数据包括船载摄像头拍摄的视频按时间间隔截取的图片、摄像头编号、拍摄时间以及航运事件类别；所述航运事件类别包括航运过程中所有操作的工作过程；所述工作过程包括摄像头被遮挡过程、盖雨布过程、未盖布行驶过程、空仓过程、正常行驶过程、棚架盖住过程、棚架打开过程、船舶靠港过程、装船过程、卸船过程、雨布吹飞过程以及船舶停泊过程；

根据所述航运监控数据建立图像数据库；所述图像数据库内的图像按照时间顺序排列；

根据所述图像数据库按照比例阈值生成训练集以及测试集，具体包括：

以相同的所述航运事件类别对所述图像数据库内的所有图像命名，并将命名后的所有图像按照时间顺序排列，确定图像序列；

重新排列所述图像序列的顺序，确定打乱后的图像序列；

按照比例阈值将所述打乱后的图像序列生成训练集以及测试集；

将所述训练集内的图像进行二值化处理，确定训练集二进制图像；

将所述测试集内的图像进行二值化处理，确定测试集二进制图像；

根据所述训练集以及所述测试集建立深度残差网络模型；

根据所述深度残差网络模型提取所述图像数据库内的每一张图像的图像特征，并建立图像特征数据库；所述图像特征数据库包括图像特征以及图像特征向量；

根据所述图像特征数据库建立神经网络分类器，具体包括：

将所述图像特征数据库内的图像特征向量按时序排列，并将相同的航运事件类别的图像特征向量每5个分为一组，首尾相接生成连接后的特征向量；

将各个所述航运事件类别的连接后的特征向量分成特征训练集以及特征测试集；所述特征训练集以及所述特征测试集的比例为5：1；

根据所述特征训练集以及所述特征测试集建立神经网络分类器；

根据所述神经网络分类器对当前航运事件进行分类识别，确定所述当前航运事件的航运事件类别，具体包括：

摄像头每隔设定时间间隔拍摄一张图片并存放到本地服务器中，每拍摄五张图片，则将这五张图片传入训练好的深度残差网络模型进行特征提取得到五个特征向量；

特征提取完毕后，将得到的五个特征向量首尾连接，传入之前训练好的神经网络分类器进行航运事件分类。

2.根据权利要求1所述的识别方法，其特征在于，所述根据所述训练集以及所述测试集建立深度残差网络模型，具体包括：

获取层数为50的深度残差网络；

将所述训练集内的图像输入到所述深度残差网络，对所述训练集内每一张图像进行训练，直至训练结果收敛，确定收敛后的图像；

根据所述收敛后的图像建立深度残差网络模型。