[发明专利]一种基于深度学习的海面船只检测方法

说明书

本发明公开了一种基于深度学习的海面船只检测方法，包括如下步骤：S1、利用无人机拍摄海面船只图像数据；S2、完成所述图像数据的预处理，构成训练数据集；S3、用coco数据集预训练inception v4深度神经网络，然后用所述训练数据集训练该模型，微调深度神经网络中的各项参数，获得ssd_inception_v4_coco模型；S4、利用无人机拍摄海面船只视频数据，调用视频取帧脚本，每隔一定帧数获取一张图像，得检测数据集；S5、利用步骤S3所得的ssd_inception_v4_coco模型对所得的检测数据集进行检测，输出检测结果。本发明可实现海上船只的实时识别，且识别精确度高。

技术领域

本发明涉及海面船只识别技术领域，具体涉及一种基于深度学习的海面船只检测方法。

背景技术

水面船只识别可以有效的解决水面交通管理，打击非法犯罪，水面险情及时预警等突发情况。随着现代科技的发展，水面环境越来约复杂，对水面监控、船只识别及自动报警的需求也越来越大。

目前，应用于海面船只的识别算法主要是SVM算法，其存在无法实现实时识别，运行时间过长，识别率较低等缺陷。

发明内容

为解决上述问题，本发明提供了一种基于深度学习的海面船只检测方法，可实现海上船只的实时识别，且识别精确度高。

为实现上述目的，本发明采取的技术方案为：

一种基于深度学习的海面船只检测方法，包括如下步骤：

S1、利用无人机拍摄海面船只图像数据；

S2、完成所述图像数据的预处理，构成训练数据集；

S3、用coco数据集预训练inception v4深度神经网络，然后用所述训练数据集训练该模型，微调深度神经网络中的各项参数，获得ssd_inception_v4_coco模型；

S4、利用无人机拍摄海面船只视频数据，调用视频取帧脚本，每隔一定帧数获取一张图像，得检测数据集；

S5、利用步骤S3所得的ssd_inception_v4_coco模型对所得的检测数据集进行检测，输出检测结果。

进一步地，所述人机拍摄到的船只图像数据和视频数据均携带配套的POS数据，该POS数据至少包括拍摄纬度、经度、高程、航向角（Phi）、俯仰角（Omega）及翻滚角（Kappa）；

进一步地，所述步骤S2根据图像数据的航向角（Phi）、俯仰角（Omega）及翻滚角（Kappa）实现图像数据的重构，重构时，以标准图像的航向角（Phi）、俯仰角（Omega）及翻滚角（Kappa）为基准，首先计算当前图像的航向角（Phi）、俯仰角（Omega）及翻滚角（Kappa）与标准图像的航向角（Phi）、俯仰角（Omega）及翻滚角（Kappa）的差值（即偏转角度），然后根据所得差值重新绘制每个图像。

进一步地，所述检测数据集在输入ssd_inception_v4_coco模型时，首先需以标准图像的航向角（Phi）、俯仰角（Omega）及翻滚角（Kappa）为基准完成检测数据集的重构。

进一步地，所述ssd_inception_v4_coco模型采用ssd目标检测算法。

进一步地，还包括在发现船只时，在对应的图像中圈定船只区域，并标注船只识别结果的步骤。

进一步地，还包括在发现船只时，将完成标识后的图像数据、图像采集时间、其对应的经纬度坐标填入预设的excel表格进行汇总的步骤。

本发明具有以下有益效果：

基于ssd_inception_v4_coco模型实现了海面船只的实时识别，运算速率较快的同时，识别准确率较高。