[发明专利]一种海上船舶目标的自动检测和识别方法及目标检测器

说明书

本发明涉及一种海上船舶目标的自动检测和识别方法。本发明的步骤如下：(1)采用可见光相机采集包含海上船舶目标的图像样本，基于该图像样本制作海上船舶目标图像库，包括训练集和测试集；(2)构建基于Faster‑RCNN算法的深度神经网络，并设置相应参数；(3)基于训练集对该神经网络进行离线训练，得到海上船舶目标检测器；(4)输入测试集图像，利用海上船舶目标检测器进行检测和识别。本发明采用卷积网络层共享的方式建立了特征提取网络和提案框生成网络，能够实现图像特征的最大化表达，实现基于像素的特征提取和学习。

技术领域

本发明涉及一种海上船舶目标的自动检测和识别方法，属于目标检测和识别领域。

背景技术

近年来，各个国家对海洋能源开采、海底环境探测、海上运输等海洋拓展活动逐渐增加，随之而来的是对深潜装置、海上开采设备、海上交通运输工具等海洋装备的需求的增长。随着人工智能技术的发展，无人智能设备在军民领域的应用比例增长快速。

水面无人艇(Unmanned Surface Vehicle,USV)是无人驾驶技术的在水面环境中的重要应用，是一种能够在海洋、湖泊及河流等环境下进行自主航行并完成相应任务的平台。USV具有体积小，成本低，灵活自主等特点。与传统的船舶相比，由于USV非载人的特点，使得其能够适应海洋及其他水域的复杂多变环境，在一些人类不可达的场景中进行作业。同时相比于现有的静止水上无人设备，USV覆盖面积更广，实时性更强，能够在不同位置灵活作业。目前，USV被广泛应用于海洋战场环境信息收集、作战训练与打击、补给支援等军事领域以及海事搜救、环保监测、水文环境勘探、港口巡逻、海事追踪执法、渔业捕捞等民用领域。

无人船能够在水上自主航行的关键在于其快速、高效的自主路径规划能力，而优异的自主路径规划能力主要依靠其对周围环境的准确感知。视觉传感器可以直观的对环境进行感知，从而获取环境中的物体精确信息。尤其随着深度学习技术的快速发展，基于视觉传感器的无人艇环境感知算法是目前人工智能领域的一个热点研究方向。然而在实际应用中，受到海上复杂天气情况、光照变化等因素的影响，高效、高精度的海上船舶目标的检测和识别成为模式识别领域的难点之一。

发明内容

本发明的技术解决问题为：克服现有技术的不足，提出一种具有高效、高精度、鲁棒性强的海上船舶目标的自动检测和识别方法及目标检测器。

本发明的技术解决方案是：一种海上船舶目标的自动检测和识别方法，包括步骤如下：

(1)采用可见光相机采集包含海上船舶目标的图像样本，基于该图像样本制作海上船舶目标图像库，包括训练集和测试集；

(2)构建采用Faster-RCNN算法的深度神经网络，并设置相应参数；

(3)使用训练集对采用Faster-RCNN算法的深度神经网络进行离线训练，得到海上船舶目标检测器；

(4)输入测试集图像，利用海上船舶目标检测器进行检测和识别。

所述步骤(1)的具体步骤为：

(1.1)使用包围海上障碍物的最小矩形对图像中的障碍物进行人工标注，训练集包括图像及其对应的标签信息；

(1.2)采用图像平移、镜像、加噪声、缩放方法对训练集样本进行扩充。

所述步骤(3)的具体步骤为：

(3.1)下载ImageNet数据集预训练得到Faster-RCNN网络的初始权重参数；

(3.2)将训练集输入Faster-RCNN网络，进行离线训练；

(3.3)采用Faster-RCNN算法的深度神经网络采用共享卷积网络层的方式建立特征提取网络和提案框生成网络；特征提取网络包括若干卷积层、池化层和全连接层；提案框生成网络包含一个卷积层和两个全连接层；