[发明专利]一种基于孪生网络的船舶身份智能识别方法及系统

说明书

本发明公开了一种基于孪生网络的船舶身份智能识别方法及系统，构造了一种基于深度卷积神经网络的孪生网络，制作了船舶船名图片样本数据集，并利用该数据集对该孪生网络进行训练，可对船舶船舷位置的船舶名称信息精准匹配识别，智能识别船舶身份信息。本发明能够基于船舶视频图像智能识别船舶身份，帮助水上监管人员更好地识别船舶的真实身份，获取船舶详细信息，相对于其他利用人工智能的方法，如船舶外形特征提取方法和基于光学字符识别方法，本发明所需的训练图片集清晰度要求不高，数量要求不多，更加容易获取，检测的准确性更高，且船舶识别范围可以方便扩展，具备应用于实际工程中的能力。

技术领域

本发明涉及船舶航行技术领域，尤其涉及一种基于孪生网络的船舶身份智能识别方法及系统。

背景技术

随着人类商业生产活动的增加，各大港口、航道内航行的船舶数量越来越多，水上交通的监管主要依靠船舶交通管理系统(Vessel Traffic System，VTS)和船舶自动识别系统(Automatic Identification System，AIS)，尤其是在水上船舶的识别上，主要依靠AIS获取船舶自主上报的船舶名称、船舶识别码、船舶类型、船长、船宽、船舶最大吃水等信息。然而，一旦船舶关闭AIS设备，或者AIS设备发生故障或信息被篡改，就会导致无法有效识别船舶目标，进一步导致一定的船舶航行监管困难。例如在休渔期，渔船时常更改AIS设备的船舶类型出海捕鱼，无法及时有效监管，影响渔业生态；而盗采河砂、海砂的船舶关闭AIS设备，导致监管部门难以掌握船舶身份实时打击；而少数大型船舶AIS设备信息更新不及时，导致船舶身份识别错误，威胁大桥、航道安全等等。考虑到以上问题，闭路视频监控系统(Closed Circuit Television，CCTV)因为无需船舶配合主动探测，就可观察到在航船舶的信息，实时性好、抗干扰能力强、对周围环境影响小，越来越成为水上监管部门监管船舶航行的一种重要手段。

随着以深度卷积神经网络技术的发展，人工智能技术在视频目标监控领域的应用也越来越多，比如车辆识别、人脸识别已经开展了工程化应用，并达到了很好的预期效果。而在船舶监管方面，由于船舶外形多种多样、算法研究复杂且投入相对较少、数据集建设滞后等问题，人工智能技术在水上视频监管领域应用较少。目前，CCTV对船舶航行的监管应用多为事后视频回放，实时监管方面则多以人工为主，主要依靠水上监管人员通过在重点水域部署的视频监控设备值守，发现现场问题。这种方式费时费力，消耗了水上监管人员大量的精力，同时也难以达到良好的监管效果。

而在利用人工智能技术进行船舶身份识别方面，国内也开始了一些研究，例如利用深度神经网络提取船舶外形特征，通过对船舶外形特征进行匹配识别船舶身份信息；还有利用光学字符识别技术(Optical Character Recognition，OCR)识别船舶名称，再用船舶名称去船舶信息登记数据库中检索得到船舶身份信息。

这两种现有的利用人工智能技术进行船舶身份识别的方法都有一定的理论基础，但是在实际应用中也存在各自的问题。其中，利用深度神经网络提取船舶外形特征的方法，问题在于同一家船厂生产的船舶可能外形相似，但是船名不同，难以识别出同一船型的不同船舶；此外，每艘船舶从不同角度观察，其提取的外形特征也不相同，前期如果没有完成船舶所有角度的提取，在实际检测识别中也会造成船舶身份的误识别，难以支撑实际应用。而OCR在理论上可以直接识别出船舶的名称，但是对被检测的图片清晰度要求很高，对被检测文字的规范性也有很多要求，比如需要有统一的背景颜色、统一的大小字体、统一行为格式以及有限的字符总集，因此，常用在车牌检测、身份证识别、发票识别等等领域；而船舶名称虽然常印制在船舷上，但是没有统一的印制标准，字体大小、背景颜色、显示行数都不相同，不同国家的船舶名称涉及的字符也不一样，有中文、英文、数字甚至还有特殊字符，这就导致直接使用OCR技术时，文字识别的准确率低，难以支撑实际应用。

发明内容