[发明专利]一种船只识别监测方法及系统

说明书

本发明提供一种船只识别监测方法及系统，包括：利用5G数传技术采集船只所在海面环境图像；基于边缘特征提取策略检测船只所在海面环境图像并提取海面船只边缘特征；将深度学习神经网络策略与YOLO算法相结合，构建船只特征识别模型，输入获取的海面船只边缘特征进行训练；利用定位传感器传输待监测船只的坐标数据，基于二进制策略构建定位识别模型，输入训练结束后的船只特征识别模型输出的识别数据；计算、匹配坐标数据和识别数据，得到最终的船只监测数据。本发明通过5G数传技术高效率采集数据信息，结合目标检测和二进制优化定位技术，精确得到监测船只的位置和状态信息，进行实时监控，提升海上船只的安全维护性和适用广泛性。

技术领域

本发明涉及图像处理、船只识别定位的技术领域，尤其涉及一种船只识别监测方法及系统。

背景技术

海上船只识别应用及其广泛，例如，恶意船只的靠近、非我国船只进入我国领海、智能监控系统、海洋大数据等，然而，在海面船只识别中，风浪、大雾、光照等都会对海面船只识别造成重大的影响，使得船只识别的准确性、精度和鲁棒性问题备受关注。

目前，应用于海面船只的识别算法主要是SVM算法，通过SVM算法对船只信号进行分类训练预测，不能实现实时识别，运行时间过长，识别率较低，对于现在海洋大数据的观测缺乏准确数据的支持。

发明内容

本发明实施例提供一种船只识别监测方法及系统，能够提高船只识别定位的准确度和效率，实现实时监测。

本发明实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，包括：利用5G数传技术采集船只所在海面环境图像；基于边缘特征提取策略检测所述船只所在海面环境图像并提取海面船只边缘特征；将深度学习神经网络策略与YOLO算法相结合，构建船只特征识别模型，输入获取的所述海面船只边缘特征进行训练；利用定位传感器传输待监测船只的坐标数据，基于二进制策略构建定位识别模型，输入训练结束后的所述船只特征识别模型输出的识别数据；计算、匹配所述坐标数据和所述识别数据，得到最终的船只监测数据。

本发明实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，采集的所述船只所在海面环境图像需进行预处理，形成样本集；所述预处理包括，灰度化、几何变换和图像增强处理。

本发明实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，所述边缘特征提取策略包括，对所述船只所在海面环境图像中的每一个像素点进行梯度计算，得到所述像素点对应的梯度强度值；若当前像素点的梯度强度大于沿正、负梯度方向上像素点的梯度强度，则所述当前像素点的梯度强度为边缘像素点；若所述边缘像素点的梯度强度大于高边缘阈值，则所述边缘像素点为强边缘像素点；若所述边缘像素点的梯度强度大于低边缘阈值且小于所述高边缘阈值，则所述边缘像素点为弱边缘像素点；提取所述边缘像素点周围的各个领域像素点，若所述领域像素点中存在所述强边缘像素点，则保留提取的所述弱边缘像素点；连接所有保留的所述强边缘像素点和所述弱边缘像素点，形成所述海面船只边缘特征。

本发明实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，构建所述船只特征识别模型包括，在深度学习神经网络结构层中搭建YOLO算法框架运行，形成目标函数，即所述船只特征识别模型，如下，

其中，confidence为特征识别信任值，即为所识别的网格中含有目标物体的置信度和标注的IOU两重信息，若目标物体在网格中，则特征识别信任值为1，否则为0，D_r(object)为置信度，IOU为交并比，若则识别结果为正确。

本发明实施例的第一方面，提供一种船只识别监测方法，可选地，在第一方面的一种可能实现方式中，构建所述定位识别模型包括，