[发明专利]一种基于SSD网络的水面漂浮物多相机实时检测方法

说明书

本发明涉及机器学习、图像识别领域，具体涉及一种基于SSD网络的水面漂浮物多相机实时检测方法，包括以下步骤：步骤1:通过视频录制、相机拍摄和网络收集来采集水面漂浮物数据；步骤2:采用数据降噪和数据增强算法进行水面漂浮物数据扩增；步骤三：采用Labelimg工具对水面漂浮物数据集标注；步骤四：采用迁移学习对SSD网络模型进行训练获取最优权重模型；步骤五：基于SSD网络最优权重模型的多相机水面漂浮物目标实时检测。本发明基于SSD网络对水面漂浮物进行多相机实时检测，能够有效降低光照、天气和动态背景对实时检测造成的干扰，同时弥补单一相机检测的缺陷，满足实时性和精度的要求。

技术领域

本发明属于机器学习、图像识别领域，涉及一种基于SSD网络的水面漂浮物多相机实时检测方法。

背景技术

随着经济和社会的快速发展，我国城镇化建设步伐日益加快，大量的人口聚集到城市生活，给城市周边的环境和生态造成了严重的影响，许多饮水水源、城市内河、周边湖泊、水库等水面上出现大量的污染物，水面上的漂浮垃圾一般无法被溶解及自然稀释、且具有分布不均性，水面漂浮物的存在不仅影响了水体观感和城市的生活环境质量，也造成了水体的污染及生态平衡的破坏，甚至威胁到了航运和饮用水的安全。如何快速有效识别水面漂浮物，为水面安全规避、污染物清洁、水面交通安全等领域提供早期预警及实时监控等信息，成为了智能识别、信息化以及传感器领域的重要课题之一。

针对水面漂浮物的检测问题，目前虽然部分水域场景安装了实时监控设备，但是由于检测设备大多分布密度低且固定，只能监控到一定区域内的水面污染物，存在投入成本高、周期长且检测效率低下等问题。同时，现有的水域视频监控依托的设备多是单一相机，而单相机系统存在着视野范围小、获取信息少、可靠性较弱的缺陷，仍需有人对水面漂浮物监控画面进行人工监管，此管理方式不仅耗时费力，而且无法准确和实时监控水面漂浮物。

基于实际的水面污染物监管的需求，目前国内外相关研究成果大多存在图像识别精度低、图像信息量处理效率低、动态背景处理以及水面目标检测与识别算法问题，无法有效保证水面漂浮物检测实时性和准确性两者的平衡。针对目前水面漂浮物检测中存在的实际问题，本发明在人工智能和深度学习应用领域不断拓展的基础上，提出基于SSD(SingleShot MultiBox Detector，单发多目标检测器)网络对水面漂浮物进行多相机视频目标检测方法。

发明内容

本发明基于SSD网络，通过多相机对河流水面漂浮物进行实时监测，能够达到对漂浮物的坐标信息、类别和数量进行动态监测。基于水面漂浮物检测的信息数据判断是否对水面漂浮物进行处理，能够协助解决水污染问题。

为了达到上述目的，本发明采用的技术方案为：

一种基于SSD网络的水面漂浮物多相机实时检测方法，包括以下步骤：

第一步：采集数据，以视频录制、相机拍摄和网络资源收集为主要途径

运用多相机对河流水面进行全天候的录制获取视频资料，并利用Free Video toJPEGConverter将视频文件按照每帧为单位转换为图片，生成图片资料库A。利用相机实地对水面漂浮物图片进行拍摄采集，生成图片资料库B。通过百度搜集水面漂浮物图片，生成图片资料库C。最终得到用于训练SSD网络模型的数据集D，该数据集包含了图片资料库A、B和C。

第二步：数据降噪增强