[发明专利]一种航道船舶监控预警系统

权利要求书

1.一种新型航道船舶监控预警系统，其特征在于，所述系统包括：

采集模块，主要由各个摄像头组成，在监测和计量功能没有开启的情况下，采集模块并不会向中转模块发送数据，而只会将当前采集的视频帧的数据传递给存储模块进行存储；

中转模块，中转模块的主要功能是提供控制，获取远端摄像头和数据，同时给管理模块提供接口访问其摄像头和数据。承担中转模块的是流媒体服务器。

管理模块，管理模块主要用于管理各个摄像头或者说各个监测站点是否开启监测和计量服务，同时还负责对中转模块发送相应的请求，使对应的摄像头或监测站点与流媒体服务器建立数据连接，使其可以获取到数据并发送给处理模块；

处理模块，处理模块是整个系统的核心，系统的核心功能由处理模块实现。处理模块主要功能有视频数据解码，船舶的检测与识别，船舶的持续跟踪，船舶的计数，船舶的载重量计算。是本文基于时空特征的新型像素投票的全景图像分割的载体；

展示模块，展示模块主要用于展示系统中的动态数据，包括实时数据，统计数据等。查看方式分为网页登陆查看和电脑端软件查看。

存储模块，存储模块包括录像机，数据库等软硬件设备。主要用于存储数据，同时对外提供访问数据的功能。

2.一种使用新型航道船舶监控预警系统，其特征在于，所述方法包括：

航道监视器数据采集；

获取远端摄像头和数据，同时给管理模块提供接口访问其摄像头和数据；

数据进入处理模块；

基于像素共识投票的卷积神经网络语义分割分支预测每个像素的类别标签，有效实现这一目标的膨胀卷积机制，使用一个简单的贪婪策略合并实例和语义分割掩码。产生一个完整的全景分割输出；

由像素与实例质心组成实例掩码，预测相对偏移量，使用区域离散化处理；

构造投票过滤，使距离实例质心越远，空间单元就越大，过滤器被构造一个正方形单元格的网格，其尺寸向外径向扩展，它涉及K＝233个单元格，在一个M＝243像素的区域上应用于1/4输入分辨率的图像，因此覆盖了高达972x972的全分辨率。

转置卷积投票，使用扩张性反卷积和平均池化来聚集概率投票到他们的预期空间位置；

投影过滤器处理，为每个峰值区域确定最有利于这个特定最大值的像素，首先获取每个像素处的argmax(最值函数)投票指数，这是一个大小为[H,W,1]的张量。然后，在一个峰值区域内，对查询过滤器进行卷积，并对argmax(最值函数)投票指数执行相等比较，以挑选出该峰值区域内最强投票的所有像素；

输出卷积神经网络特征；

在数据展示终端，展示系统中的动态数据；

存储数据，同时对外提供访问数据。

3.根据权利要求2所述的新型航道船舶监控预警系统，其特征在于，所述采用基于时空特征的新型像素投票的全景图像分割，具体包括：

基于像素共识投票的卷积神经网络语义分割分支预测每个像素的类别标签，有效实现这一目标的膨胀卷积机制，使用一个简单的贪婪策略合并实例和语义分割掩码。产生一个完整的全景分割输出；

由像素与实例质心组成实例掩码，预测相对偏移量，使用区域离散化处理；

构造投票过滤，使距离实例质心越远，空间单元就越大，过滤器被构造一个正方形单元格的网格，其尺寸向外径向扩展，它涉及K＝233个单元格，在一个M＝243像素的区域上应用于1/4输入分辨率的图像，因此覆盖了高达972x972的全分辨率。

转置卷积投票，使用扩张性反卷积和平均池化来聚集概率投票到他们的预期空间位置；

投影过滤器处理，为每个峰值区域确定最有利于这个特定最大值的像素，首先获取每个像素处的argmax(最值函数)投票指数。这是一个大小为[H,W,1]的张量。然后，在一个峰值区域内，对查询过滤器进行卷积，并对argmax(最值函数)投票指数执行相等比较，以挑选出该峰值区域内最强投票的所有像素；

输出卷积神经网络特征。

4.根据权利要求2所述的新型航道船舶监控预警系统，其特征在于，在所述根据所述视觉特征，采用时空特征的像素投票的全景图像分割之前，还包括：

对所述视觉特征的格式进行规范化处理，生成格式规范的视觉特征。