[发明专利]一种船舶目标重识别方法、终端设备及存储介质

说明书

本发明涉及一种船舶目标重识别方法、终端设备及存储介质，该方法中包括：采集待分析类型船舶对应的第一船舶图像数据集和其他类型船舶对应的第二船舶图像数据集，对数据集中图像进行随机旋转后组成第一训练集和第二训练集；构建目标重识别模型，通过第一训练集和第二训练集分别对目标重识别模型进行迭代训练，以使总体损失函数最小，将通过第一训练集训练后的目标重识别模型最为待分析类型船舶目标重识别模型；通过训练后的待分析类型船舶目标重识别模型对船舶图像进行重识别。本发明可以提高船舶识别的准确率。

技术领域

本发明涉及图像识别领域，尤其涉及一种船舶目标重识别方法、终端设备及存储介质。

背景技术

根据相关规定，海上船舶只要重量超过300吨的货船和所有客船都需要配备自动导航系统(AIS)，其作用在于汇报自身的位置、速度和航线，但是其中并不包括自身的大小，系统只会将其作为一个点来标识。另外，一些中小型船舶(如渔船和小型货船)并不会被强制要求安装AIS系统，甚至大型船舶上的AIS是可以被主动关闭的，这会影响船舶对周围安全进行判断。而且，利用船载雷达确实可以判断周围障碍物的大小，但是船舶在不同角度下体积相差较大，且由于海上视角较为宽阔，远处的船舶目标较多，雷达识别的难度较大。现如今，随着计算机视觉技术的迅速发展，可见光摄像机可以在船舶周围海洋环境的探测方面发挥重要的作用。

目标重识别方法是机器视觉系统的重要分支，船舶重识别方法的实现有利于构建完善的海洋态势感知系统，此方法在行人和车辆上已经得到了较为广泛的应用，但相对于陆上稳定的拍摄环境，船舶所处的海面晃动很大，目标物发生倾斜的情况非常常见，而在现有的陆上环境数据集中，目标物体虽然姿态不同，但几乎都是平稳的。并且，在目前的船舶重识别文章中并未考虑到这个问题，都是以靠港停泊或平稳行驶的船舶为识别对象。正常行驶的船舶会因为速度的快慢和海况的好坏出现不同程度的倾斜，又会因为载重量的不同导致吃水的深浅不同，海面上可见部位的形状也会随之变化。因此，目前现有的重识别方法并不完全适用于航向中的船舶。

现有的船舶检测方法虽然很好的实现了对船舶重识别，但数据集中的船舶基本上处于较好的海况下，行驶平稳不晃动。但是实际情况中，海上天气是复杂多变的，风浪并不平静，因此船舶发生晃动是常见的现象，尤其是体积小的船舶，其晃动更加明显。并且，由于海上视野较远，且有雾天和海面反光效果，不同视角下的同一条船舶色彩差异较大，数据集中的高清图片并不能准确反映实拍效果。因此需要针对性的研究由于海面导致的船舶颠簸情况和淡化色彩对船舶识别的影响。

发明内容

为了解决上述问题，本发明提出了一种船舶目标重识别方法、终端设备及存储介质。

具体方案如下：

一种船舶目标重识别方法，包括以下步骤：

S1：采集待分析类型船舶对应的第一船舶图像数据集，采集待分析类型之外的其他类型船舶对应的第二船舶图像数据集，分别对第一船舶图像数据集和第二船舶图像数据集中的各船舶图像以图像中心为中心点进行顺时针或逆时针方向的随机旋转，将旋转后的第一船舶图像数据集中的船舶图像组成第一训练集，将旋转后的第二船舶图像数据集中的船舶图像组成第二训练集；

S2：构建目标重识别模型，通过第一训练集和第二训练集分别对目标重识别模型进行迭代训练，以使总体损失函数最小，将通过第一训练集训练后的目标重识别模型最为待分析类型船舶目标重识别模型；

总体损失函数包括基于局部特征与整体特征的难样本采样三元组损失L_tri、识别损失L_ID和迁移损失L_tran；

S3：通过训练后的待分析类型船舶目标重识别模型对船舶图像进行重识别。

进一步的，目标重识别模型中特征提取采用的主干网络为ResNet50。

进一步的，三元组损失L_tri的计算公式为：