[发明专利]一种基于深度学习的船舶视频测速方法

权利要求书

1.一种基于深度学习的船舶视频测速方法，其特征在于，包括：

S1:采集摄像头拍摄的船舶视频图像数据并构建训练数据集合；

S2:基于神经网络构建目标检测模型，采用训练数据集合对目标检测模型进行训练；

S3：使用训练完成的目标检测模型对目标船舶进行检测，得到目标检测框并进行目标追踪；

S4：根据摄像头的光学内参和摄像头地理位置构建地理模型；

S5：将目标检测框信息代入地理模型中，得到目标船舶的速度。

2.根据权利要求1所述的一种基于深度学习的船舶视频测速方法，其特征在于，所述S1具体为：采集摄像头拍摄到的船舶视频图像数据，并对视频图像数据进行标注，得到训练数据集合，将训练数据集合按比例分为训练集、验证集和测试集。

3.根据权利要求2所述的一种基于深度学习的船舶视频测速方法，其特征在于，所述S2具体包括：基于神经网络构建目标检测模型，采用训练数据集合对目标检测模型进行训练，训练过程中，采用优化器更新神经网络权重，同时利用训练集和验证集进行交叉验证，调整训练参数，重复以上过程，直至模型在测试集上达到预期效果。

4.根据权利要求1所述的一种基于深度学习的船舶视频测速方法，其特征在于，所述S3具体包括：将待检测的目标船舶的视频图像输入训练完成的目标检测模型中，得到目标检测框并对目标进行追踪。

5.根据权利要求1所述的一种基于深度学习的船舶视频测速方法，其特征在于，所述S3采用Deepsort算法进行目标追踪。

6.根据权利要求1所述的一种基于深度学习的船舶视频测速方法，其特征在于，所述S4具体为：

S41：测量摄像头俯仰角a；

S42：根据目标检测框计算目标在成像平面上的投影与水平中心线的夹角b；

S43：将所述俯仰角和所述夹角相加，得出所述投影与水平面的夹角c，c＝a+b；

S44：根据摄像头安装的高度和S43得出的夹角值，采用三角函数计算出目标与摄像头的距离L：

S45：基于根据摄像头相对海平面的安装高度H和S44得到的距离L，通过相似三角形得出目标在成像界面的像素坐标(x,y)对应的目标在实际地理模型中对摄像头的相对坐标(X,Y)。

其中，f为摄像头的焦距。

7.根据权利要求1所述的一种基于深度学习的船舶视频测速方法，其特征在于，所述S5具体为：将一段时间内同个目标的前后两个目标检测框相差的像素值带入地理模型中，得出对应的地理距离，再除以相对应的时间，最终得出目标船舶的速度。