[发明专利]一种基于深度学习的船舶视频测速方法

说明书

本发明公开了一种基于深度学习的船舶视频测速方法，包括采集船舶视频图像数据并构建训练数据集合；基于神经网络构建目标检测模型，对目标检测模型进行训练；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；根据摄像头的光学内参和摄像头地理位置构建地理模型；将目标检测框信息代入地理模型中，得到目标船舶的速度。本发明通过目标检测和跟踪算法得出一段时间内移动前后船舶在图像上的像素坐标位置，并对摄像头进行地理建模，根据建模将像素转换为实际距离，最终得出船舶速度。

技术领域

本发明属于船舶图像处理技术领域，具体涉及一种基于深度学习的船舶视频测速方法。

背景技术

在海上交通管理系统中，对于船舶的速度检测与管制是非常重要的，但是对于船舶速度检测的研究，大多需要通过借助其他的传感器，仅依靠摄像头采集的图像数据是不足以对船舶进行速度检测的。目前主流的检测方式主要有如下几种方式：

雷达测速法，雷达测速方法是基于多普勒效应，其将雷达测速装置固定在船舶经过的卡口，对着卡口发射固定频率的电脉冲信号，当有船舶驶过卡口靠近雷达时，船舶反射的电脉冲频率将高于发射的电脉冲频率；同样的，当船舶远离雷达时，船舶反射的电脉冲频率比发射的电脉冲信号频率低，根据电脉冲信号的数值变化可以计算出船舶的速度。

激光测距法，激光测距同样基于多普勒原理，采用激光测距设备对目标发射窄带脉冲激光束，根据时间差得到的距离信息，通过多次测量得到在此时间段内的船舶位置变化，从而计算出船舶的航行速度。

相比于以上基于多传感器测算方法，基于视频的测速方法有其特有优势，成本低，分辨率高，且不受电磁干扰。目前也有基于视频测速检测的方法，对视频中目标状态的变化进行位移跟踪、图像识别并进行算法处理，通过短时间内目标的移动像素转化到实际的距离。但是这种方法不适用于船舶的测速，因为不同船舶远近导致图像每个像素代表的实际距离差距较大，从而不能准确计算出船舶的速度。基于上述背景条件与技术问题，目前亟需一种基于深度学习的船舶视频测速方法。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于深度学习的船舶视频测速方法。

为实现上述技术目的，本发明采取的技术方案为：

一种基于深度学习的船舶视频测速方法，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。

为优化上述技术方案，采取的具体措施还包括：

上述的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。

上述的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。

上述的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。

上述的S3采用Deepsort算法进行目标追踪。

上述的S4具体为：

S41：测量摄像头俯仰角a；