[发明专利]基于帧间差异与卷积神经网络融合的船舶视频检测方法

摘要

基于帧间差异与卷积神经网络融合的船舶视频检测方法，包括四个部分：对视频作预处理、获取每一帧的ROI区域并提取浅层特征、用修改的VGG16网络获取每一帧图的高层特征、预测每一帧ROI区域船舶显著图并提取船舶目标。本发明充分利用了视频前后帧之间的联系，减小了背景的干扰，准确定位运动船舶，获得了船舶运动的区域，相比于只利用低层特征的船舶图像显著性检测，既能够直接应用于船舶视频的检测，又减少了检测船舶不全的情况，对复杂内河运动船舶场景的适应性更强，检测精度更高，解决了内河船舶目标显著性检测不准确的问题，具有极高的实际应用价值。

主权项

1.基于帧间差异与卷积神经网络融合的船舶视频检测方法，其特征是根据河运监控视频进行船舶检测，包括以下步骤：步骤S1，对输入的视频作图像预处理，所述预处理包括滤波除噪和图像锐化；步骤S2，对视频求取帧间差异，前一帧检测出的船舶位置得出需要检测的船舶可能存在区域，作为ROI区域，对ROI区域划分小区域提取浅层特征；步骤S3，修改VGG16网络模型：对VGG16的conv3卷积层、conv4层、conv5卷积层内的各个卷积层两两添加shortcut connection，形成残差网络基本结构；同时在conv5‑3卷积层后面额外添加一个1×1的卷积核；然后，用由视频得到的实际内河场景下的船舶图片和ImageNet数据集去训练该VGG16网络，用训练好的VGG16网络对输入船舶视频的每一帧提取高层特征，只提取conv5‑3卷积层得出的视频每一帧的高层特征；步骤S4，利用提取出的特征矢量预测ROI区域逐区域的显著度，获得ROI区域的显著性图，提取船舶目标。