[发明专利]一种基于桥梁防撞的船舶目标检测跟踪方法

说明书

本发明公开了一种基于桥梁防撞的船舶目标检测跟踪方法,包括以下步骤：先通过摄像机采集船舶的视频图像，并通过深度学习训练模型提取视频图像中的船舶特征，得到船舶类型和船舶位置框；然后根据步骤A中测得的船舶位置框，利用IOU方法持续检测船舶的当前位置，并将该船舶的当前位置迭代上一帧的船舶位置，得到船舶在移动过程中的连续位置信息；根据连续识别的船舶位置信息，描出船舶的运动轨迹。本发明能够实时检测船舶在视频图像内的位置坐标，并对各船舶进行编号和单独跟踪，从而避免检测过程中的目标丢失和漏检测问题，具有识别效果好、抗干扰能力强的特点。

技术领域

本发明涉及一种船舶的检测方法，特别是一种基于桥梁防撞的船舶目标检测跟踪方法。

背景技术

为了实现桥梁防撞的功能，目前在桥梁位置经常需要设置船舶检测机构，该船舶检测机构用于检测船舶的当前位置，当船舶处于接近桥梁位置并存在碰撞桥梁的风险时，则进行报警和船舶信息收集，进而减小船舶碰撞的可能性并方便在事故发生后的追查。目前常用的船舶检测技术多为雷达超声波、红外激光技术和视频图像检测技术等，其中视频图像检测技术相比其他技术由于具有检测成本低和使用方式简单的特点，已得到了越来越广泛的应用。

目前市场上的视频图像检测技术一般采用实时图像和背景差分，然后经二值化后使用区域生长算法得到船舶目标，然后对识别到的船舶目标进行跟踪和锁定。但这种差分方法容易受到光线、天气等外界条件的影响，且对于运动较慢或静止的物体的识别效果较差，从而容易出现跟踪目标的丢失和漏检测问题。

此外，视频图像检测技术在检测过程还容易受到干扰项的影响，如当检测范围内同时出现两艘船舶且两艘船舶交叉穿过时，由于该船舶在视频图像中会出现一段时间的重叠和遮挡，导致检测机构容易失去追踪目标，或将锁定目标转变为其他船舶，进一步降低了对船舶的检测效果。

因此，现有用于桥梁防撞的视频图像检测结构存在识别效果差、抗干扰能力弱的问题。

发明内容

本发明的目的在于，提供一种基于桥梁防撞的船舶目标检测跟踪方法。它具有识别效果好、抗干扰能力强的特点。

本发明的技术方案：一种基于桥梁防撞的船舶目标检测跟踪方法，包括以下步骤：

A.通过摄像机采集船舶的视频图像，并通过深度学习训练模型提取视频图像中的船舶特征，得到船舶类型和船舶位置框；

B.根据步骤A中测得的船舶位置框，利用IOU方法持续检测船舶的当前位置，并将该船舶的当前位置迭代上一帧的船舶位置，得到船舶在移动过程中的连续位置信息；

C.根据连续识别的船舶位置信息，描出船舶的运动轨迹。

前述的一种基于桥梁防撞的船舶目标检测跟踪方法中，所述步骤A中深度学习训练模型的训练方法具体包括以下步骤：

A1.采集船舶通过时的视频图像；

A2.由人工从视频图像中截取若干张船舶图像，该船舶图像包括新出现的船舶图像、船舶在区域中间位置时的图像和快离开的船舶图像；

A3.将步骤A2中截取到的船舶图像作为图片训练集，对深度学习训练模型进行训练。

前述的一种基于桥梁防撞的船舶目标检测跟踪方法中，所述步骤A3中深度学习训练模型的训练方法具体包括以下步骤：

A31.将图片训练集用人工标签制作软件做标记，生成xml文件；然后用FileSort软件将标记后的船舶图像和xml文件生成图片数据集；

A32.用Tensorflow的Faster Rcnn方法训练图片数据集，生成深度学习训练模型；

A33.用Tensorflow创建Session会话，并Create创建会话加载深度学习训练模型，用Session的Run方法识别，输出船舶类型和船舶位置框。