[發明專利]一種港口泊船監測方法、系統及電子設備

有效

• 申請號: 201711037723.9
• 申請日: 2017-10-27
• 公開（公告）號: CN107731011B
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 曹松;王書強;申妍燕;王鴻飛
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G08G3/00
• 分類號: G08G3/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 趙勍毅

1.一種港口泊船監測方法，其特征在于，包括：

步驟a：通過攝像裝置采集港口泊船數據；

步驟b：構建基于“全卷積網絡+區域目標網絡分支”的神經網絡模型；

步驟c：將所述港口泊船數據輸入基于“全卷積網絡+區域目標網絡分支”的神經網絡模型，所述基于“全卷積網絡+區域目標網絡分支”的神經網絡模型根據所述港口泊船數據進行艦船對象區域分割以及艦船類型分類，并根據艦船對象區域分割結果和艦船類型分類結果計算港口泊船狀態；

所述基于“全卷積網絡+區域目標網絡分支”的神經網絡模型包括：具備殘差網絡結構的全卷積網絡和區域目標網絡分支，具備殘差網絡結構的全卷積網絡用于提取港口泊船圖像的港口泊船特征圖，并輸出1024個通道特征圖；區域目標網絡分支用于根據1024個通道特征圖獲取泊船區域中艦船對象的ROI特征圖；

所述神經網絡模型在層級上包括：輸入層、全卷積網絡、全卷積網絡池化層、卷積層、全連接層、softmax層、區域目標網絡池化層、max池化層和average池化層，其中，全卷積網絡和全連接層為共享層，全卷積網絡包括疊加5層的卷積層；全連接層分別連接到softmax層和max池化層，softmax層作為分割分支，通過對港口泊船特征集進行處理后輸出艦船對象的區域分割結果；max池化層和average池化層作為分類分支，首先經過像素級別的max池化層處理，再對艦船類型進行活躍區域級別的average池化層處理，經過兩層池化層處理之后，輸出艦船類型分類結果；

其中，所述步驟a包括：通過攝像裝置采集各個港口內所有泊船區域的港口泊船數據；根據設定的數據分割間隔時間分別將各個攝像裝置采集的港口泊船數據分割成包含數據采集時刻的港口泊船區域圖像；分別將各個攝像裝置在同一數據采集時刻下的港口泊船區域圖像合成為一張完整的港口泊船圖像，得到港口泊船圖像訓練集；對港口泊船圖像訓練集中的訓練樣本進行數據預處理；

所述步驟b包括：將所述港口泊船圖像輸入基于“全卷積網絡+區域目標網絡分支”的神經網絡模型，通過反向傳播算法對所述基于“全卷積網絡+區域目標網絡分支”的神經網絡模型進行訓練；

所述步驟c包括：所述根據艦船對象區域分割結果和艦船類型分類結果計算港口泊船狀態具體為：將艦船類型的數目N_class分為N_{class_big}和N_{class_small}，將各艦船類型的數量Num分為Num_big和Num_small，并設定港口泊船最大值時的參數閾值Y_max以及比較參數Y_yongse和Y_kongxian，根據Y_max閾值、參數Y_yongse和Y_kongxian計算港口泊船狀態，所述港口泊船狀態包括擁塞、正常和空閑：

Y_max＝W_{class_big}×Num_big+W_{class_small}×Num_small

Y_yongse＝Y_max×0.8

Y_kongxian＝Y_max×0.3

在上述公式中，W_{class_big}為大型艦船種類權重，W_{class_small}為中小型船只種類權重，Num_big為大型艦船數量，Num_small為中小型船只數量。

2.根據權利要求1所述的港口泊船監測方法，其特征在于，在所述步驟a中，所述通過攝像裝置采集港口泊船數據還包括：所述攝像裝置的數量為至少兩個。

3.根據權利要求2所述的港口泊船監測方法，其特征在于，所述數據預處理包括：對所述港口泊船圖像進行向下采樣后，在所述港口泊船圖像中標注艦船類型和艦船對象區域。