[發明專利]一種基于云臺攝像機的船目標實時檢測方法

在審

• 申請號: 201810173195.8
• 申請日: 2018-03-02
• 公開（公告）號: CN108471497A
• 公開（公告）日: 2018-08-31
• 發明（設計）人: 劉書鵬;王閃閃;劉建宏;金倩宜
• 申請（專利權）人: 天津市亞安科技有限公司
• 主分類號: H04N5/232
• 分類號: H04N5/232;H04N7/18;G06T7/246
• 代理公司: 天津盈佳知識產權代理事務所(特殊普通合伙) 12224
• 代理人: 孫寶蕓

本發明涉及一種基于云臺攝像機的船目標實時檢測方法，包括攝取包含船目標的視頻流、訓練數據預處理、確定訓練模型并提高訓練船目標檢測模型的計算速度、根據實際情況進行訓練模型調整、將訓練好的船目標檢測模型與云臺攝像機聯動步驟。本方法通過對視頻流進行訓練數據預處理、確定訓練模型并提高訓練船目標檢測模型的計算速度、調整訓練模型等步驟，最后將訓練好的船目標檢測模型與云臺攝像機聯動，最終保持呈現在顯示器主碼流中的船物體寬度占畫面寬度的三分之一左右，且居中顯示，實現了云臺攝像機持續跟蹤的目的。本發明方法設計科學合理、構思巧妙、易于實現，有效提高了準確率，而且運算速度快，具有廣泛推廣應用的價值。

技術領域

本發明屬于視頻監控技術領域，尤其是一種基于云臺攝像機的船目標實時檢測方法。

背景技術

近年來基于深度學習的發展，在工業嵌入式產品領域，由于計算元件的計算能力增強，產品在圖像識別和語音識別兩大算法方向獲得了突飛猛進的發展。

將人工智能應用在產品上而產生智能產品的任務是希望產品能夠對攝像機等傳感器獲取的數據進行解讀并以人類所具有的理性思考方式來做出決定，從而幫助人類完成各種枯燥重復的決策工作。現有的使用傳統圖像處理方法的設備大都僅對遠距離海面上移動目標識別，而存在移動目標分類的困難，尤其鏡頭拉近后的復雜背景下大目標船檢測存在困難。

而近年來已有的訓練模型對大目標檢測有效但是對遠端小目標，尤其是霧霾天氣的船形物體不能檢測。大多檢測識別率高的深度學習方法訓練模型由于計算量大導致單幀處理速度慢，很難應用在前端嵌入式平臺進行實時視頻流檢測。不能實時，不能變焦識別，不能應用在前端設備保障用戶數據的私密性等缺點，都不適于對海面船觀測識別的報警及跟蹤需求。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于云臺攝像機的船目標實時檢測方法，該保證鏡頭內物體無論在霧霾天氣與否都能對雷達提供方位的目標船物體實時檢測跟蹤法。

本發明的方案是這樣實現的：

一種基于云臺攝像機的船目標實時檢測方法，包括如下步驟：

步驟一、通過云臺攝像機攝取包含船目標的視頻流

攝取的視頻流包含主碼流和輔碼流：

(1)rtsp視頻流的主碼流用于在顯示器中清晰的顯示實時視頻；

(2)rtsp視頻流的輔碼流作為船目標檢測的輸入視頻流進行處理，并進行目標檢測；

步驟二、訓練數據預處理

訓練數據圖片的來源包含兩部分：

一部分圖片來源于將含船目標的圖片從主碼流中提取出來，即獲取rtsp視頻流后采用圖像處理的方法批量對圖片進行壓縮及改變分辨率處理，保證關鍵信息不丟失；

另一部分圖片則來自于提取公共數據集如Pascal VOC等中的船目標，整理需要的部分，此部分主要是用于提高船目標檢測的泛化性，用于對變倍拉近后船目標的識別檢測；

將上述處理好的圖片分類整理，保證訓練集中遠端船型小目標、各種類船圖片和可能的誤檢測圖片占訓練數據一定的比例；

步驟三、確定訓練模型并提高訓練船目標檢測模型的計算速度

選擇應用在Linux系統中的darknet框架結構，方便后期使用c/c++語言在嵌入式設備上的移植和與云臺攝像機的對接，應用yolo的原理訓練船目標檢測模型；

所述步驟一中輔碼流中圖像為RGB三通道圖像；