[發明專利]基于卷積神經網絡的航運貨物監控視頻識別方法及系統

有效

• 申請號: 201810952859.0
• 申請日: 2018-08-21
• 公開（公告）號: CN109086737B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 張鴻;劉巍;代剛;趙亮
• 申請（專利權）人: 武漢恒視途安科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 程華

1.一種基于卷積神經網絡的航運貨物監控視頻識別方法，其特征在于，包括：

獲取航運監控數據；所述航運監控數據包括船載攝像頭拍攝的視頻按時間間隔截取的圖片、攝像頭編號、拍攝時間以及航運事件類別；所述航運事件類別包括航運過程中所有操作的工作過程；所述工作過程包括攝像頭被遮擋過程、蓋雨布過程、未蓋布行駛過程、空倉過程、正常行駛過程、棚架蓋住過程、棚架打開過程、船舶靠港過程、裝船過程、卸船過程、雨布吹飛過程以及船舶停泊過程；

根據所述航運監控數據建立圖像數據庫；所述圖像數據庫內的圖像按照時間順序排列；

根據所述圖像數據庫按照比例閾值生成訓練集以及測試集，具體包括：

以相同的所述航運事件類別對所述圖像數據庫內的所有圖像命名，并將命名后的所有圖像按照時間順序排列，確定圖像序列；

重新排列所述圖像序列的順序，確定打亂后的圖像序列；

按照比例閾值將所述打亂后的圖像序列生成訓練集以及測試集；

將所述訓練集內的圖像進行二值化處理，確定訓練集二進制圖像；

將所述測試集內的圖像進行二值化處理，確定測試集二進制圖像；

根據所述訓練集以及所述測試集建立深度殘差網絡模型；

根據所述深度殘差網絡模型提取所述圖像數據庫內的每一張圖像的圖像特征，并建立圖像特征數據庫；所述圖像特征數據庫包括圖像特征以及圖像特征向量；

根據所述圖像特征數據庫建立神經網絡分類器，具體包括：

將所述圖像特征數據庫內的圖像特征向量按時序排列，并將相同的航運事件類別的圖像特征向量每5個分為一組，首尾相接生成連接后的特征向量；

將各個所述航運事件類別的連接后的特征向量分成特征訓練集以及特征測試集；所述特征訓練集以及所述特征測試集的比例為5：1；

根據所述特征訓練集以及所述特征測試集建立神經網絡分類器；

根據所述神經網絡分類器對當前航運事件進行分類識別，確定所述當前航運事件的航運事件類別，具體包括：

攝像頭每隔設定時間間隔拍攝一張圖片并存放到本地服務器中，每拍攝五張圖片，則將這五張圖片傳入訓練好的深度殘差網絡模型進行特征提取得到五個特征向量；

特征提取完畢后，將得到的五個特征向量首尾連接，傳入之前訓練好的神經網絡分類器進行航運事件分類。

2.根據權利要求1所述的識別方法，其特征在于，所述根據所述訓練集以及所述測試集建立深度殘差網絡模型，具體包括：

獲取層數為50的深度殘差網絡；

將所述訓練集內的圖像輸入到所述深度殘差網絡，對所述訓練集內每一張圖像進行訓練，直至訓練結果收斂，確定收斂后的圖像；

根據所述收斂后的圖像建立深度殘差網絡模型。