[發明專利]基于計算機視覺的橋梁區域船舶幾何輪廓自動辨識方法

在審

• 申請號: 201811295296.9
• 申請日: 2018-11-01
• 公開（公告）號: CN109284754A
• 公開（公告）日: 2019-01-29
• 發明（設計）人: 李順龍;郭亞朋;徐陽;李惠
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06T7/13;G06T7/155
• 代理公司: 哈爾濱市哈科專利事務所有限責任公司 23101
• 代理人: 吳振剛

本發明涉及一種基于計算機視覺的橋梁區域船舶智能定位與幾何輪廓自動辨識方法，是為了解決現有的橋梁區域船舶智能定位與幾何輪廓自動辨識成本過高以及相應智能算法的缺點而提出的，包括：整理網絡上海量的船舶圖片作為原始數據，對輸入的圖像進行降采樣，根據人工經驗使用矩形框對降采樣后的圖像中的船舶區域進行標記，獲得用于表示矩形框位置和大小的數據；將訓練集輸入至深度卷積神經網絡中進行遷移訓練；訓練過程中使用的損失函數為多目標優化函數，優化算法為自適應矩估計優化算法；將待識別的橋梁區域船舶通行視頻提取關鍵幀重采樣后輸入至訓練好的神經網絡中，得到以矩形框為表示的定位結果；將矩形框定位結果由BGR色彩空間轉換到HSV空間，使用形態學運算尋找船舶幾何輪廓，得到幾何輪廓自動辨識結果。本發明適用于橋梁工程健康監測以及防船撞領域。

技術領域

本發明具體涉及一種基于計算機視覺的橋梁區域船舶幾何輪廓自動辨識方法。

背景技術

橋梁是交通運輸大動脈中的咽喉。近年來，橋梁建設步入高潮，愈來愈多的建成橋梁服役，為提高我國交通運輸效率、拉動我國經濟快速增長起到了不可忽視的作用。同樣，航運隨著經濟社會的發展，也愈來愈繁榮。隨著橋梁的增加以及航運船舶密度的提升，船撞橋事故發生的頻率也愈來愈高。經不完全統計，自1959年至2011年，造成人員傷亡和重大財產損失的嚴重船撞橋事故發生了超過140余起，其中國內發生超過40余起，而2011年以來，發生頻率更是大幅度增加。船撞橋雖然是偶然事件，但是一旦發生，不論是對橋梁正常運營還是對于船舶自身安全，都是巨大的威脅，現有措施為在橋梁關鍵區域如橋墩上方以及主梁下方安裝攝像頭，通過人工監控的方式來進行船舶撞擊橋梁的預警，極大程度地緩解了船撞橋的巨大矛盾。然而，人工監控存在兩個不可避免的弱點，一是視覺疲勞，人類集中注意力觀察事物會迅速產生視覺疲勞，而視覺疲勞又會極大降低判斷的準確性；二是無法克服個體主觀性影響，不同技術基礎和工作經驗的人對于船撞橋的風險評判標準不一。

目前隨著計算機視覺的發展，許多學者嘗試解決橋梁區域船舶識別的問題，然而這些方法存在兩個問題，一是方法傳統，魯棒性不強，無法克服復雜背景及天氣條件的影響；二是只進行船舶定位，即用矩形框的形式表示船舶，而無法描述船舶的精準輪廓，這為后期的船舶幾何參數識別等工作增加了困難。如何針對現有研究存在的問題提出一個魯棒性強的可精準識別船舶輪廓的方法，為橋梁區域防船撞提供一個自動化智能化的解決方案，是一個丞待研究的問題。

發明內容

本發明的目的是為了解決現有的橋梁區域船舶智能定位與幾何輪廓自動辨識成本過高以及相應智能算法的缺點，提出一種基于計算機視覺的橋梁區域船舶幾何輪廓自動辨識方法，實現了對于包含復雜背景干擾信息的橋梁區域船舶定位神經網絡模型訓練、船舶智能定位、船舶幾何輪廓自動辨識、結果展示的全過程自動化處理，為橋梁工程防船撞的自動監測提供了解決方案。

本發明所采用的技術如下：一種基于計算機視覺的橋梁區域船舶幾何輪廓自動辨識方法，具體包括如下步驟：

步驟一、整理網絡上海量的船舶圖片作為原始數據，對輸入的圖像進行降采樣，根據人工經驗使用矩形框對降采樣后的圖像中的船舶區域進行標記，獲得用于表示矩形框位置和大小的數據；

步驟二、將訓練集輸入至深度卷積神經網絡中進行遷移訓練；訓練過程中使用的損失函數為多目標優化函數，優化算法為自適應矩估計優化算法；

步驟三、將待識別的橋梁區域船舶往來視頻提取關鍵幀重采樣后輸入至訓練好的神經網絡中，得到以矩形框為表示的定位結果；

步驟四、將矩形框定位結果由BGR色彩空間轉換到HSV空間，使用形態學運算尋找船舶幾何輪廓，得到幾何輪廓自動辨識結果。

本發明還具有如下技術特征：

1、如上所述的步驟一其具體包括：

步驟一一、整理網絡上海量的船舶圖片，數量500張以上，包括不同背景、光照條件、拍攝角度的船舶圖片；