[發明專利]一種基于卷積神經網絡從近岸海浪視頻中檢測浪高的方法

有效

• 申請號: 201910141884.5
• 申請日: 2019-02-26
• 公開（公告）號: CN109886217B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 宋巍;周旭;王振華;陳媛媛;趙丹楓;何盛琪
• 申請（專利權）人: 上海海洋大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/774;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 楊采良

本發明屬于海洋工程技術領域，公開了一種基于卷積神經網絡從近岸海浪視頻中檢測浪高的方法，基于卷積神經網絡從近岸海浪視頻中檢測浪高的方法包括：通過海浪視頻預處理，從中抽取圖像幀和計算幀間差分，組成包含浪高靜態和動態信息的三通道圖像；構建能夠對海浪浪高進行檢測的多層感知卷積神經網絡模型；基于經視頻預處理后的圖像集構建訓練數據集，對構建的網絡模型進行不同浪高檢測的訓練；利用訓練好的模型較高精度的檢測近岸浪的即時海浪高度值。本發明能提高檢測的效率，能夠在業務化運行要求的精度內達到很好檢測效果，能夠高精度且快速地獲取近岸海浪的有效波高。

技術領域

本發明屬于海洋工程技術領域，尤其涉及一種基于卷積神經網絡從近岸海浪視頻中檢測浪高的方法。

背景技術

目前，業內常用的現有技術是這樣的：

近岸工程設計、淺海生產作業、近岸環境保護都離不開近岸海浪要素的高精度獲取，尤其是海浪的實時高度值，因此，近岸海浪要素的高精度檢測具有十分重要的意義。但由于海浪向近岸傳播過程中，受海底地形、岸界和環境流(近岸流和潮流等)的作用顯著，具有比深海和開闊陸架海域更復雜的演變規律和更快速時空變換，而近岸波浪是近岸海洋環境中最重要的動力因素之一，它威脅近岸建筑物的安全與穩定，引起海岸泥沙運動、海岸變遷和近岸水體交換。近些年對于近岸海浪要素檢測主要是以浮標觀測為主，人工觀測為輔，近年來積極推進了雷達觀測。浮標是對“點”觀測，對于港灣復雜地形的準確海浪測量需要高密度部署，且運行和維護成本高；人工觀測是通過有經驗的預報員目測的方式估計海浪信息，對人員要求高，預測頻率和精度也難以保障。地波雷達能實現大面積、長時間自動測量，但雷達測量設備昂貴，微波脈沖及回波傳播受電離層平流層海氣界面影響，資料質量隨時空變化干擾明顯，且測量精度取決于對信號的反演；視頻用于海浪測量具有非接觸、低成本、時空連續的優點，能夠有效彌補浮標和雷達測量技術對方向譜觀測的不足。目前對其研究和認識還不是很成熟。

近岸監控視頻圖像在海浪檢測方面的優點是視頻圖像易獲取，且圖像數據龐大，基于高清的海浪視頻圖像特征清晰，不會造成太多的噪聲干擾，但對于海浪高度值的精細化檢測，基于圖像特征的檢測方法在檢測過程中容易受到視頻圖像中其它目標物的干擾影響，且檢測精度容易受到視頻質量的影響。2004年Piepmeier等人通過一種立體視覺方法分析視頻圖像，并在戴維森實驗室測試了水波參數，所得的浪高數據與測波計的數據基本相同，但是對于部分存在較大噪點的視頻圖像，實驗得出的數據于實際測波計的數據相差較大；2013年李剛等人提出了一種基于圖像紋理特征的波浪檢測方法，基于紋理特征，利用灰度共生矩陣，計算其四個獨立特征量，然后根據分析結果確定特征量權值并計算不同波浪等級的閾值，根據得到的閾值來檢測波浪等級，該方法能較好的檢測出波浪的等級，且模型簡單，計算效率較高，但無法做到海浪高度值的精細化檢測。2014年周圓等人提出一種基于TerraSAR-X圖像的海浪要素提取方法，基于海面風場反演的地球物理模型和海浪的參數化初猜譜反演模式來獲取海浪要素信息，并使用TerraSAR-X圖像進行實例驗證，最后結果對比，有效波高的絕對誤差為0.8m，平均周期的絕對誤差為1.9秒，從結果來看，這種方法模型簡單，應用性較強，但有效波高的絕對誤差對于低等級浪高值的偏差較大，且基于SAR圖像的特征檢測不適用于近岸海浪的要素檢測。有人提出利用視頻幀的能量變化和海浪物理模型特性相結合的方法。2006年Spencer等人在攝像機未標定情況下用傅里葉變換探索水波的色散關系來確定真實場景的大小，并使用暫態頻譜和已知海洋頻譜的隨機模型來確定海況，從而可以檢測出海浪要素特性，這種方法計算復雜度較高，且不同環境海域的海洋頻譜不一樣，需要單獨建立，魯棒性較差，不能很好地滿足實際應用。2015年，Hidetomo Sakaino提出了一種基于局部和全局變化模型的動態紋理海浪視頻運動估計，結合物理光學流模型/約束條件來實現光滑和不連續的變化，使用波形生成理論，還先后使用局部和全局優化的方式對模型參數進行改進，實現對海浪運動目標的方向檢測，但不適用于浪高值的計算。