[發明專利]面向內河海事視頻監控的船舶名稱主動式識別方法

在審

• 申請號: 202210054488.0
• 申請日: 2022-01-18
• 公開（公告）號: CN114445776A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 黃靖;郭玉濱
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06K9/62;G06N3/04;G06N3/08;G06V10/22;G06V10/25;G06V10/74;G06V10/82
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 張惠玲

1.一種面向內河海事視頻監控的船舶名稱主動式識別方法，其特征在于，包括以下步驟：

S1、檢測視頻中的船舶并確定船舶類型：當船舶為集裝箱船、散貨船和運油船時，利用語義部分進行檢測，在檢測船舶的同時，檢測存在船名的船舶部分，當船舶為客船和執法船時，則不進行語義部分檢測；

S2、使用OCR文本檢測識別框架檢測步驟S1中所述船舶或船舶部分，識別存在的文本信息；

S3、使用基于編輯距離規則的文本過濾算法，確定真正的船名。

2.根據權利要求1所述的面向內河海事視頻監控的船舶名稱主動式識別方法，其特征在于，所述步驟S1包括以下步驟:

S101、輸入分別經過船舶區域建議網絡、船體部分區域建議網絡所生成的船舶實例和船體部分實例，所述實例包含邊界框坐標bbox，即：Bounding box，和對應的特征序列，所述含邊界框坐標bbox包含左上角點坐標以及寬高，分別為：x、y、w、h；

S102、計算所述船舶實例與船體部分實例的相關性，所述實例之間的相關系數計算完成得到相關性矩陣，按照坐標軸方向求和并乘到對應的實例特征序列，完成所述船舶實例與船體部分實例的相關性計算；

S103、將在相關性系數加權后的區域，將所述實例送入最后的分類和坐標回歸網絡，得到所述船舶和船體部分坐標框和分類結果。

3.根據權利要求2所述的面向內河海事視頻監控的船舶名稱主動式識別方法，其特征在于，所述步驟S101中輸入分別經過船舶區域建議網絡、船體部分區域建議網絡所生成的船舶實例和船體部分實例的方法為：輸入所述船舶實例和船體部分實例的圖像經過卷積特征提取網絡得到特征圖，將特征圖送入RegionProposalNetwork，即RPN網絡得到檢測結果，通過Non Maximum Suppression，即NMS過濾重復結果，根據所述結果的坐標信息截取特征圖上對應位置的特征片段，經過RegionofInterest，即RoI Pooling層后將所述特征片段處理成相同大小的新特征圖。

4.根據權利要求3所述的面向內河海事視頻監控的船舶名稱主動式識別方法，其特征在于，所述步驟S102中得到相關性矩陣的方法為：輸入所述所示船舶實例和船體部分實例的圖像，經過船舶檢測、分類及船體部分檢測的網絡后輸出船舶和船體檢測的結果，包含目標所在位置坐標：x、y、w、h，和經過RoI Pooling后的統一大小的特征圖，依次計算所述船舶實例坐標框與船體部分實例坐標框的IoU，最終得到所述船舶和船體部分的相關矩陣；完成所述船舶實例與船體部分實例的相關性計算方法為：將所述相關矩陣按照行或列求和，然后與所述船舶或船體部分的特征圖相乘，完成相關性系數加權。

5.根據權利要求4所述的面向內河海事視頻監控的船舶名稱主動式識別方法，其特征在于，所述步驟S2中使用OCR文本檢測識別框架檢測的方法為：所述船舶實例和船體部分實例的圖像原始尺寸為(W、H)，放縮后輸入船舶檢測、分類及船體部分檢測網絡的圖像尺寸為(Wr、Hr)，輸出結果中的bbox為(x,y,w,h)，則目標在所述原始圖像中的位置坐標bboxo(x_o、y_o、w_o、h_o)的計算方法如式(11)，(12)：

所述計算方法還原目標在原始圖像中的位置bboxo，根據bboxo坐標在原始圖像中截取相應部分作為第二步的原始輸出；對輸入圖片進行文本檢測，根據文本檢測結果在輸入圖像上截取相應區域進行文本識別。

6.根據權利要求5所述的面向內河海事視頻監控的船舶名稱主動式識別方法，其特征在于，所述步驟S3中基于編輯距離規則的文本過濾算法為：

a、當存在多個識別結果，依次計算各個識別結果的編輯距離：按照設定的編輯距離閾值計算每個識別結果的編輯距離得分，當編輯距離低于閾值的相似結果時，為存在識別錯誤的船名，當編輯距離高于閾值的相似結果時，為最接近真實船名的；

b、當存在兩個結果的編輯距離為0，即兩個識別結果完全相同，則確定船名。