[發(fā)明專利]面向內(nèi)河海事視頻監(jiān)控的船舶名稱主動(dòng)式識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210054488.0
• 申請(qǐng)日: 2022-01-18
• 公開（公告）號(hào): CN114445776A
• 公開（公告）日: 2022-05-06
• 發(fā)明（設(shè)計(jì)）人: 黃靖;郭玉濱
• 申請(qǐng)（專利權(quán)）人: 武漢理工大學(xué)
• 主分類號(hào): G06V20/52
• 分類號(hào): 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

本發(fā)明涉及一種面向內(nèi)河海事視頻監(jiān)控的船舶名稱主動(dòng)式識(shí)別方法，包括以下步驟：S1、檢測(cè)視頻中的船舶并確定船舶類型：當(dāng)船舶為集裝箱船、散貨船和運(yùn)油船時(shí)，利用語義部分進(jìn)行檢測(cè)，在檢測(cè)船舶的同時(shí)，檢測(cè)存在船名的船舶部分，當(dāng)船舶為客船和執(zhí)法船時(shí)，則不進(jìn)行語義部分檢測(cè)；S2、使用OCR文本檢測(cè)識(shí)別框架檢測(cè)步驟S1中所述船舶或船舶部分，識(shí)別存在的文本信息；S3、使用設(shè)計(jì)的基于編輯距離規(guī)則的文本過濾算法，確定真正的船名。本發(fā)明能夠有效的提升執(zhí)法部門對(duì)不法船只AIS關(guān)閉或套牌行為的偵察效率，提高海事部門的工作效率，減少人力和時(shí)間成本。

技術(shù)領(lǐng)域

本發(fā)明涉及內(nèi)河航道視頻監(jiān)控領(lǐng)域，更具體地說，涉及一種面向內(nèi)河海事視頻監(jiān)控的船舶名稱主動(dòng)式識(shí)別方法。

背景技術(shù)

目前，海事部門確認(rèn)船舶身份的主要方法是使用船舶身份自動(dòng)識(shí)別系統(tǒng)(AIS)，船載AIS設(shè)備定時(shí)發(fā)射包含船舶信息的無線電信號(hào)，岸邊接收器保持等待接收信號(hào)的狀態(tài)，當(dāng)船岸設(shè)備處在有效通信距離內(nèi)時(shí)，岸上設(shè)備才會(huì)接收到信號(hào)。由于這種被動(dòng)式的通信方式致使在不法船只關(guān)閉船載AIS設(shè)備或篡改套用其它船只信息時(shí)，岸邊負(fù)責(zé)信號(hào)接收的設(shè)備沒有辨識(shí)此類行為的能力，導(dǎo)致海事監(jiān)管部門在調(diào)查類似的案件時(shí)非常耗時(shí)耗力。

現(xiàn)有的基于計(jì)算機(jī)視覺的船舶名稱識(shí)別方法多數(shù)還處在理論研究階段，對(duì)于現(xiàn)場(chǎng)存在的諸多問題，如船舶名稱在視野中目標(biāo)太小，銹蝕、遮擋等造成的船舶名稱視覺信息不足，視野中存在其它非船名文本的干擾等，現(xiàn)有方法無法解決。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題在于，提供一種面向內(nèi)河海事視頻監(jiān)控的船舶名稱主動(dòng)式識(shí)別方法，其方法是基于計(jì)算機(jī)視覺的船舶名稱主動(dòng)式識(shí)別方法，彌補(bǔ)AIS的不足，克服視野中非船名文本的干擾，在發(fā)現(xiàn)船舶的第一時(shí)間就能識(shí)別船舶身份。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：構(gòu)造一種面向內(nèi)河海事視頻監(jiān)控的船舶名稱主動(dòng)式識(shí)別方法，包括以下步驟：

S1、檢測(cè)視頻中的船舶并確定船舶類型：當(dāng)船舶為集裝箱船、散貨船和運(yùn)油船時(shí)，利用語義部分進(jìn)行檢測(cè)，在檢測(cè)船舶的同時(shí)，檢測(cè)存在船名的船舶部分，當(dāng)船舶為客船和執(zhí)法船時(shí)，則不進(jìn)行語義部分檢測(cè)；

S2、使用OCR文本檢測(cè)識(shí)別框架檢測(cè)步驟S1中所述船舶或船舶部分，識(shí)別存在的文本信息；

S3、使用設(shè)計(jì)的基于編輯距離規(guī)則的文本過濾算法，確定真正的船名。

按上述方案，所述步驟S1包括以下步驟:

S101、輸入分別經(jīng)過船舶區(qū)域建議網(wǎng)絡(luò)、船體部分區(qū)域建議網(wǎng)絡(luò)所生成的船舶實(shí)例和船體部分實(shí)例，所述實(shí)例包含邊界框坐標(biāo)bbox，即：Bounding box，和對(duì)應(yīng)的特征序列，所述含邊界框坐標(biāo)bbox包含左上角點(diǎn)坐標(biāo)以及寬高，分別為：x、y、w、h；

S102、計(jì)算所述船舶實(shí)例與船體部分實(shí)例的相關(guān)性，所述實(shí)例之間的相關(guān)系數(shù)計(jì)算完成得到相關(guān)性矩陣，按照坐標(biāo)軸方向求和并乘到對(duì)應(yīng)的實(shí)例特征序列，完成所述船舶實(shí)例與船體部分實(shí)例的相關(guān)性計(jì)算；

S103、將在相關(guān)性系數(shù)加權(quán)后的區(qū)域，將所述實(shí)例送入最后的分類和坐標(biāo)回歸網(wǎng)絡(luò)，得到所述船舶和船體部分坐標(biāo)框和分類結(jié)果。

按上述方案，所述步驟S101中輸入分別經(jīng)過船舶區(qū)域建議網(wǎng)絡(luò)、船體部分區(qū)域建議網(wǎng)絡(luò)所生成的船舶實(shí)例和船體部分實(shí)例的方法為：輸入所述船舶實(shí)例和船體部分實(shí)例的圖像經(jīng)過卷積特征提取網(wǎng)絡(luò)得到特征圖，將特征圖送入RegionProposalNetwork，即RPN網(wǎng)絡(luò)得到檢測(cè)結(jié)果，通過Non Maximum Suppression，即NMS過濾重復(fù)結(jié)果，根據(jù)所述結(jié)果的坐標(biāo)信息截取特征圖上對(duì)應(yīng)位置的特征片段，經(jīng)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。