[发明专利]海上船舶的行为状态识别方法、装置、设备及存储介质

权利要求书

1.一种海上船舶的行为状态识别方法，其特征在于，该方法包括：

获取海上待探测船舶的多源遥感数据；

采用深度学习算法对所述待探测船舶的多源遥感数据进行特征提取，所提取的特征与所述待探测船舶轨迹相关；

利用预先构建的海上船舶的行为状态语义模型，针对所述提取的特征进行分析以识别所述待探测船舶的行为状态；

其中，所述海上船舶的行为状态语义模型包括：

通过船舶轨迹相关的特征描述船舶行为状态的语义字典，以及

对船舶轨迹相关的特征进行分类识别的分类器；

所述语义字典通过如下步骤构建：

采集包含海上船舶的多源遥感数据；

从所述多源遥感数据中构建船舶轨迹的训练样本；

采用深度学习算法从所述训练样本中提取与船舶轨迹相关的特征；以及

对训练样本中提取的特征进行语义建模，生成描述船舶行为状态的语义字典；

所述分类器通过如下步骤构建：

将正样本中提取的特征与所述语义字典中的视觉单词进行相似度量计算；

对所述正样本对应的相似度量和语义属性进行学习，生成分类器。

2.如权利要求1所述的方法，其特征在于，所述从所述多源遥感数据中构建船舶轨迹的训练样本，包括：

从所述多源遥感数据中选取包含指定目标轨迹的遥感影像作为正样本，选取不包含所述指定目标轨迹的遥感影像作为负样本；以及

针对所述正样本，标识指定目标轨迹的行为状态的类别作为语义属性。

3.如权利要求1所述的方法，其特征在于，所述对训练样本中提取的特征进行语义建模，生成描述船舶行为状态的语义字典，包括：

将训练样本中提取的特征转化为局部特征描述符；

将所述局部特征描述符通过机器学习的方法进行训练，得到对应局部特征描述符的视觉单词，所述视觉单词组成的视觉词包作为语义字典。

4.如权利要求1所述的方法，其特征在于，所述将正样本中的提取的特征采用所述语义字典中的视觉单词进行相似度量计算，包括：

将正样本中提取的特征与所述语义字典中的视觉单词进行匹配，统计所述语义字典中的视觉单词在所述正样本中出现的频率，获得视觉单词直方图作为所述正样本对应的相似度量。

5.根据权利要求1所述的方法，其特征在于，所述采用深度学习算法对所述待探测船舶的多源遥感数据进行特征提取，包括：

从所述待探测船舶的遥感图像中提取船舶轨迹相关的局部特征；以及

将所述局部特征转换为描述船舶轨迹特征的视觉单词。

6.根据权利要求5所述的方法，其特征在于，所述将所述局部特征转换为描述船舶轨迹特征的视觉单词，包括：

对所述局部特征进行聚类，聚类后得到的各类别的聚类中心作为描述船舶轨迹特征的视觉单词。

7.根据权利要求1～6任一所述的方法，其特征在于，所述采用深度学习算法对所述待探测船舶的多源遥感数据进行特征提取之后，所述方法进一步包括：

对所述提取的特征进行特征池化处理。

8.如权利要求1～6任一所述的方法，其特征在于，在获取海上待探测船舶的多源遥感数据之后，该方法进一步包括：

对于多源遥感数据中的遥感影像进行预处理，包括

将遥感影像灰度化、调整为固定像素尺寸、以及转换为二维矩阵。

9.如权利要求1～6任一所述的方法，其特征在于，所述海上待探测船舶的多源遥感数据为包含所述海上待探测船舶的完整轨迹的连续多张遥感影像。