[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

说明书

本申请公开了海上船舶的行为状态识别方法、装置、设备及存储介质，该技术方案为：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，针对提取的特征进行分析以识别待探测船舶的行为状态。本发明能够建立海上船舶目标的语义字典，并用于对海上船舶目标的自动探测。

技术领域

本公开一般涉及遥感技术领域，具体涉及遥感图像处理技术领域，尤其涉及海上船舶的行为状态识别方法、装置、设备及存储介质。

背景技术

遥感图像是通过各种传感器所获信息的集合，是遥感探测目标的载体。遥感图像中包含大量的关于探测目标的有用信息。特别是海上船舶目标的遥感图像，其可以真实反应船舶目标的形状、几何结构和颜色等特征信息。

对于遥感图像进行语义研究是遥感图像处理领域的热点，为了缩小语义鸿沟以及应对复杂场景的图像识别问题，当前的研究一般是通过对图像的场景进行语义建模，来达到图像场景识别的目的。

现有的有关遥感图像处理的方法有如下几种：

冯卫东等人提出了一种基于空间语义模型的方法，用于高分辨率遥感图像复杂场景中典型地物目标的自动检测。

蒋叶金等人从互操作的概念出发，介绍了具有丰富语义信息的航迹模型，该模型不但可以表示航迹的位置、状态、属性等基本信息，还包含了这些信息的原始值和进行后续推理的证据，把丰富语义模型利用到数据链网关中，简化了数据链间航迹信息的共享，方便了战场态势信息发布。

虽然以上方法也用到了语义建模技术，但是目前还未发现有应用于海上船舶目标遥感图像的语义建模。

且目前已有的语义建模技术均是针对遥感图像中的静态的地物目标进行，对于海上船舶目标遥感图像来说，其中的船舶目标具有一定的运动轨迹和运动形态，因此目前尚未有将传统的语义建模技术应用于海上船舶目标遥感图像的技术方案。

发明内容

鉴于现有技术中的上述缺陷或不足，本发明实施例提供了海上船舶的行为状态识别方法、装置、设备及存储介质，能够建立海上船舶目标的语义字典，并用于对海上船舶目标的自动探测。。

第一方面，本发明提供了一种海上船舶的行为状态识别方法，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，针对提取的特征进行分析以识别待探测船舶的行为状态。

在第一方面的一个或多个实施例中，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。

在第一方面的一个或多个实施例中，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。

在第一方面的一个或多个实施例中，从多源遥感数据中构建船舶轨迹的训练样本，包括：从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，选取不包含指定目标轨迹的遥感影像作为负样本；以及针对正样本，标识指定目标轨迹的行为状态的类别作为语义属性。

在第一方面的一个或多个实施例中，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，视觉单词组成的视觉词包作为语义字典。