[发明专利]一种基于深度学习的船舶烟雾排放在线检测和追踪方法

权利要求书

1.一种基于深度学习的船舶烟雾排放在线检测和追踪方法，其特征在于，包括以下步骤：

步骤1：采集两个不同区域的船舶烟雾视频数据，作为训练检测模型标准数据集和追踪模型的标准数据集；

步骤2：分别构建检测网络和追踪网络，设置相关超参数，包括学习率、批次样本数、训练迭代次数；

步骤3：将训练检测模型标准数据集和追踪模型的标准数据集分别导入检测网络和追踪网络进行训练，训练完成后得到检测模型和追踪模型；

步骤4：输入一个视频片段或在线视频流到检测模型中，当检测到在某一帧中的某个坐标区域中存在烟雾时，停止检测过程并以此坐标信息和首次检测到烟雾的帧设定为输入到追踪模型进行追踪过程的初始位置信息和模板图像，并根据此位置对后续帧的烟雾进行追踪；

步骤5：保存追踪过程中输出的烟雾坐标信息，并使用矩形标注追踪序列中每一帧中的烟雾位置。

2.根据权利要求1所述的基于深度学习的船舶烟雾排放在线检测和追踪方法，其特征在于：步骤2中，使用TensorFlow分别构建检测网络和追踪网络。

3.根据权利要求1所述的基于深度学习的船舶烟雾排放在线检测和追踪方法，其特征在于：步骤3中所述将训练检测模型标准数据集导入检测网络进行训练，训练完成后得到检测模型，具体实现包括以下子步骤：

步骤3A.1：构建基于YOLO3的初始烟雾位置检测网络模型；

步骤3A.2：设计模型训练策略，设置学习率的初始值为1e-4，批次样本数为16，训练迭代次数为100；

步骤3A.3：加载训练模型进行微调训练；加载在COCO数据集上训练的YOLO3的权值参数以进行模型初始化，并根据步骤3A.2中的训练策略开始进行训练，训练完成后保存模型的权值参数。

4.根据权利要求1所述的基于深度学习的船舶烟雾排放在线检测和追踪方法，其特征在于：步骤3中所述将训练追踪模型的标准数据集导入追踪网络进行训练，训练完成后得到追踪模型，具体实现包括以下子步骤：

步骤3B.1：构建基于全卷积孪生网络的烟雾追踪网络模型；

步骤3B.2：设置追踪网络模型的训练超参数，设置学习率的初始值为1e-2，批次样本数为32，训练迭代次数为50；

步骤3B.3：根据步骤3B.2中的超参数设置，完成迭代训练并保存模型的权值参数。

5.根据权利要求1-4任意一项所述的基于深度学习的船舶烟雾排放在线检测和追踪方法，其特征在于：步骤4中，为了降低误检的可能性，采用统计连续检测到烟雾的帧数的方法，并将统计数据与预先设定的阈值进行比较，如果大于该阈值，那么以最后一次检测到的烟雾位置作为烟雾初始位置信息，否则继续进行后续帧的检测。