[发明专利]一种基于卷积神经网络从近岸海浪视频中检测浪高的方法

权利要求书

1.一种基于卷积神经网络从近岸海浪视频中检测浪高的方法，其特征在于，所述基于卷积神经网络从近岸海浪视频中检测浪高的方法包括：

通过海浪视频预处理，从中抽取图像帧和计算帧间差分，组成包含浪高静态和动态信息的三通道图像；

构建对海浪浪高进行检测的多层感知卷积神经网络模型；

基于经视频预处理后的图像集构建训练数据集，对构建的网络模型进行不同浪高检测的训练；

利用训练好的模型较高精度的检测近岸浪的即时海浪高度值；

所述基于卷积神经网络从近岸海浪视频中检测浪高的方法具体包括：

步骤一，海浪视频预处理，减少视频中的冗余信息，获取包含海浪静态和动态信息的海浪图像；

步骤二，结合多层感知卷积神经网络，构建近岸海浪图像的浪高检测网络结构模型；

步骤三，根据视频预处理后的海浪图像构建数据集，对步骤二所构建的浪高检测网络模型进行训练和测试，获得最佳模型参数；

步骤四，利用训练好的模型较高精度的检测近岸浪的实时海浪高度值；

近岸海浪视频预处理具体包括：

(1)获取近岸视频，对视频每隔t秒分段；

(2)对每一小段视频，保留第一帧图像I₀，表征海浪静态特性；基于帧间差分分别计算第I₀帧与后一帧I₁及第t帧I_t的S₀＝|I₀-I₁|和S₁＝|I₀-I_t|，表征海浪的相对短期和长期动态特性；

(3)由I₀,S₀,S₁构成三个通道的海浪图像；

近岸海浪浪高值高精度检测的多层感知卷积神经网络模型包括：

基于NIN网络结构构建深度学习模型；NIN的整体结构是由多个多层感知卷积层和一个全连接层组成，每个多层感知卷积层由多层感知机的微网络结构对每个局部感受野的卷积运算，在正常的卷积层上实施级联跨通道加权池化，抽象出局部特征；通过全连接层输出的特征向量最后输入分类或预测模型计算分类或预测结果。

2.如权利要求1所述基于卷积神经网络从近岸海浪视频中检测浪高的方法，其特征在于，近岸海浪图像的多层感知卷积神经网络结构模型训练方法具体包括：

(1)从三通道的海浪图像中随机截取一定大小m×m的海浪区域图像，通过拉伸和旋转方式对图像数据进行数据扩充；

(2)同时制作多组不同分辨率的图像数据，以视频拍摄地点的实测有效浪高作为标签，形成海浪数据集，并按照比例分为训练集和测试集；

(3)分别以不同分辨率数据集作为输入，利用其训练集对近岸海浪检测模型进行训练，其测试集对模型进行测试分析，获取最佳数据集尺寸及最佳网络参数。

3.一种实施权利要求1所述基于卷积神经网络从近岸海浪视频中检测浪高的方法的近岸海洋环境监测系统。