[发明专利]基于多标签学习的船舶污染监测方法及系统及装置及介质

权利要求书

1.基于多标签学习的船舶污染监测方法，其特征在于，所述方法包括：

实时采集预设监控区域的监控图像；

将监控图像输入目标检测网络，检测监控图像中是否有预设目标，若有则得到预设目标在监控图像中所在的区域A；

按照预设比例扩大区域A，得到目标区域B并标注，得到标注后的监控图像；

将标注后的监控图像输入多标签学习网络，利用目标区域B训练多标签学习网络，得到用于多标签识别的多标签学习网络；

将待识别的监控图像输入目标检测网络，得到目标区域并标注，得到标注后的监控图像；

将标注后的监控图像输入多标签学习网络，得到船舶类型及船舶是否排放废气。

2.根据权利要求1所述的基于多标签学习的船舶污染监测方法，其特征在于，预设监控区域为河流、湖泊和海面中的一种或几种，预设目标为船舶。

3.根据权利要求2所述的基于多标签学习的船舶污染监测方法，其特征在于，船舶的类型包括：游艇、游船和货轮。

4.根据权利要求1所述的基于多标签学习的船舶污染监测方法，其特征在于，当检测到监控图像中有预设目标时，获得预设目标在监控图像中所在的区域A(x,y,w,h)，(x,y)表示区域A中心点坐标，(w,h)分别表示区域A的宽和高；(w,h)按照一定的百分比α向中心点外扩大，得到区域B(x,y,αw,αh)。

5.根据权利要求2所述的基于多标签学习的船舶污染监测方法，其特征在于，多标签学习网络的浅层使用预设卷积结构；标签学习网络深层分裂出两个全连接的分支A和B，A表示船舶是否排放废气，B表示船舶的类型。

6.根据权利要求1所述的基于多标签学习的船舶污染监测方法，其特征在于，目标检测网络包括但不限于SSD目标检测网络和Yolo目标检测网络。

7.根据权利要求1所述的基于多标签学习的船舶污染监测方法，其特征在于，多标签学习网络在卷积的过程中引入空间自注意力机制和时间自注意力机制。

8.基于多标签学习的船舶污染监测系统，其特征在于，所述系统包括：

采集单元，用于实时采集预设监控区域的监控图像；

目标检测单元，将监控图像输入目标检测网络，检测监控图像中是否有预设目标，若有则得到预设目标在监控图像中所在的区域A；

目标区域扩大单元，用于按照预设比例扩大区域A，得到目标区域B并标注，得到标注后的监控图像；

训练单元，用于将标注后的监控图像输入多标签学习网络，利用目标区域B训练多标签学习网络，得到用于多标签识别的多标签学习网络；

目标检测网络，待识别的监控图像输入目标检测网络，得到目标区域并标注，得到标注后的监控图像；标注后的监控图像输入多标签学习网络，得到船舶类型及船舶是否排放废气。

9.基于多标签学习的船舶污染监测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7中任意一个所述基于多标签学习的船舶污染监测方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任意一个所述基于多标签学习的船舶污染监测方法的步骤。