[发明专利]基于监控视频的船舶识别方法、系统、设备及存储介质

权利要求书

1.一种基于监控视频的船舶识别方法，其特征在于，所述方法包括：

收集船舶图像数据集，将船舶图像数据集中的船舶图像进行预处理，并标定船舶图像对应的船舶边界框、船舶类型；

利用所述预处理后的船舶图像与船舶边界框，以一定的选择概率进行同步切割与变形，构造训练集；

在所述预处理后的船舶图像中设置多个先验框，根据所述船舶边界框，找出与其匹配的先验框，将其作为用于训练的预测框；

利用所述训练集、所述船舶类型、所述预测框，输入到SSD300神经网络模型中进行参数训练，得到训练后的模型，模型的输出结果为图像中船舶位置的预测值及船舶类型的预测值；

输入待处理船舶图像到所述训练后的模型中，利用其输出的船舶位置的预测值及船舶类型的预测值，在图像中标出船舶的预测框与其类型，并显示标记后的图像。

2.如权利要求1所述的基于监控视频的船舶识别方法，其特征在于，所述将船舶图像数据集中的船舶图像进行预处理，并标定船舶图像对应的船舶边界框、船舶类型，具体为：

对所有船舶图像做尺寸与像素统一的处理；

若一张船舶图像中存在多个船舶边界框，即图像中存在多个船舶，则需将图像复制多份，按照一张船舶图像、一个船舶边界框、一个船舶类型对应整理为一组数据。

3.如权利要求1所述的基于监控视频的船舶识别方法，其特征在于，所述利用所述预处理后的船舶图像与船舶边界框，以一定的选择概率进行同步切割与变形，构造训练集，具体为：

以特定选择概率从所述船舶图像数据集中选择图像进行放大，无论放大与否，随机切割出图像局部，再以特定选择概率将切割后的图像左右翻转；

选择性地完成放大、切割与翻转等操作后，重新将完成上述操作的船舶图像缩放为统一的尺寸与像素。

4.如权利要求1所述的基于监控视频的船舶识别方法，其特征在于，所述在所述预处理后的船舶图像中设置多个先验框，根据所述船舶边界框，找出与其匹配的先验框，将其作为用于训练的预测框，具体为：

在所述预处理后的船舶图像中设置先验框的数量与尺寸；

上述设置的所有先验框与该船舶图像中的船舶边界框进行比较，计算每个先验框的面积与该船舶边界框的面积的交集与并集比值(IoU，Intersection over Union)；

设定阈值，IoU值大于阈值的先验框作为正样本，IoU值小于阈值的先验框作为负样本，阈值的数值设置应保证正样本与负样本的比例为1∶3；

将IoU大于阈值的先验框认定为与边界框匹配的框，若所有先验框的IoU都未超过阈值，则选取IoU最大的框，匹配的先验框作为用于训练的预测框。

5.如权利要求4所述的基于监控视频的船舶识别方法，其特征在于，所述利用所述训练集、所述船舶类型、所述预测框，输入到SSD300神经网络模型中进行参数训练，其损失函数具体为：

其中，c为船舶类型置信度预测值，l为预测框，g为训练集中的船舶边界框，L_conf(x，c)为判断船舶类型精确度的置信度损失，L_loc(x，l，g)为判断预测框位置精确度的位置损失，N为与船舶边界框匹配的预测框数量，α为调整置信度损失与位置损失比例的参数，默认α＝1；

置信度损失是船舶类型的预测值与船舶类型的真实值之间的Softmax损失，所述的正样本与负样本的损失都需要计算，具体方法如下：

其中，Pos为所述正样本，Neg为所述负样本，而代表第i个预测框匹配到了第j个船舶类型为p的船舶边界框；

位置损失是预测框与船舶边界框的中心坐标及宽高比的L1损失，仅计算正样本的损失，具体方法如下：

其中，cx为框中心的x坐标，cy为框中心的y坐标，w为框宽度，h为框高度。