[发明专利]船脸特征数据库的建立方法、系统、设备及存储介质在审

专利信息
申请号: 202111248755.X 申请日: 2021-10-26
公开(公告)号: CN113987251A 公开(公告)日: 2022-01-28
发明(设计)人: 周春辉;王文龙;曾菲儿;刘广亚;肖长诗;文元桥;张帆 申请(专利权)人: 武汉理工大学
主分类号: G06F16/583 分类号: G06F16/583;G06F16/51;G06V20/54
代理公司: 武汉智嘉联合知识产权代理事务所(普通合伙) 42231 代理人: 黄君军
地址: 430070 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 特征 数据库 建立 方法 系统 设备 存储 介质
【说明书】:

本申请涉及一种船脸特征数据库的建立方法、系统、设备及存储介质,其方法包括在不同预设区域采集不同预设条件下的船舶图像;提取出不同预设条件下的船舶图像对应的预设维度特征信息;获取船舶的AIS信息,将获取的AIS信息与采集的船舶图像进行匹配,得到所述船舶图像对应的身份识别标签;将不同预设条件下的船舶图像、预设维度特征信息及身份识别标签对应存储在数据库中,生成船脸特征数据库,以使对内河水域船舶进行重识别时利用所述船脸特征数据库来进行检索匹配。本申请提供了信息丰富的船舶图像样本。

技术领域

本申请涉及船舶识别技术领域,尤其是涉及一种船脸特征数据库的建立方法、系统、设备及存储介质。

背景技术

内河航运海事监管是保证内河航行船舶安全通航的重要保障,也是实行长江禁渔、船舶违法行为检测的重要手段。目前内河水运监管手段主要是通过船舶AIS信息对船舶进行定位、追踪。但是长江航行部分船舶没有安装AIS设备,或者在进行违法行为时将AIS设备关闭,导致海事监管部门不能实现对内河航行船舶的有效监管。随着计算机视觉的发展以及各种神经网络带来的识别性能提升,船舶重识别技术能够实现船舶的跨镜识别、追踪。即使违法船舶关闭了船舶的AIS信息的,依然可以通过视觉图像,经过船舶重识别网络识别船舶。

然而,目前由于内河水域的船舶图像较少,基于小样本的重识别会使重识别技术的实现比较困难,已成为制约船舶重识别的发展的主要原因之一。因此,为了能使船舶重识别技术更好的应用到内河水域,急需建立一个图像丰富的内河水域的船脸特征数据库。

发明内容

有鉴于此,本申请提供一种船脸特征数据库的建立方法、系统、设备及存储介质,用以解决内河水域的船舶图像样本较少的技术问题。

为了解决上述问题,第一方面,本申请提供一种船脸特征数据库的建立方法,所述方法包括:

在不同预设区域采集不同预设条件下的船舶图像;

提取出不同预设条件下的船舶图像对应的预设维度特征信息;

获取船舶的AIS信息,将获取的AIS信息与采集的船舶图像进行匹配,得到所述船舶图像对应的身份识别标签;

将不同预设条件下的船舶图像、预设维度特征信息及身份识别标签对应存储在数据库中,生成船脸特征数据库,以使对内河水域船舶进行重识别时利用所述船脸特征数据库来进行检索匹配。

可选的,所述预设区域包括内河桥区水域、内河弯道水域和/或沿海港口进出港航道区域;所述预设条件包括船舶距相机的不同尺度、不同光照环境、不同角度和/或不同时段。

可选的,所述在不同预设区域采集不同预设条件下的船舶图像,包括:

在内河桥区水域采集船舶图像时,利用预先在桥基及岸基上安装的相机阵列采集内河桥区水域范围内的船舶图像,其中,所述相机阵列由可见光相机与红外相机组成,在桥基上每隔预设距离安装有所述相机阵列,在岸基上将若干所述相机阵列集成安装,形成多角度相机阵列。

可选的,所述提取出不同预设条件下的船舶图像对应的预设维度特征信息包括:

基于预设目标检测算法提取出船舶图像的前景图像;

利用预先训练好的船首船尾识别模型对所述前景图像进行识别,提取出所述前景图像中的船首图片及船尾图片,将所述船首图片及船尾图片作为船舶图像对应的预设维度特征信息;其中,所述船首船尾识别模型为预先通过对预设数量的船首样本图像及船尾样本图像进行标注并训练得到的神经网络模型。

可选的,所述提取出不同预设条件下的船舶图像对应的预设维度特征信息包括:

利用全卷积神经网络对所述前景图像进行识别生成文本特征图,利用分割框根据文本特征图的形状提取出所述前景图像中的文字区域图,将所述文字区域图作为船舶图像对应的预设维度特征信息;和/或,

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111248755.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top