[发明专利]一种基于改进VGG网络船闸船舶避撞方法、系统、装置及存储介质

权利要求书

1.一种基于改进VGG网络船闸船舶避撞方法，其特征在于，包括：

通过畸形矫正后的监控镜头获取禁停区和船闸处的监控视频，并从监控视频中提取分帧图像；

在分帧图像上靠近船闸处划定ROI区域，并将ROI区域剪裁为敏感区域图像，并对敏感区域图像进行预处理；

基于预处理后的敏感区域图像根据预构建的背景船舶区分模型和船闸开闭区分模型进行检测；

根据每帧敏感区域图的检测结果进行预警；

其中，背景船舶区分模型和船闸开闭区分模型的构建包括：

根据光线和船舶的有无对预处理后的敏感区域图像进行标记构建数据集；

基于数据集通过VGG网络构建背景船舶区分模型和船闸开闭区分模型。

2.根据权利要求1所述的一种基于改进VGG网络船闸船舶避撞方法，其特征在于，所述根据光线和船舶的有无对敏感区域图像进行标记包括：

对禁停区的敏感区域图像标记为有船类和无船类，所述有船类包括白天有船体和夜晚有船体，所述无船类包括白天无船体和夜晚无船体；

对船闸处的敏感区域图像标记为船闸打开类和船闸未打开类，所述船闸打开类包括白天船闸打开和夜晚船闸打开，所述船闸未打开类包括白天船闸关闭、夜晚船闸关闭、白天船闸半开半闭和夜晚船闸半开半闭。

3.根据权利要求2所述的一种基于改进VGG网络船闸船舶避撞方法，其特征在于，所述构建背景船舶区分模型包括：

将数据集中禁停区的敏感区域图像作为样本输入改进VGG网络进行正向传播提取特征；

利用softmax函数对提取的特征进行分类，基于分类结果区分敏感区域图像为有船类或无船类；

基于敏感区域图像的区分类和实际类通过交叉熵代价函数计算误差值；

基于误差值进行反向传播更新VGG网络的参数；

将更新参数后的VGG网络带入上述步骤进行迭代，直至收敛或到达预设迭代次数，得到背景船舶区分模型。

4.根据权利要求2所述的一种基于改进VGG网络船闸船舶避撞方法，其特征在于，所述构建船闸开闭区分模型包括：

将数据集中船闸处的敏感区域图像作为样本输入改进VGG网络进行正向传播提取特征；

利用softmax函数对提取的特征进行分类，基于分类结果区分敏感区域图像为船闸打开类和船闸未打开类；

基于敏感区域图像的区分类和实际类通过交叉熵代价函数计算误差值；

基于误差值进行反向传播更新VGG网络的参数；

将更新参数后的VGG网络带入上述步骤进行迭代，直至收敛或到达预设迭代次数，得到船闸开闭区分模型。

5.根据权利要求3或4所述的一种基于改进VGG网络船闸船舶避撞方法，其特征在于，所述VGG网络的初始化包括：设置VGG网络的初始学习率为0.0001，预设迭代次数为100，且所述学习率每迭代30次递减为原来值的10％。

6.根据权利要求3或4所述的一种基于改进VGG网络船闸船舶避撞方法，其特征在于，所述VGG网络包括卷积层、池化层、激活函数以及全连接层；所述样本输入改进VGG网络进行正向传播提取特征包括：

通过卷积层中卷积核以预设步长遍历样本数据获取特征映射；

通过池化层对特征映射进行下采样实现样本数据降维，采用最大池化；

通过Relu激活函数对降维后的样本数据进行非线性映射，输出隐藏特征空间；

通过全连接层将卷积运算、池化运算和激活函数输出的隐层特征空间映射到样本标记空间，形成特征的一维向量。

7.根据权利要求6所述的一种基于改进VGG网络船闸船舶避撞方法，其特征在于，在卷积层后引入批归一化操作对特征映射进行处理，并将处理输出作为池化层的输入，所述池化层采用窗口尺寸为3×3；

所述批归一化操作：

其中，y_i为批归一化操作的第i个批处理的输出值，x_i为批归一化操作的第i个批处理的输入值，m为批处理的次数，γ和β为VGG网络的参数，β为预设的超参数。