[发明专利]一种基于机器视觉与多源数据融合的海上船舶检测方法

说明书

本发明提供的一种基于机器视觉与多源数据融合的海上船舶检测方法，获取目标船舶的数据，并通过YOLOv5目标检测算法训练得到所需船舶的目标检测模型，训练时采用Pixels‑IoU函数来代替YOLOv5目标检测算法中原有的GIoU损失函数；通过所述目标检测模型得到目标船舶的数据，并用图像坐标表示，得到图像信息；获取AIS信息和雷达数据，将雷达数据转换为AIS下的同一坐标系，得到数据信息；根据所述图像信息和数据信息进行融合后对海上船舶进行检测，引入Pixels‑IoU函数代替原有的GIoU损失函数，使得回归损失更加精确、目标框回归更加稳定，有效的提高了船舶识别的准确率，并加入注意力机制层，提高船舶识别准确率。

技术领域

本发明涉及船舶检测技术领域，特别涉及一种基于机器视觉与多源数据融合的海上船舶检测方法。

背景技术

随着国家航海事业的飞速发展，航道上的航船不断增加，许多船舶不开船舶自动识别系统(AIS)或套牌AIS，对船舶日常航行造成许多困扰。监控、雷达和AIS，是船舶对周边环境感知的手段，提高船舶航行安全。

雷达在航海中能远距离感知，但它无法判断障碍物类型，并存在漏报和近处盲区等缺陷。监控内容直观，但只能近距离感知且不能获取目标信息。

目前船舶信息融合方法主要是雷达与AIS融合，但视觉感知是克服部分缺陷、提高感知精度的一个重要手段。在海上航行中，利用单源传感器进行环境感知，虽然每种传感器都有自己的优势，但是感知效果略显不足，海上环境非常复杂，尤其是遇到大雾、大雨等极端气候，感知效果会直线下降。

因此，需要一种基于机器视觉与多源数据融合的海上船舶检测方法，能够将目标检测、雷达及AIS进行有效融合，提高探测目标的准确度

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供一种基于机器视觉与多源数据融合的海上船舶检测方法，引入Pixels-IoU函数代替原有的GIoU损失函数，使得回归损失更加精确、目标框回归更加稳定，有效的提高了船舶识别的准确率，并加入注意力机制层，提高船舶识别准确率。

(二)技术方案

为了达到上述目的，本发明采用的技术方案为：

一种基于机器视觉与多源数据融合的海上船舶检测方法,包括步骤：

S1、获取目标船舶的数据，并通过YOLOv5目标检测算法训练得到所需船舶的目标检测模型，训练时采用Pixels-IoU函数来代替YOLOv5目标检测算法中原有的GIoU损失函数；

S2、通过所述目标检测模型得到目标船舶的数据，并用图像坐标表示，得到图像信息；

S3、获取AIS信息和雷达数据，将雷达数据转换为AIS下的同一坐标系，得到数据信息；

S4、根据所述图像信息和数据信息进行融合后对海上船舶进行检测。

(三)有益效果

本发明的有益效果在于：获取目标船舶的数据，并通过YOLOv5目标检测算法训练得到所需船舶的目标检测模型，训练时采用Pixels-IoU函数来代替YOLOv5目标检测算法中原有的GIoU损失函数；通过所述目标检测模型得到目标船舶的数据，并用图像坐标表示，得到图像信息；获取AIS信息和雷达数据，将雷达数据转换为AIS下的同一坐标系，得到数据信息；根据所述图像信息和数据信息进行融合后对海上船舶进行检测，引入Pixels-IoU函数代替原有的GIoU损失函数，使得回归损失更加精确、目标框回归更加稳定，有效的提高了船舶识别的准确率，并加入注意力机制层，提高船舶识别准确率。

附图说明

图1为本发明实施例的基于机器视觉与多源数据融合的海上船舶检测方法流程图；