[发明专利]一种基于深度学习算法的船舶水尺图像自动读数方法

摘要

本发明提出一种基于深度学习算法的船舶水尺图像自动读数方法。该方法利用深度学习算法对船舶水尺图像中的数字进行识别定位，得出数字数值和在图像中的边框坐标，并对数字边框坐标进行修正；利用数字在图像中排列的规律和人眼读数原理，设计了一种基于人眼读数原理的数字组合算法；利用船体，水体图像颜色信息设计了一种识别不同船体颜色背景下水线的方法，该方法可根据不同背景选择不同的识别方法，保证水线识别的准确性和快速性；根据每行倾斜的数的位置坐标和水线的位置坐标，设计了一种长度基准和倾斜数字矫正算法，计算出水线与数字的实际像素距离，求出水线与数字像素距离占实际长度基准的百分比，得到船舶水尺图像的读数。

主权项

1.一种基于深度学习算法的船舶水尺图像自动读数方法，其特征在于,包括以下步骤：步骤1、数字识别定位和位置矫正：对采集到的水尺视频取帧，对单帧水尺图像利用FasterRCNN算法对图像中的数字进行识别得到数字数值和数字的矩形边框的四个顶点坐标，对数字矩形边框设计了精确数字外边框算法得到精确数字边框四个顶点坐标；步骤2、组合同一行数字：根据步骤1中得到的船舶水尺图中所有数字数值和其边框坐标，设计基于人眼读数原理的组合数字算法组合同一行数字，并联系上下行的整米数，使同一行的单独的数字组合成一个拥有整米和分米的数；步骤3、不同船体颜色背景下水线识别：对单帧水尺图像判断水尺图像光照情况和船体背景颜色，若是红色或黑色船体情况则选择快速水线识别方法，采用RGB三通道像素前向差分得到水线坐标信息，其他情况采用FasterRCNN算法对图像中的水线识别得到水线坐标；步骤4、长度基准计算：利用步骤2中得到的船舶水尺图中每行数字数值和其边框坐标求出水线相邻行数字像素间距相对于实际长度的基准；步骤5、倾斜数字与水线间距修正：计算水线到数字的间距与相邻两个数字间距的比例，若数字是倾斜排列，修正数字与水线间距后得到水线到数字的间距与相邻两个数字间距的比例；步骤6、计算水尺读数：利用步骤5得到的水线到数字的间距与相邻两个数字间距的比例和步骤4得到的长度基准得到水线到相邻数字的长度，再利用步骤2得到的水线上最近行的数，计算出单帧图像水尺读数，重复计算视频剩余帧图像读数，计算所有帧图像水尺读数平均值即为该视频水尺读数。