[发明专利]一种非受控场景视频中的船舶水尺智能识别方法

摘要

一种非受控场景视频中的船舶水尺智能识别方法，先取视频中的一帧，使用一个深度神经网络模型检测单帧的水尺刻度位置，用数字图像处理技术处理得到各字符刻度的上下边缘。根据水尺刻度位置信息，截取近水端图像，并用深度神经网络模型对图像进行分割得到语义分割图像。再用语义分割图像来提取参考水位线，再通过前面得到的字符位置信息和水位线信息计算单帧吃水值。对视频的每一帧用相同方式处理得到吃水值序列，根据得到的吃水值序列计算最终的吃水值。本发明用一个深度神经网络模型精确的检测各刻度位置以及语义分割图像，根据语义分割图像提取水和船舶的分界线，从而计算参考水位线。根据精确的刻度信息和水位线信息，能够准确的计算出吃水值。

主权项

1.一种非受控场景视频中的船舶水尺智能识别方法，其特征在于，所述方法包括如下步骤：1)、采集待测量的船舶水尺视频，对于视频每一帧图像做以下处理；2)、将帧图像传入训练过的深度神经网络模型，得到2、4、6、8、M水尺刻度的检测框；3)、根据2)中得到的检测框截取2、4、6、8、M的图像；4)、将3)中得到的刻度图像进行分类，得到对应的标签；5)、将3)中得到的刻度用OTSU算法进行二值化，选取面积最大的区域，记录上边缘和下边缘；6)、对于3)中出现的M，截取左侧部分区域，用5)中得到的阈值对图像进行二值化，然后框选处每个连通区域并输入到分类网络进行分类，得到每个M刻度左侧的数值；7)、根据2)中得到的检测框截取刻度近水端的局部图像，通过线性插值的方式将图像放大；8)、将7)中的得到的图像输入到深度神经网络模型中进行分割，得到语义分割图像；9)、用8)中得到的分割图计算得到边缘的像素点集合，根据边缘的像素点集合提取参考水位线；10)、根据水尺刻度的结构关系，计算各刻度的上边缘和下边缘对应的实际吃水值读数；11)、根据10)中得到的各刻度的上边缘和下边缘对应的水位线读数以及上边缘和下边缘到水位线的距离，使用最小二乘法拟合二次曲线y＝ax²+bx+c，其中x为刻度的上边缘或下边缘到水位线的距离，y为刻度的上边缘或下边缘的水尺读数；12)、根据11)中拟合得到的模型，令x＝0，得到当前帧的吃水值；13)、视频的每一帧经过2)～12)，得到吃水值序列{w₁，w₂，w₃，...，w_n}，其中n是视频的帧数；14)、利用13)得到的读数序列{w₁，w₂，w₃，...，w_n}，在时间上进行积分，然后获得最终的视频读数Result；