[发明专利]一种港口泊船监测方法、系统及电子设备

权利要求书

1.一种港口泊船监测方法，其特征在于，包括：

步骤a：通过摄像装置采集港口泊船数据；

步骤b：构建基于“全卷积网络+区域目标网络分支”的神经网络模型；

步骤c：将所述港口泊船数据输入基于“全卷积网络+区域目标网络分支”的神经网络模型，所述基于“全卷积网络+区域目标网络分支”的神经网络模型根据所述港口泊船数据进行舰船对象区域分割以及舰船类型分类，并根据舰船对象区域分割结果和舰船类型分类结果计算港口泊船状态；

所述基于“全卷积网络+区域目标网络分支”的神经网络模型包括：具备残差网络结构的全卷积网络和区域目标网络分支，具备残差网络结构的全卷积网络用于提取港口泊船图像的港口泊船特征图，并输出1024个通道特征图；区域目标网络分支用于根据1024个通道特征图获取泊船区域中舰船对象的ROI特征图；

所述神经网络模型在层级上包括：输入层、全卷积网络、全卷积网络池化层、卷积层、全连接层、softmax层、区域目标网络池化层、max池化层和average池化层，其中，全卷积网络和全连接层为共享层，全卷积网络包括叠加5层的卷积层；全连接层分别连接到softmax层和max池化层，softmax层作为分割分支，通过对港口泊船特征集进行处理后输出舰船对象的区域分割结果；max池化层和average池化层作为分类分支，首先经过像素级别的max池化层处理，再对舰船类型进行活跃区域级别的average池化层处理，经过两层池化层处理之后，输出舰船类型分类结果；

其中，所述步骤a包括：通过摄像装置采集各个港口内所有泊船区域的港口泊船数据；根据设定的数据分割间隔时间分别将各个摄像装置采集的港口泊船数据分割成包含数据采集时刻的港口泊船区域图像；分别将各个摄像装置在同一数据采集时刻下的港口泊船区域图像合成为一张完整的港口泊船图像，得到港口泊船图像训练集；对港口泊船图像训练集中的训练样本进行数据预处理；

所述步骤b包括：将所述港口泊船图像输入基于“全卷积网络+区域目标网络分支”的神经网络模型，通过反向传播算法对所述基于“全卷积网络+区域目标网络分支”的神经网络模型进行训练；

所述步骤c包括：所述根据舰船对象区域分割结果和舰船类型分类结果计算港口泊船状态具体为：将舰船类型的数目N_class分为N_{class_big}和N_{class_small}，将各舰船类型的数量Num分为Num_big和Num_small，并设定港口泊船最大值时的参数阈值Y_max以及比较参数Y_yongse和Y_kongxian，根据Y_max阈值、参数Y_yongse和Y_kongxian计算港口泊船状态，所述港口泊船状态包括拥塞、正常和空闲：

Y_max＝W_{class_big}×Num_big+W_{class_small}×Num_small

Y_yongse＝Y_max×0.8

Y_kongxian＝Y_max×0.3

在上述公式中，W_{class_big}为大型舰船种类权重，W_{class_small}为中小型船只种类权重，Num_big为大型舰船数量，Num_small为中小型船只数量。

2.根据权利要求1所述的港口泊船监测方法，其特征在于，在所述步骤a中，所述通过摄像装置采集港口泊船数据还包括：所述摄像装置的数量为至少两个。

3.根据权利要求2所述的港口泊船监测方法，其特征在于，所述数据预处理包括：对所述港口泊船图像进行向下采样后，在所述港口泊船图像中标注舰船类型和舰船对象区域。