[发明专利]一种基于Faster RCNN的船只检测方法、装置及电子设备

说明书

本发明涉及智能识别技术领域，具体涉及一种基于Faster RCNN的船只检测方法、装置及电子设备。包括：获取多张船只图片，构成船只数据集；对船只数据集进行预处理，并对船只数据进行标注，输出标注结果；把第一船只数据输入预设训练模型中进行训练，以获得检测模型；通过把第二船只数据输入检测模型中，输出船只检测结果。利用Faster RCNN网络搭建训练模型，并对船只数据进行检测；在往训练好的检测模型中输入视频影像拆解的数据画面，并对画面中的存在的船只进行识别和定位，通过深度学习的方法以实现智能化检测，从而提高船只检测效率，并且减少漏检概率。

技术领域

本发明涉及智能识别技术领域，具体涉及一种基于Faster RCNN的船只检测方法、装置及电子设备。

背景技术

在现代社会中，船只检查是保障海防安全，维护港口治安秩序，及时发现偷渡、走私等违法犯罪，纠正违章行为的重要措施。

而船检的主要对象为个体船和外来船，无名无号的船，有搭客现象或不抛锚的船，有可疑迹象的船，不符合气候、潮汐规律行驶的船，违规及夜间进港的船等。

在现有技术中，主要是采取白天检查和夜间检查相结合，重点检查与一般检查相结合，例如：边防派出所或边防工作站要坚持每天对停港船舶进行观察；在繁忙的港口要实施定期或不定期船检，遇敌情通报或重大情况要随时组织检查；重大节日或鱼汛期间要有计划开展集中检查。然而采取的人工观测的方式对行驶船只进行检测不仅大量耗费人力且检测效率不高，还存在漏检的可能。

发明内容

有鉴于此，本发明实施例提供了一种船只检测方法、装置及电子设备，以解决利用人工对船只进行检测时存在的检测效率不高，并存在漏检的问题。

根据第一方面，本发明实施例提供了一种基于Faster RCNN的船只检测方法，包括：获取多张船只图片，构成船只数据集；对所述船只数据集进行预处理，并对船只数据进行标注，输出标注结果；其中，所述标注结果包括：第一船只数据和第二船只数据；把所述第一船只数据输入预设训练模型中进行训练，以获得检测模型；通过把所述第二船只数据输入所述检测模型中，输出船只检测结果；其中，所述船只检测结果包括：所检测的船只类型数据和船只位置数据。

利用Faster RCNN网络搭建训练模型，并对船只数据进行检测；在往训练好的检测模型中输入视频影像拆解的数据画面，并对画面中的存在的船只进行识别和定位，通过深度学习的方法以实现智能化检测，从而提高船只检测效率，并且减少漏检概率。

结合第一方面，在第一方面第一实施方式中，船只数据集包括采集沿海区域的监控视频数据帧保存为图片格式的图片集合，其中，图片集合包括不同大小和形状的船只。

结合第一方面，在第一方面第二实施方式中，船只数据集进行预处理，包括：对所述船只数据集进行图像灰度化、图像降噪和图像变换。

通过对船只数据进行预处理，以突出图像的特征，便于后续进行特征提取。

结合第一方面，在第一方面第三实施方式中，第一船只数据输入预设训练模型中进行训练，以获得检测模型，包括：采用Faster RCNN网络模型，并在训练过程对学习率和最大迭代次数进行设置。

通过调整学习率和最大迭代次数，进而能够调整训练模型的准确度，因此通过使用最大迭代次数保证所训练出的模型的识别精度。

结合第一方面，在第一方面第四实施方式中，Faster RCNN网络模型包括：

将所述第一船只数据输入CNN网络，以获得船只特征信息；

在将船只特征信息输入RPN网络，以获得候选框的特征信息；

利用分类器对所述候选框的特征信息进行判断分类，输出分类结果。