[发明专利]一种利用3D卷积神经网络分析渔船作业状态的方法

权利要求书

1.一种利用3D卷积神经网络分析渔船作业状态的方法，其特征在于，包括以下步骤：

(1)通过摄像设备采集渔船上多个不同方位的视频数据；

(2)将获取的多个视频数据放入训练好的由3D卷积神经网络构成的识别模型中进行识别，得到多个渔船的作业状态；

(3)将不同方位相同帧段的视频数据识别出多个渔船的作业状态进行分析对比，当出现不同方位相同帧段的视频数据识别出的渔船的作业状态不一致时，按照占比进行决策；当识别出的多个渔船的作业状态一致时，直接输出结果。

2.根据权利要求1所述的利用3D卷积神经网络分析渔船作业状态的方法，其特征在于，所述步骤(1)中共设置四个摄像设备，包括第一摄像头、第二摄像头、第三摄像头和第四摄像头，所述第一摄像头和第二摄像头分别安装在驾驶舱左右两侧，朝船首方向拍摄，用于采集工作区的视频数据；所述第三摄像头安装在船首铁杆上，朝向船尾方向拍摄，用于采集所述第一摄像头和第二摄像头的死角区域的视频数据；所述第四摄像头安装在船尾铁杆上，朝向船尾方向拍摄，用于采集船舶安全状态的视频数据。

3.根据权利要求1所述的利用3D卷积神经网络分析渔船作业状态的方法，其特征在于，所述步骤(1)和步骤(2)之间还包括对所述视频数据进行预处理的步骤，在进行预处理时，先将所述视频数据的分辨率降低至所述识别模型输入的需求，然后将降低分辨率的视频数据分割为每段100帧的视频段。

4.根据权利要求1所述的利用3D卷积神经网络分析渔船作业状态的方法，其特征在于，所述3D卷积神经网络在2D神经网络的基础上加入时间维度，并使用同一个卷积核进行九次卷积实现降采样，每次卷积操作后使用Relu激活函数激活及批量标准化处理加快速率，最后经过全连接层，连接到船舶的多种不同状态。

5.根据权利要求1所述的利用3D卷积神经网络分析渔船作业状态的方法，其特征在于，所述识别模型在训练时每条视频数据包括3个部分，第一部分为视频文件的相对路径，第二部分为帧数范围，包括起始帧数与结束帧数，第三部分为渔船状态。

6.根据权利要求1所述的利用3D卷积神经网络分析渔船作业状态的方法，其特征在于，所述步骤(3)中的按照占比进行决策具体为：当识别出的多个渔船的作业状态出现某个结果占比大于百分之五十时，将该结果判定为渔船作业状态；当识别出的多个渔船的作业状态出现某个结果占比等于百分之五十时，如果其余结果不相同时，将该结果判定为渔船作业状态，如果其余结果相同时，将所检测帧段作废；当识别出的多个渔船的作业状态出现检测结果互不相同时，将所检测帧段作废。