CN112257811B - 一种船只分类方法、装置、电子设备及存储介质 - Google Patents
一种船只分类方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112257811B CN112257811B CN202011255640.9A CN202011255640A CN112257811B CN 112257811 B CN112257811 B CN 112257811B CN 202011255640 A CN202011255640 A CN 202011255640A CN 112257811 B CN112257811 B CN 112257811B
- Authority
- CN
- China
- Prior art keywords
- ship
- target
- vessel
- determining
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种船只分类方法、装置、电子设备及存储介质。该方法包括:获取抓取到的船只影像;从所述船只影像确定目标船只所在的目标区域,并提取所述目标区域的船只特征;获取所述目标船只的行驶特征;据所述船只特征和所述行驶特征来确定所述目标船只的船只类型。通过实施该方法,能够对商船和舰船的类型精准的识别,实现船只准确分类。
Description
技术领域
本发明涉及形状识别领域,具体涉及一种船只分类方法、装置、电子设备及存储介质。
背景技术
为了保证船只在海上行驶的安全,常常需要对船只进行识别,将船只进行分类,其中船只可以分为舰船和商船,判断船只是否具有危害性,然后根据不同船只的分类作出不同程度的预警措施,以保证船只能够安全的在海上行驶。
目前对于船只的分类主要是根据船只的特征来分类,由于船只特征会出现相似,单一根据船只的特征进行分类容易出现误差,会导致预警措施准备不充分,不能保证船只在海上行驶的安全。
因此如何准确地对船只进行分类仍然是一个亟待解决的问题。
发明内容
有鉴于此,本发明实施例提供了一种船只分类方法、装置、电子设备及存储介质,以解决现有技术中船只分类准确率低的技术问题。
根据第一方面,本发明实施例提供了一种船只分类方法,包括如下步骤:获取抓取到的船只影像;从所述船只影像中确定目标船只所在的目标区域,并提取所述目标区域的船只特征;获取所述目标船只的行驶特征;根据所述船只特征和所述行驶特征来确定所述目标船只的船只类型。
本发明实施例提供的一种船只分类方法,基于获取的船只影像,首先对船只影像中船只所在的目标区域进行锁定,然后对船只进行特征提取,能够准确的船只特征进行提取,保证船只身份类型能够准确的识别,其次结合对船只行驶特征的获取,能够进一步地判断船只的类型,提高了船只分类的准确性。
结合第一方面,在第一方面第一实施例中,所述行驶特征包括行驶速度,所述根据所述船只特征和所述行驶特征来确定所述目标船只的船只类型,包括:判断所述行驶速度是否超过预设阈值,并判断所述船只特征是否符合舰船的特征;当所述行驶速度超过所述预设阈值,并且所述船只特征符合所述舰船的特征时,则确定所述目标船只的类型为舰船。
本发明实施例提供了一种船只分类方法,基于商船和舰船的行驶速度不同,对船只行驶特征即船只行驶速度设定了预设阈值,所述预设阈值可以是商船和舰船行驶速度的分界速度,例如,日常生活中,因为商船行驶比较平稳,主要是为了安全稳定,而舰船主要是为了军用,对行驶速度具有比较高的要求,正常商船行驶速度都会较于舰船的行驶速度慢,因此可以将商船行驶速度最大值作为行驶速度预设阈值,当目标船只的行驶速度超过预设阈值时,可以初步确定该目标船只类型为舰船。本发明实施例对预设阈值不做特别规定,可以根据需要确定。
结合第一方面第一实施例,在第一方面第二实施例中,所述行驶特征包括行驶速度,所述根据所述船只特征和所述行驶特征来确定所述目标船只的船只类型,包括:当所述行驶速度不超过所述预设阈值时,判断所述船只特征是否符合商船的特征;当判断所述船只特征符合商船的特征时,则确定所述目标船只的类型为商船。
本发明实施例提供了一种船只分类方法,基于商船和舰船的行驶速度不同,对船只行驶特征即船只行驶速度设定了预设阈值,所述预设阈值可以是商船和舰船行驶速度的分界速度,例如,日常生活中,因为商船行驶比较平稳,主要是为了安全稳定,而舰船主要是为了军用,对行驶速度具有比较高的要求,正常商船行驶速度都会较于舰船的行驶速度慢,因此可以将商船行驶速度最大值作为行驶速度预设阈值,当目标船只的行驶速度未超过预设阈值时,可以初步确定该目标船只类型为商船。本发明实施例对预设阈值不做特别规定,可以根据需要确定。
结合第一方面第一实施例,在第一方面第三实施例中,所述判断所述船只特征是否符合舰船的特征,包括:判断所述目标船只的船头和船尾是否是平坦区域;判断所述目标船只的中间部分是否包括烟筒;当所述目标船只的船头和船尾均为平坦区域,并且中间部分包括烟筒结构,则确定所述船只特征符合舰船的特征。
本发明实施例提供了一种船只分类方法,因为舰船主要建筑物集中分布在船体中间部分,因此中间部分会有许多突出部分,而船头和船尾则因为没有特别的建筑物,因此船头和船尾比较平坦,当目标船只的船头和船尾均为平坦区域,并且中间部分包括烟筒结构,则确定所述船只特征符合舰船的特征。根据船只具体明显的船只特征信息,对船只类型进行判断,可以更准确地对船只进行分类。本发明实施例对于中间部分的建筑物只是做了一个列举,具体的船只特征并不仅限于此,可以根据具体情况确定,例如中间建筑物还包括船楼、设备。
结合第一方面第二实施例,在第一方面第四实施例中,所述判断所述船只特征是否符合商船的特征,包括:判断所述目标船只的中间部分是否为平坦区域;判断所述目标船只的船头是否包括桅杆结构;当所述目标船只的中间部分为平坦区域,并且船头包括桅杆结构,则确定所述船只特征符合商船的特征。
本发明实施例提供了一种船只分类方法,因为商船主要特征物集中分布在船体船头和船尾部分,中间部分主要是大型的船舱,因此会比较平坦,而船楼一般位于船尾,桅杆一般位于船头,因此船头和船尾比较突出,具有明显的特征,当所述目标船只的中间部分为平坦区域,并且船头包括桅杆结构,则确定所述船只特征符合商船的特征。根据船只具体明显的船只特征信息,对船只类型进行判断,可以更准确地对船只进行分类。本发明实施例对于船头的建筑物只是做了一个列举,具体的船只特征并不仅限于此,可以根据具体情况确定。
结合第一方面,在第一方面第五实施例中,获取所述目标船只的行驶特征,包括:获取第一时刻的船只影像和第二时刻的船只影像;计算所述第二时刻与所述第一时刻的时间差;识别所述第一时刻的船只影像中的第一船只位置和第二时刻的船只影像中的第二船只位置;计算所述第一船只位置和所述第二船只位置的实际距离;根据所述实际距离和所述时间差计算得到所述目标船只的行驶速度。
本发明实施例提供了一种船只分类方法,对船只行驶速度的确定,可以根据不同时刻对于同一船只进行了监控跟踪影像对船只位置和不同时刻之间的时间差,对目标船只进行行驶速度计算,同时根据目标船只位置在不同时刻的变化可以确定目标船只的行驶方向,可以对船只未来的行驶路径进行初步的模拟计算。对于船只行驶速度的确定还可以基于雷达进行监测,本发明实施例在此不做具体限定,可以根据需要确定。
结合第一方面,在第一方面第六实施例中,所述行驶特征包括行驶速度和行驶方向。
根据第二方面,本发明实施例提供了一种船只分类装置,包括:第一获取模块,用于获取抓取到的船只影像;提取模块,用于从所述船只影像中确定目标船只所在的目标区域,并提取所述目标区域的船只特征;第二获取模块,获取所述目标船只的行驶特征;确定模块,用于根据所述船只特征和所述行驶特征来确定所述目标船只的船只类型。
根据第三方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中所述的船只分类方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的船只分类方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1中船只分类方法的一个具体示例的流程图;
图2为本发明实施例1中船只分类方法的一个具体示例的流程图;
图3为本发明实施例1中船只分类方法的一个具体示例的流程图;
图4为本发明实施例1中船只分类方法的一个具体示例的流程图;
图5为本发明实施例2中船只分类装置的一个具体示例的结构示意图;
图6为本发明实施例3中一种电子设备的一个具体示例的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种船只分类方法,用于对商船和舰船进行分类。需要说明的是在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。如图1所示,该方法可以包括如下步骤:
S11,获取抓取到的船只影像;
S12,从所述船只影像中确定目标船只所在的目标区域,并提取所述目标区域的船只特征;
具体地,对于船只目标区域的确定可以通过以下步骤实现:基于图像分割方法初始化所述获取的船只影像,生成多个区域块;计算每两个相邻区域块的相似度,将最相似的两个相邻区域块进行合并为一个新的区域块;基于所述新的区域块,重复计算每个与其相邻区域块的相似度,并选择相似度最高的两个相邻区域块合并为一个新的区域块,直到完成所有区域的相似度计算,确定最后合并区域块,得到目标区域。通过在船只影像中对船只位置区域进行准确地定位,能够更准确地提取船只特征,更直接地对船只类型进行识别,提高了船只分类的准确性。本发明实施例对船只目标区域确定的方式不做限定,可以根据需要确定。
S13,获取所述目标船只的行驶特征;
S14,据所述船只特征和所述行驶特征来确定所述目标船只的船只类型。
本发明实施例提供了一种船只分类方法,基于获取的船只影像,首先对船只影像中船只所在的目标区域进行锁定,然后对船只进行特征提取,能够准确的船只特征进行提取,保证船只身份类型能够准确的识别,其次结合对船只行驶特征的获取,能够进一步的判断船只的类型,提高了船只分类的准确性。示例性地,当船只影像对于船只特征识别不确定时,可以根据对目标船只的行驶特征进一步对目标船只类型进行确定;当船只的行驶特征无法对目标船只的类型进行确定时,可以通过对目标船只的特征信息的获取识别,对目标船只的类型进行确定。
优选地,在实现上述S14中根据船只特征和船只行驶特征来确定船只类型时,对于舰船类型的确定,包括以下步骤:
S21,判断所述行驶速度是否超过预设阈值,并判断所述船只特征是否符合舰船的特征;
S22,当所述行驶速度超过所述预设阈值,并且所述船只特征符合所述舰船的特征时,则确定所述目标船只的类型为舰船。
具体地,在对于船只行驶特征进行提取之后,采用船只行驶速度来直接的对船只类型进行确定,当目标船只的行驶速度达到预设阈值时,则初步判断为目标船只为舰船,并且结合舰船的船只特征,对目标船只是否为舰船进行确定,完成舰船的船只分类。示例性地,预设阈值可以为商船最大行驶速度,由于舰船在不同情况下行驶速度也会减缓,因此本发明实施例对预设阈值不做限定,可以根据需要确定。
本发明实施例提供了一种船只分类方法,基于对目标船只行驶特征的判断,结合对目标船只是否具有舰船的船只特征,对目标船只是否为舰船进行判断,基于船只行驶速度和船只特征的双重特征的结合,能够保证对目标船只类型进行有效地识别,提高了船只分类的准确性。对于船只行驶特征的选取,本发明实施例选择了行驶速度,基于行驶速度能够对船只类型进行初步的确定,而行驶方向并不能在船只分类中有明显作用,因此排除了对行驶方向的直接采用。
优选地,在实现上述S14中根据船只特征和船只行驶特征来确定船只类型时,对于商船类型的确定,包括以下步骤:
S31,当所述行驶速度不超过所述预设阈值时,判断所述船只特征是否符合商船的特征;
S32,当判断所述船只特征符合商船的特征时,则确定所述目标船只的类型为商船。
具体地,在对于船只行驶特征进行提取之后,采用船只行驶速度来直接的对船只类型进行确定,当目标船只的行驶速度未达到预设阈值时,则初步判断为目标船只为商船,并且结合商船的船只特征,对目标船只是否为商船进行确定,完成商船的船只分类。示例性地,预设阈值可以为商船最大行驶速度。本发明实施例对预设阈值不做限定,可以根据需要确定。
本发明实施例提供了一种船只分类方法,基于对目标船只行驶特征的判断,结合对目标船只是否具有商船的船只特征,对目标船只是否为商船进行判断,基于船只行驶速度和船只特征的双重特征的结合,能够保证对目标船只类型进行有效地识别,提高了船只分类的准确性。对于船只行驶特征的选取,本发明实施例选择了行驶速度,基于行驶速度能够对船只类型进行初步的确定,而行驶方向并不能在船只分类中有明显作用,因此排除了对行驶方向的直接采用。
优选地,如图2所示,在实现上述S21中判断船只特征是否符合舰船的特征时,包括以下步骤:
S211,判断所述目标船只的船头和船尾是否是平坦区域;
S212,判断所述目标船只的中间部分是否包括烟筒;
S213,当所述目标船只的船头和船尾均为平坦区域,并且中间部分包括烟筒结构,则确定所述船只特征符合舰船的特征。
本发明实施例提供了一种船只分类方法,因为舰船主要建筑物集中分布在船体中间部分,因此中间部分会有许多突出部分,而船头和船尾则因为没有特别的建筑物,因此船头和船尾比较平坦,当目标船只的船头和船尾均为平坦区域,并且中间部分包括烟筒结构,则确定所述船只特征符合舰船的特征。根据船只具体明显的船只特征信息,对船只类型进行判断,可以更准确地对船只进行分类。本发明实施例对于中间部分的建筑物只是做了一个列举,具体的船只特征并不仅限于此,可以根据具体情况确定,例如中间建筑物还包括船楼、设备。
优选地,如图3所示,在实现上述S31中判断船只特征是否符合商船的特征时,包括以下步骤:
S311,判断所述目标船只的中间部分是否为平坦区域;
S312,判断所述目标船只的船头是否包括桅杆结构;
S313,当所述目标船只的中间部分为平坦区域,并且船头包括桅杆结构,则确定所述船只特征符合商船的特征。
本发明实施例提供了一种船只分类方法,因为商船主要特征物集中分布在船体船头和船尾部分,中间部分主要是大型的船舱,因此会比较平坦,而船楼一般位于船尾,桅杆一般位于船头,因此船头和船尾比较突出,具有明显的特征,当所述目标船只的中间部分为平坦区域,并且船头包括桅杆结构,则确定所述船只特征符合商船的特征。根据船只具体明显的船只特征信息,对船只类型进行判断,可以更准确地对船只进行分类。本发明实施例对于船头的建筑物只是做了一个列举,具体的船只特征并不仅限于此,可以根据具体情况确定。
优选地,如图4所示,在实现上述S13中对目标船只行驶特征的获取,包括以下步骤:
S131,获取第一时刻的船只影像和第二时刻的船只影像;
S132,计算所述第二时刻与所述第一时刻的时间差;
S133,识别所述第一时刻的船只影像中的第一船只位置和第二时刻的船只影像中的第二船只位置;
S134,计算所述第一船只位置和所述第二船只位置的实际距离;
S135,根据所述实际距离和所述时间差计算得到所述目标船只的行驶速度。
本发明实施例提供了一种船只分类方法,对船只行驶速度的确定,可以根据不同时刻对于同一船只进行了监控跟踪影像对船只位置和不同时刻之间的时间差,对目标船只进行行驶速度计算,同时根据目标船只位置在不同时刻的变化可以确定目标船只的行驶方向,可以对船只未来的行驶路径进行初步的模拟计算。对于船只行驶速度的确定还可以基于雷达进行监测,本发明实施例在此不做具体限定,可以根据需要确定。
优选地,所述行驶特征包括行驶速度和行驶方向。
本发明实施例提供了一种船只分类方法,对于船只行驶特征的获取,可以为船只行驶速度和船只行驶方向,船只行驶速度能够很直接地对船只进行分类,而行驶方向有助于对船只的行驶轨迹进行初步判断,根据船只行驶轨迹可以对船只行驶速度的影响因素进行初步预判,基于该预判,可以对上述船只行驶速度的预设阈值进行改变。例如在船只行驶轨迹的前方有礁石会影响船只行驶速度,船只行驶方向不会直接对船只分类有影响,但是可以间接地提高船只分类的准确性。
本发明实施例提供的一种船只分类方法,通过船只特征和船只行驶特征双重特征配合进行船只类型识别,可能处理在不同状态小的船只分类,当船只行驶特征出现重合或者无法区分船只类型时,可以结合船只明显的特征对船只类型进行识别,达到船只分类的效果;当船只特征模糊不易区分船只类型时,可以根据船只行驶特征对船只类型进行识别,达到船只分类的效果;当船只特征能够初步确定船只类型时,为了保证船只类型的准确识别,可以对船只行驶特征再次确定,保证船只类型能够准确地识别,提高了船只分类的准确性。
实施例2
在本实施例中提供了一种船只分类装置,该装置用于实现上述实施例1及其优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本发明实施例提供了一种船只分类装置,该装置可以用于实现实施例1或者其任意可选实施方式所述的船只分类方法。如图5所示,该装置包括:第一获取模块10,提取模块20,第二获取模块30,确定模块40。
第一获取模块10,用于获取抓取到的船只影像;
提取模块20,用于从所述船只影像中确定目标船只所在的目标区域,并提取所述目标区域的船只特征;
第二获取模块30,获取所述目标船只的行驶特征;
确定模块40,用于根据所述船只特征和所述行驶特征来确定所述目标船只的船只类型。
优选地,对于提取模块20中对目标船只所在的目标区域的确定,可以通过一下方式确定:基于图像分割方法初始化所述获取的船只影像,生成多个区域块;计算每两个相邻区域块的相似度,将最相似的两个相邻区域块进行合并为一个新的区域块;基于所述新的区域块,重复计算每个与其相邻区域块的相似度,并选择相似度最高的两个相邻区域块合并为一个新的区域块,直到完成所有区域的相似度计算,确定最后合并区域块,得到目标区域。
优选地,对于第二获取模块30中对于船只行驶特征的获取,优先选择为船只行驶速度,具体获取可以通过以下步骤实现:根据不同时刻对于同一船只进行了监控跟踪影像对船只位置和不同时刻之间的时间差,对目标船只进行行驶速度计算,同时根据目标船只位置在不同时刻的变化可以确定目标船只的行驶方向,可以对船只未来的行驶路径进行初步的模拟计算。
本发明实施例提供的一种船只分类装置,基于第一获取模块10获取的船只影像,首先通过提取模块20对船只影像中船只所在的目标区域进行锁定,然后对船只进行特征提取,能够准确的船只特征进行提取,保证船只类型能够准确的被识别,其次结合第二获取模块30对船只行驶特征的获取,能够明显地识别船只的类型,最后基于确定模块40对船只类型进行确定,提高了船只分类的准确性。
实施例3
本本发明实施例提供了一种电子设备,如图6所示,该电子设备包括处理器31和存储器32,其中处理器31和存储器32可以通过总线或者其他方式连接,图6中以通过总线连接为例。
处理器31可以为中央处理器(CPU)。处理器31还可以为其它通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器32作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中船只分类对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中船只分类方法。
存储器32还可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储处理器31所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或者其他非暂态固态存储器件。在一些实施例中,存储器32可选包括相对于处理器31远程设置的存储器,这些远程存储器可以通过网络连接至处理器31。上述网络的实施例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述存储器32中存储一个或者多个模块,当被所述处理器31执行时,执行如图1-4所示实施例中的船只分类方法。
上述电子设备具体细节可以对应参阅图1至图4所示的实施例中对应的相关描述和效果进行理解。此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种船只分类方法,其特征在于,包括如下步骤:
获取抓取到的船只影像;
从所述船只影像中确定目标船只所在的目标区域,并提取所述目标区域的船只特征;
获取所述目标船只的行驶特征;
根据所述船只特征和所述行驶特征来确定所述目标船只的船只类型;
所述目标区域的确定,包括如下步骤:
基于图像分割方法初始化所述船只影像,生成多个区域块;
计算每两个相邻区域块的相似度,将最相似的两个相邻区域块进行合并为一个新的区域块;
基于所述新的区域块,重复计算每个与其相邻区域块的相似度,并选择相似度最高的两个相邻区域块合并为一个新的区域块,直到完成所有区域的相似度计算,确定最后合并区域块,得到所述目标区域;
其中,所述行驶特征包括行驶速度,所述根据所述船只特征和所述行驶特征来确定所述目标船只的船只类型,包括:
判断所述行驶速度是否超过预设阈值,并判断所述船只特征是否符合舰船的特征;
当所述行驶速度超过所述预设阈值,并且所述船只特征符合所述舰船的特征时,则确定所述目标船只的类型为舰船。
2.根据权利要求1所述的船只分类方法,其特征在于,所述行驶特征包括行驶速度,所述根据所述船只特征和所述行驶特征来确定所述目标船只的船只类型,包括:
当所述行驶速度不超过所述预设阈值时,判断所述船只特征是否符合商船的特征;
当判断所述船只特征符合商船的特征时,则确定所述目标船只的类型为商船。
3.根据权利要求1所述的船只分类方法,其特征在于,所述判断所述船只特征是否符合舰船的特征,包括:
判断所述目标船只的船头和船尾是否是平坦区域;
判断所述目标船只的中间部分是否包括烟筒;
当所述目标船只的船头和船尾均为平坦区域,并且中间部分包括烟筒结构,则确定所述船只特征符合舰船的特征。
4.根据权利要求2所述的船只分类方法,其特征在于,所述判断所述船只特征是否符合商船的特征,包括:
判断所述目标船只的中间部分是否为平坦区域;
判断所述目标船只的船头是否包括桅杆结构;
当所述目标船只的中间部分为平坦区域,并且船头包括桅杆结构,则确定所述船只特征符合商船的特征。
5.根据权利要求1所述的船只分类方法,其特征在于,获取所述目标船只的行驶特征,包括:
获取第一时刻的船只影像和第二时刻的船只影像;
计算所述第二时刻与所述第一时刻的时间差;
识别所述第一时刻的船只影像中的第一船只位置和第二时刻的船只影像中的第二船只位置;
计算所述第一船只位置和所述第二船只位置的实际距离;
根据所述实际距离和所述时间差计算得到所述目标船只的行驶速度。
6.一种船只分类装置,包括:
第一获取模块,用于获取抓取到的船只影像;
提取模块,用于从所述船只影像中确定目标船只所在的目标区域,并提取所述目标区域的船只特征;所述目标区域通过以下步骤确定:基于图像分割方法初始化所述船只影像,生成多个区域块;计算每两个相邻区域块的相似度,将最相似的两个相邻区域块进行合并为一个新的区域块;基于所述新的区域块,重复计算每个与其相邻区域块的相似度,并选择相似度最高的两个相邻区域块合并为一个新的区域块,直到完成所有区域的相似度计算,确定最后合并区域块,得到所述目标区域;
第二获取模块,获取所述目标船只的行驶特征;
确定模块,用于根据所述船只特征和所述行驶特征来确定所述目标船只的船只类型,具体地,所述行驶特征包括行驶速度,所述根据所述船只特征和所述行驶特征来确定所述目标船只的船只类型,包括:判断所述行驶速度是否超过预设阈值,并判断所述船只特征是否符合舰船的特征;当所述行驶速度超过所述预设阈值,并且所述船只特征符合所述舰船的特征时,则确定所述目标船只的类型为舰船。
7.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-5任一项所述的船只分类方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-5任一项所述的船只分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011255640.9A CN112257811B (zh) | 2020-11-11 | 2020-11-11 | 一种船只分类方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011255640.9A CN112257811B (zh) | 2020-11-11 | 2020-11-11 | 一种船只分类方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112257811A CN112257811A (zh) | 2021-01-22 |
CN112257811B true CN112257811B (zh) | 2022-04-19 |
Family
ID=74265559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011255640.9A Active CN112257811B (zh) | 2020-11-11 | 2020-11-11 | 一种船只分类方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112257811B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104282150A (zh) * | 2014-09-29 | 2015-01-14 | 北京汉王智通科技有限公司 | 运动目标的识别装置及*** |
CN108919284A (zh) * | 2018-05-04 | 2018-11-30 | 中国人民解放军海军七〇工厂 | 一种船只分类方法、装置及电子设备 |
CN108959355A (zh) * | 2018-05-04 | 2018-12-07 | 中国人民解放军海军七〇工厂 | 一种船只分类方法、装置及电子设备 |
CN110414340A (zh) * | 2019-06-21 | 2019-11-05 | 武汉四创自动控制技术有限责任公司 | 一种船闸监控***中的船舶识别方法 |
CN110516565A (zh) * | 2019-08-07 | 2019-11-29 | 青岛海之声科技有限公司 | 一种基于Zernike和SVM的海面船只识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3013136B1 (fr) * | 2013-11-12 | 2021-03-19 | Yann Guichoux | Procede de calculs de parametres d'au moins un navire et procede de deduction de chaque vecteur derive en tout point de la trajectoire dudit navire |
JP2017094945A (ja) * | 2015-11-25 | 2017-06-01 | ヤマハ発動機株式会社 | 船舶の制御方法、及び、船舶の制御システム |
GB2580857B (en) * | 2018-09-06 | 2021-02-24 | Maritech Development Ltd | Method for vessel tracking |
-
2020
- 2020-11-11 CN CN202011255640.9A patent/CN112257811B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104282150A (zh) * | 2014-09-29 | 2015-01-14 | 北京汉王智通科技有限公司 | 运动目标的识别装置及*** |
CN108919284A (zh) * | 2018-05-04 | 2018-11-30 | 中国人民解放军海军七〇工厂 | 一种船只分类方法、装置及电子设备 |
CN108959355A (zh) * | 2018-05-04 | 2018-12-07 | 中国人民解放军海军七〇工厂 | 一种船只分类方法、装置及电子设备 |
CN110414340A (zh) * | 2019-06-21 | 2019-11-05 | 武汉四创自动控制技术有限责任公司 | 一种船闸监控***中的船舶识别方法 |
CN110516565A (zh) * | 2019-08-07 | 2019-11-29 | 青岛海之声科技有限公司 | 一种基于Zernike和SVM的海面船只识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112257811A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200365035A1 (en) | Method and system for recognition of objects near ship by using deep neural network | |
CN109460699B (zh) | 一种基于深度学习的驾驶员安全带佩戴识别方法 | |
CN107578012B (zh) | 一种基于聚类算法选择敏感区域的驾驶辅助*** | |
US10891738B2 (en) | Boundary line recognition apparatus and branch road determination apparatus | |
JP6819996B2 (ja) | 交通信号認識方法および交通信号認識装置 | |
Maurya et al. | Road extraction using k-means clustering and morphological operations | |
CN101609504B (zh) | 一种红外图像海面目标检测识别定位方法 | |
KR101589814B1 (ko) | 연안에서의 객체 인식 장치 및 그 방법 | |
CN111178245A (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
CN112560722B (zh) | 一种飞机目标识别方法、装置、计算机设备和存储介质 | |
EP2575077A2 (en) | Road sign detecting method and road sign detecting apparatus | |
CN112380973B (zh) | 交通信号灯的识别方法和*** | |
CN111881741A (zh) | 车牌识别方法、装置、计算机设备和计算机可读存储介质 | |
CN113807220A (zh) | 交通事件检测方法、装置、电子设备和可读存储介质 | |
CN112257811B (zh) | 一种船只分类方法、装置、电子设备及存储介质 | |
CN111553183A (zh) | 一种船只检测模型训练方法、船只检测方法及装置 | |
JP6077785B2 (ja) | 対象物検出装置及びプログラム | |
CN110555344B (zh) | 车道线识别方法、装置、电子设备、存储介质 | |
CN112308010B (zh) | 一种基于yolo-v3算法的船只遮挡检测方法及装置 | |
WO2017077261A1 (en) | A monocular camera cognitive imaging system for a vehicle | |
CN108960181A (zh) | 基于多尺度分块lbp和隐马尔科夫模型的黑烟车检测方法 | |
CN114577224A (zh) | 一种对象定位方法、装置、电子设备及存储介质 | |
CN114090905A (zh) | 警戒线位置识别方法、装置、计算机设备及存储介质 | |
CN112328826A (zh) | 一种船只图像检索方法、装置、电子设备以及存储介质 | |
CN113537159B (zh) | 基于人工智能的起重机风险数据识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |