CN113095325A - 一种船舶识别方法、装置及计算机可读存储介质 - Google Patents
一种船舶识别方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113095325A CN113095325A CN202110510504.8A CN202110510504A CN113095325A CN 113095325 A CN113095325 A CN 113095325A CN 202110510504 A CN202110510504 A CN 202110510504A CN 113095325 A CN113095325 A CN 113095325A
- Authority
- CN
- China
- Prior art keywords
- character string
- character
- confidence
- ship
- identification
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
本发明提供了一种船舶识别方法、装置及计算机可读存储介质,其中,所述方法包括:获取船舶当前船体部位的图片;定位并识别所述当前船体部位的图片中的字符串;分别计算每个字符串的优先级与置信度;依次根据三个优先级按冒泡法对所有字符串进行排序:第一优先级:相邻字符串是否有且仅有一个字符串大于预设字符串置信度阈值;第二优先级:相邻字符串是否优先级更大;第三优先级:相邻字符串置信度是否更大;经上述冒泡法排序后的字符串中,选择排在第一的字符串为所述船舶的标识字符串。提高了船舶识别的可靠性与准确性,便于后续船舶监管。
Description
技术领域
本发明涉及船舶监控领域,尤其涉及一种船舶识别方法、装置及计算机可读存储介质。
背景技术
水路航运是一种重要的运输方式,随着船舶数量的不断增长,船舶超载超限运输,违法逃逸等一系列时间时有发生,因此,需要了解过往船舶的身份信息,以实现对水路航运船舶的管理。
在港航截面卡口抓拍***中,经常发现有些船舶没有打开AIS设备,或者有些船舶未安装AIS设备,导致船舶无法通过一种有效的方式实现抓拍图片跟船舶号码关联。
发明内容
为解决上述问题,本发明提供了一种船舶识别方法、装置及计算机可读存储介质,通过字符识别技术识别出船舶上最优的字符串作为船舶的号码,实现了抓拍图片与船舶号码的关联,提高了监管的可靠性与有效性。
为达到上述目的,本发明提供了一种船舶识别方法,包括:获取船舶当前船体部位的图片;定位并识别所述当前船体部位的图片中的字符串;分别计算每个字符串的优先级与置信度;依次根据三个优先级按冒泡法对所有字符串进行排序:第一优先级:相邻字符串是否有且仅有一个字符串大于预设字符串置信度阈值;第二优先级:相邻字符串是否优先级更大;第三优先级:相邻字符串置信度是否更大;经上述冒泡法排序后的字符串中,选择排在第一的字符串为所述船舶的标识字符串。
进一步可选的,所述定位并识别所述当前船体部位的图片中的字符串,包括:将所述每个字符串进行粗定位,得到所述每个字符串在船体部位的图片中的位置;根据所述每个字符串在船体部位的图片中的位置将所述每个字符串分别截取为子图片;分别对各子图片进行字符串识别。
进一步可选的,所述计算每个字符串的置信度,包括:识别每个字符串中所有单字符的置信度;根据每个字符串中的所有所述单字符的置信度计算各字符串的置信度。
进一步可选的,所述根据每个字符串中的所有所述单字符的置信度计算各字符串的置信度时,计算其一字符串的置信度包括:统计该字符串中,置信度小于预设字符置信度阈值的单字符数量N1;统计该字符串中,置信度不小于所述预设字符置信度阈值的单字符数量N2;若N1>0,则将N1个单字符的平均置信度作为该字符串的置信度;若N1=0,N2>0,则将N2个单字符的平均置信度作为该字符串的置信度。
进一步可选的,所述计算每个字符串的优先级,包括:将所述每个字符串中的中文字符数和数字字符数与字符串优先级表格进行对比,确定每个字符串的优先级;其中,所述字符串优先级表格中,不同中文字符数和数字字符数的组合对应有不同的优先级。
进一步可选的,所述选择排在第一的字符串为所述船舶的标识字符串之后,包括:根据所述标识字符串中每个单字符的坐标位置对各单字符进行排序,得到数字格式的标识字符串;其中,在所述根据所述标识字符串中每个单字符的坐标位置对各单字符进行排序之前,包括:识别所述标识字符串中每个单字符的坐标位置。
另一方面,本发明还提供了一种船舶识别装置,包括:获取模块,用于获取船舶当前船体部位的图片;识别模块,用于定位并识别所述当前船体部位的图片中的字符串;计算模块,分别计算每个字符串的优先级与置信度;排序模块,用于依次根据三个优先级按冒泡法对所有字符串进行排序:第一优先级:相邻字符串是否有且仅有一个字符串大于预设字符串置信度阈值;第二优先级:相邻字符串是否优先级更大;第三优先级:相邻字符串置信度是否更大;选择模块,用于经上述冒泡法排序后的字符串中,选择排在第一的字符串为所述船舶的标识字符串。
进一步可选的,所述识别模块包括:粗定位单元,用于将所述每个字符串进行粗定位,得到所述每个字符串在船体部位的图片中的位置;截取单元,用于根据所述每个字符串在船体部位的图片中的位置将所述每个字符串分别截取为子图片;子图片识别单元,用于分别对各子图片进行字符串识别。
进一步可选的,所述计算模块包括:单字符置信度识别单元,用于识别每个字符串中所有单字符的置信度;字符串置信度识别单元,用于根据每个字符串中的所有所述单字符的置信度计算各字符串的置信度。
进一步可选的,所述字符串置信度识别单元包括:第一统计子单元,用于统计该字符串中,置信度小于预设字符置信度阈值的单字符数量N1;第二统计子单元,用于统计该字符串中,置信度不小于所述预设字符置信度阈值的单字符数量N2;置信度确定子单元,用于若N1>0,则将N1个单字符的平均置信度作为该字符串的置信度;若N1=0,N2>0,则将N2个单字符的平均置信度作为该字符串的置信度。
另一方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述的船舶识别方法。
上述技术方案具有如下有益效果:在抓拍的图片中自动定位船舶上的字符串,计算出所有字符串的置信度以及优先级,并据字符串的置信度以及优先级将字符串进行排序,选取排在第一位的字符串作为匹配当前船舶的标识字符串,从而实现了对每个通过卡口的船舶的自动识别;获取到了船舶卡口图片和船舶的字符识别信息,从而提高了船舶监管的有效性和可靠性,提高海事水上管理人员应急反应速度,提升管理人员的工作效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例提供的一种船舶识别方法的流程图;
图2是本发明另一种实施例提供的一种船舶识别方法的流程图;
图3是本发明另一种实施例提供的一种船舶识别方法的流程图;
图4是本发明实施例提供的一种船舶识别装置的结构框图;
图5是本发明实施例提供的一种字符串优先级表格。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
现有技术中对于经过卡口时没有装设AIS设备或没有打开AIS设备的船舶,卡口抓拍***无法获知船舶的号码,也就无法将抓拍的图片与船舶的号码相关联。本申请提出将船舶上的字符通过智能识别方法获得的技术方案,将船舶的号码与船舶的抓拍图片相关联。目前现有船舶字符识别技术,都是在成熟的车牌识别技术的基础上发展而来。但是由于船舶上的字符的不规范,船舶的字符有各种字体,其中大部分是不规范的油漆手写字体,并且字符间距等也没有规定一种规范的格式,并且船舶上都有好几个字符串号码。所以如果照搬车牌识别技术,必然带来识别速度慢,字符识别率低,字符串匹配不是最优的字符串的问题,乱识别、误识别会特别多,一般整串字符识别率一般在60%左右,不超过80%。
为提高字符识别准确度,如图1所示,本发明提供了一种船舶识别方法,包括:
S100、获取船舶当前船体部位的图片;
卡口抓拍***对于经过卡口的船舶进行抓拍,得到该船舶不同船体部位的图片,优选的,在船舶的船头,船中,船尾各抓拍一张图片,共三张图片。其中,抓拍的图片的分辨率为4096*2160。
S101、定位并识别所述当前船体部位的图片中的字符串;
由于船舶上除船舶号码外可能还存在一些其它字符,一张船体部位图片中也可能包含有多个字符串,因此需要对抓拍到的多个船体部位的图片中的字符串进行识别,得到所有图片中包含的每一个字符串。
S102、分别计算每个字符串的优先级与置信度;
其中,在一个可选的实施方式中,字符串的优先级由字符串的内容决定。在一个可选的实施方式中,字符串的置信度由字符串的清晰度或字形决定。
S103、依次根据三个优先级按冒泡法对所有字符串进行排序:第一优先级:相邻字符串是否有且仅有一个字符串大于预设字符串置信度阈值;第二优先级:相邻字符串是否优先级更大;第三优先级:相邻字符串置信度是否更大;
在获取到所有的字符串后,需要在这些字符串中选取一个最优的字符串,即选择这些字符串中最接近船舶号码的字符串,以便后续与抓拍的船舶图片匹配。为选取最优的字符串,本发明实施例将全部字符串进行排序,具体排序方法如下:
将所有字符串进行冒泡排序,如果对比的两个字符串中,一个大于预设字符串置信度阈值,另一个小于预设字符串置信度阈值,则以大于预设字符串置信度阈值的字符串作为综合优先;进一步的,如果对比的两个字符串的置信度均大于等于预设字符串置信度阈值,或均小于预设字符串置信度阈值,则以优先级高的字符串作为综合优先;进一步的,若两个字符串的优先级也相同,则以置信度高的字符串作为综合优先;进一步的,若两个字符串的置信度也相同,则以中文字符在前,数字字符在后的字符串作为综合优先;其中,预设字符串置信度阈值优选的设为80。
S104、经上述冒泡法排序后的字符串中,选择排在第一的字符串为所述船舶的标识字符串。
将所有字符串按上述方法排序后,排在第一位的字符串即为最可信的字符串;将其设置为船舶的标识字符串,用于与抓拍的船舶图片进行关联,以提高海事人员对船舶进行监管的有效性和可靠性。
如图2所示,作为一种可选的实现方式,所述S101、所述定位并识别所述当前船体部位的图片中的字符串,包括:S1011、将所述每个字符串进行粗定位,得到所述每个字符串在船体部位的图片中的位置;S1012、根据所述每个字符串在船体部位的图片中的位置将所述每个字符串分别截取为子图片;S1013、分别对各子图片进行字符串识别。
为加快字符识别的速度,利用场景文本检测CTPN算法对每张船体部位的图片中的每个字符串进行粗定位,定位出每个字符串的大致位置,根据每个字符串在船体部位图片中的位置截取出子图片,得到的每张子图片中只有一个字符串。对每张子图片中的每个字符串进行处理,以加快字符的识别速度。
如图3所示,作为一种可能的实施方式,所述计算每个字符串的置信度,包括:
S1021、识别每个字符串中所有单字符的置信度;
通过Faster Rcnn深度学习算法识别出当前字符串中每个单字符的置信度。
S1022、根据每个字符串中的所有所述单字符的置信度计算各字符串的置信度。
其中,步骤S1022、根据每个字符串中的所有所述单字符的置信度计算各字符串的置信度,计算其一字符串的置信度包括:
统计该字符串中,置信度小于预设字符置信度阈值的单字符数量N1;统计该字符串中,置信度不小于所述预设字符置信度阈值的单字符数量N2;若N1>0,则将N1个单字符的平均置信度作为该字符串的置信度;若N1=0,N2>0,则将N2个单字符的平均置信度作为该字符串的置信度。其中,预设字符置信度阈值优选的在80-95之间,本实施例中优选为90。
根据上述实施方式,可使单字符置信度波动较大的字符串置信度低,单字符置信度波动较小的置信度高,以便后续对字符串进行排序时,单字符置信度波动较小的字符串排在单字符置信度波动较大的字符串前,保证最终的字符串识别的准确性和可靠性更高。
在一个可选的实施方式中,将预设字符置信度阈值设置为90,在计算某一个字符串时,小于预设字符置信度阈值的单字符数量为4个,置信度分别为:35,45,50,60;大于预设字符置信度阈值的单字符数量为3个,置信度分别为:92,95,96;那么则计算4个小于预设字符置信度阈值的单字符的置信度的平均置信度,即为(35+45+50+60)/4=47.5,将得到的平均置信度47.5作为该字符串的置信度。
如图3所示,作为一种可能的实施方式,所述计算每个字符串的优先级,包括:S1023、将所述每个字符串中的中文字符数和数字字符数与字符串优先级表格进行对比,确定每个字符串的优先级;其中,所述字符串优先级表格中,不同中文字符数和数字字符数的组合对应有不同的优先级。
船舶的表面存在除船舶号码(在本实施方式中,船舶号码指船牌号)外的其它号码或符号,这些其它号码或符号可能为数字、字母、中文字或其它字符,与这些号码或符号相区别的,船舶号码由顺序排列的4个中文字和5个数字组成。需要说明的是,如船牌号或船上的其它识别号并不由4个中文字和5个数字组成,但其识别的方式与本申请相同,也应当落入本申请的保护范围之内,该4个中文字5个数字并不应作为对本申请的限制。
基于此,本实施例预先将包括4个中文字符和5个数字字符,且中文字符在前数字字符在后的字符串优先级定位最高,中文字符或数字字符的数量与前述标准数量相差越多优先级越低;进一步,中文字符和数字字符的前后顺序颠倒则优先级更低;更进一步,如中文字符和数字字符交叉,则可直接将其优先级定为零。
如图5所示,本发明实施例提供了一种字符串优先级表格,其中,4个中文字符和5个数字字符组合出的字符串的优先级最高。
如图1所示,作为一种可能的实施方式,所述S104、选择排在第一的字符串为所述船舶的标识字符串之后,包括:S105、根据所述标识字符串中每个单字符的坐标位置对各单字符进行排序,得到数字格式的标识字符串;其中,在所述根据所述标识字符串中每个单字符的坐标位置对各单字符进行排序之前,包括:识别所述标识字符串中每个单字符的坐标位置。
将标识字符串中的每个单字符按照字符坐标位置组合成数据字符串,并上传至***中,同时抓拍的船舶图片也一并上传,实现船舶号码与船舶图片相关联,解决了船舶未打开AIS设备时造成的船舶识别困难的问题,方便了后续海事人员对船舶监管,提高监管的有效性、可靠性以及管理人员的工作效率。
另一方面,如图4所示,本发明还提供了一种船舶识别装置,包括:
获取模块100,用于获取船舶当前船体部位的图片;
卡口抓拍***对于经过卡口的船舶进行抓拍,得到该船舶不同船体部位的图片,优选的,在船舶的船头,船中,船尾各抓拍一张图片,共三张图片。其中,图片的分辨率为4096*2160。
识别模块200,用于定位并识别所述当前船体部位的图片中的字符串;
由于船舶上除船舶号码外可能还存在一些其它字符,一张船体部位图片中也可能包含有多个字符串,因此需要对抓拍到的多个船体部位的图片中的字符串进行识别,得到所有图片中包含的每一个字符串。
计算模块300,分别计算每个字符串的优先级与置信度;
其中,字符串的优先级由字符串的内容决定。字符串的置信度由字符串的清晰度或字形决定。
排序模块400,用于依次根据三个优先级按冒泡法对所有字符串进行排序:第一优先级:相邻字符串是否有且仅有一个字符串大于预设字符串置信度阈值;第二优先级:相邻字符串是否优先级更大;第三优先级:相邻字符串置信度是否更大;
在获取到所有的字符串后,需要在这些字符串中选取一个最优的字符串,即选择这些字符串中最接近船舶号码的字符串,以便后续与抓拍的船舶图片匹配。为选取最优的字符串,本发明实施例将全部字符串进行排序,具体排序方法如下:
将所有字符串进行冒泡排序,如果对比的两个字符串中,一个大于预设字符串置信度阈值,另一个小于预设字符串置信度阈值,则以大于预设字符串置信度阈值的字符串作为综合优先;进一步的,如果对比的两个字符串的置信度均大于等于预设字符串置信度阈值,或均小于预设字符串置信度阈值,则以优先级高的字符串作为综合优先;进一步的,若两个字符串的优先级也相同,则以置信度高的字符串作为综合优先;进一步的,若两个字符串的置信度也相同,则以中文字符在前,数字字符在后的字符串作为综合优先;其中,预设字符串置信度阈值优选的设为80。
选择模块500,用于经上述冒泡法排序后的字符串中,选择排在第一的字符串为所述船舶的标识字符串。
将所有字符串按上述方法排序后,排在第一位的字符串即为最可信的字符串;将其设置为船舶的标识字符串,用于与抓拍的船舶图片进行关联,以提高海事人员对船舶进行监管的有效性和可靠性。
作为一种可能的实施方式,所述识别模块包括:粗定位单元,用于将所述每个字符串进行粗定位,得到所述每个字符串在船体部位的图片中的位置;截取单元,用于根据所述每个字符串在船体部位的图片中的位置将所述每个字符串分别截取为子图片;子图片识别单元,用于分别对各子图片进行字符串识别。
为加快字符识别的速度,利用场景文本检测CTPN算法对每张船体部位的图片中的每个字符串进行粗定位,定位出每个字符串的大致位置,根据每个字符串在船体部位图片中的位置截取出子图片,得到的每张子图片中只有一个字符串。对每张子图片中的每个字符串进行处理,加快字符的识别速度。
作为一种可能的实施方式,所述计算模块包括:字符置信度计算单元,用于识别每个字符串中所有单字符的置信度;
通过Faster Rcnn深度学习算法识别出当前字符串中每个单字符的置信度。
字符串置信度计算单元,用于根据每个字符串中的所有所述单字符的置信度计算各字符串的置信度;其中,字符串置信度计算单元包括:第一统计子单元,用于统计该字符串中,置信度小于预设字符置信度阈值的单字符数量N1;第二统计子单元,用于统计该字符串中,置信度不小于所述预设字符置信度阈值的单字符数量N2;置信度确定子单元,用于若N1>0,则将N1个单字符的平均置信度作为该字符串的置信度;若N1=0,N2>0,则将N2个单字符的平均置信度作为该字符串的置信度。其中,预设字符置信度阈值优选的在80-95之间,本实施例中优选为90。
根据上述实施方式,可使单字符置信度波动较大的字符串置信度低,单字符置信度波动较小的置信度高,以便后续对字符串进行排序时,单字符置信度波动较小的字符串排在单字符置信度波动较大的字符串前,保证最终的字符串识别的准确性和可靠性更高。
在一个可选的实施方式中,将预设字符置信度阈值设置为90,在计算某一个字符串时,小于预设字符置信度阈值的单字符数量为4个,置信度分别为:35,45,50,60;大于预设字符置信度阈值的单字符数量为3个,置信度分别为:92,95,96;那么则计算4个小于预设字符置信度阈值的单字符的置信度的平均置信度,即为(35+45+50+60)/4=47.5,将得到的平均置信度47.5作为该字符串的置信度。
作为一种可能的实施方式,所述计算模块包括:优先级确定单元,用于将所述每个字符串中的中文字符数和数字字符数与字符串优先级表格进行对比,确定每个字符串的优先级;其中,所述字符串优先级表格中,不同中文字符数和数字字符数的组合对应有不同的优先级。
船舶的表面存在除船舶号码(在本实施方式中,船舶号码指船牌号)外的其它号码或符号,这些其它号码或符号可能为数字、字母、中文字或其它字符,与这些号码或符号相区别的,船舶号码由顺序排列的4个中文字和5个数字组成。需要说明的是,如船牌号或船上的其它识别号并不由4个中文字和5个数字组成,但其识别的方式与本申请相同,也应当落入本申请的保护范围之内,该4个中文字5个数字并不应作为对本申请的限制。
基于此,本实施例预先将包括4个中文字符和5个数字字符,且中文字符在前数字字符在后的字符串优先级定位最高,中文字符或数字字符的数量与前述标准数量相差越多优先级越低;进一步,中文字符和数字字符的前后顺序颠倒则优先级更低;更进一步,如中文字符和数字字符交叉,则可直接将其优先级定为零。
如图5所示,本发明实施例提供了一种字符串优先级表格,其中,4个中文字符和5个数字字符组合出的字符串的优先级最高。
作为一种可能的实施方式,该装置还包括:标识字符串生成模块,用于根据所述标识字符串中每个单字符的坐标位置对各单字符进行排序,得到数字格式的标识字符串;其中,在所述根据所述标识字符串中每个单字符的坐标位置对各单字符进行排序之前,包括:识别所述标识字符串中每个单字符的坐标位置。
将标识字符串中的每个单字符按照字符坐标位置组合成数据字符串,并上传至监控***中,同时抓拍的船舶图片也一并上传,实现船舶号码与船舶图片相关联,解决了船舶未打开AIS设备造成的船舶识别困难的问题,方便了后续海事人员对船舶监管,提高监管的有效性、可靠性以及管理人员的工作效率。
另一方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述的船舶识别方法。
上述存储介质中存储有上述软件,该存储介质包括但不限于:光盘、软盘、硬盘、可擦写存储器等。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种船舶识别方法,其特征在于,包括:
获取船舶当前船体部位的图片;
定位并识别所述当前船体部位的图片中的字符串;
分别计算每个字符串的优先级与置信度;
依次根据三个优先级按冒泡法对所有字符串进行排序:
第一优先级:相邻字符串是否有且仅有一个字符串大于预设字符串置信度阈值;
第二优先级:相邻字符串是否优先级更大;
第三优先级:相邻字符串置信度是否更大;
经上述冒泡法排序后的字符串中,选择排在第一的字符串为所述船舶的标识字符串。
2.根据权利要求1所述的船舶识别方法,其特征在于,所述定位并识别所述当前船体部位的图片中的字符串,包括:
将所述每个字符串进行粗定位,得到所述每个字符串在船体部位的图片中的位置;
根据所述每个字符串在船体部位的图片中的位置将所述每个字符串分别截取为子图片;
分别对各子图片进行字符串识别。
3.根据权利要求1所述的船舶识别方法,其特征在于,所述计算每个字符串的置信度,包括:
识别每个字符串中所有单字符的置信度;
根据每个字符串中的所有所述单字符的置信度计算各字符串的置信度。
4.根据权利要求3所述的船舶识别方法,其特征在于,所述根据每个字符串中的所有所述单字符的置信度计算各字符串的置信度时,计算其一字符串的置信度包括:
统计该字符串中,置信度小于预设字符置信度阈值的单字符数量N1;
统计该字符串中,置信度不小于所述预设字符置信度阈值的单字符数量N2;
若N1>0,则将N1个单字符的平均置信度作为该字符串的置信度;
若N1=0,N2>0,则将N2个单字符的平均置信度作为该字符串的置信度。
5.根据权利要求1所述的船舶识别方法,其特征在于,所述计算每个字符串的优先级,包括:
将所述每个字符串中的中文字符数和数字字符数与字符串优先级表格进行对比,确定每个字符串的优先级;
其中,所述字符串优先级表格中,不同中文字符数和数字字符数的组合对应有不同的优先级。
6.根据权利要求1所述的船舶识别方法,其特征在于,所述选择排在第一的字符串为所述船舶的标识字符串之后,包括:
根据所述标识字符串中每个单字符的坐标位置对各单字符进行排序,得到数字格式的标识字符串;
其中,在所述根据所述标识字符串中每个单字符的坐标位置对各单字符进行排序之前,包括:
识别所述标识字符串中每个单字符的坐标位置。
7.一种船舶识别装置,其特征在于,包括:
获取模块,用于获取船舶当前船体部位的图片;
识别模块,用于定位并识别所述当前船体部位的图片中的字符串;
计算模块,用于分别计算每个字符串的优先级与置信度;
排序模块,用于依次根据三个优先级按冒泡法对所有字符串进行排序:
第一优先级:相邻字符串是否有且仅有一个字符串大于预设字符串置信度阈值;
第二优先级:相邻字符串是否优先级更大;
第三优先级:相邻字符串置信度是否更大;
选择模块,用于经上述冒泡法排序后的字符串中,选择排在第一的字符串为所述船舶的标识字符串。
8.根据权利要求7所述的船舶识别装置,其特征在于,所述识别模块包括:
粗定位单元,用于将所述每个字符串进行粗定位,得到所述每个字符串在船体部位的图片中的位置;
截取单元,用于根据所述每个字符串在船体部位的图片中的位置将所述每个字符串分别截取为子图片;
子图片识别单元,用于分别对各子图片进行字符串识别。
9.根据权利要求7所述的船舶识别装置,其特征在于,所述计算单元包括:
单字符置信度识别单元,用于识别每个字符串中所有单字符的置信度;
字符串置信度识别单元,用于根据每个字符串中的所有所述单字符的置信度计算各字符串的置信度。
10.根据权利要求9所述的船舶识别装置,其特征在于,所述字符串置信度识别单元包括:
第一统计子单元,用于统计该字符串中,置信度小于预设字符置信度阈值的单字符数量N1;
第二统计子单元,用于统计该字符串中,置信度不小于所述预设字符置信度阈值的单字符数量N2;
置信度确定子单元,用于若N1>0,则将N1个单字符的平均置信度作为该字符串的置信度;若N1=0,N2>0,则将N2个单字符的平均置信度作为该字符串的置信度。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至6中任一项所述的船舶识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110510504.8A CN113095325B (zh) | 2021-05-11 | 2021-05-11 | 一种船舶识别方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110510504.8A CN113095325B (zh) | 2021-05-11 | 2021-05-11 | 一种船舶识别方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113095325A true CN113095325A (zh) | 2021-07-09 |
CN113095325B CN113095325B (zh) | 2021-11-09 |
Family
ID=76665076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110510504.8A Active CN113095325B (zh) | 2021-05-11 | 2021-05-11 | 一种船舶识别方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095325B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116543398A (zh) * | 2023-07-06 | 2023-08-04 | 浙江华是科技股份有限公司 | 一种船名和违章识别方法及*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5065161A (en) * | 1988-06-01 | 1991-11-12 | Furuno Electric Company Limited | Ship track indicating apparatus |
CN104063500A (zh) * | 2014-07-07 | 2014-09-24 | 联想(北京)有限公司 | 信息处理设备以及信息处理方法 |
CN104424350A (zh) * | 2013-09-06 | 2015-03-18 | 株式会社东芝 | 知识处理装置以及方法 |
CN107729899A (zh) * | 2016-08-11 | 2018-02-23 | 杭州海康威视数字技术股份有限公司 | 一种车牌号码识别方法及装置 |
CN109800714A (zh) * | 2019-01-22 | 2019-05-24 | 浙江华是科技股份有限公司 | 一种基于人工智能的船舶检测***及方法 |
CN109816310A (zh) * | 2019-01-22 | 2019-05-28 | 浙江华是科技股份有限公司 | 一种基于人工智能的航道船舶卡口管理***及其管理方法 |
CN109993163A (zh) * | 2019-03-19 | 2019-07-09 | 苏州大学 | 一种基于人工智能的非标铭牌识别***及其识别方法 |
CN110245613A (zh) * | 2019-06-17 | 2019-09-17 | 珠海华园信息技术有限公司 | 基于深度学习特征对比的船牌识别方法 |
CN110598693A (zh) * | 2019-08-12 | 2019-12-20 | 浙江工业大学 | 一种基于Faster-RCNN的船牌识别方法 |
CN111261165A (zh) * | 2020-01-13 | 2020-06-09 | 佳都新太科技股份有限公司 | 车站名称识别方法、装置、设备及存储介质 |
CN111340029A (zh) * | 2018-12-19 | 2020-06-26 | 富士通株式会社 | 用于识别收件人地址中的至少部分地址的装置和方法 |
CN111783695A (zh) * | 2020-07-06 | 2020-10-16 | 北京易真学思教育科技有限公司 | 文本识别方法、装置、电子设备及存储介质 |
CN111797182A (zh) * | 2020-05-29 | 2020-10-20 | 深圳市跨越新科技有限公司 | 一种地址编码解析方法及*** |
CN112753226A (zh) * | 2018-05-18 | 2021-05-04 | 图兹公司 | 用于识别和解译嵌入式信息卡内容的机器学习 |
-
2021
- 2021-05-11 CN CN202110510504.8A patent/CN113095325B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5065161A (en) * | 1988-06-01 | 1991-11-12 | Furuno Electric Company Limited | Ship track indicating apparatus |
CN104424350A (zh) * | 2013-09-06 | 2015-03-18 | 株式会社东芝 | 知识处理装置以及方法 |
CN104063500A (zh) * | 2014-07-07 | 2014-09-24 | 联想(北京)有限公司 | 信息处理设备以及信息处理方法 |
CN107729899A (zh) * | 2016-08-11 | 2018-02-23 | 杭州海康威视数字技术股份有限公司 | 一种车牌号码识别方法及装置 |
CN112753226A (zh) * | 2018-05-18 | 2021-05-04 | 图兹公司 | 用于识别和解译嵌入式信息卡内容的机器学习 |
CN111340029A (zh) * | 2018-12-19 | 2020-06-26 | 富士通株式会社 | 用于识别收件人地址中的至少部分地址的装置和方法 |
CN109800714A (zh) * | 2019-01-22 | 2019-05-24 | 浙江华是科技股份有限公司 | 一种基于人工智能的船舶检测***及方法 |
CN109816310A (zh) * | 2019-01-22 | 2019-05-28 | 浙江华是科技股份有限公司 | 一种基于人工智能的航道船舶卡口管理***及其管理方法 |
CN109993163A (zh) * | 2019-03-19 | 2019-07-09 | 苏州大学 | 一种基于人工智能的非标铭牌识别***及其识别方法 |
CN110245613A (zh) * | 2019-06-17 | 2019-09-17 | 珠海华园信息技术有限公司 | 基于深度学习特征对比的船牌识别方法 |
CN110598693A (zh) * | 2019-08-12 | 2019-12-20 | 浙江工业大学 | 一种基于Faster-RCNN的船牌识别方法 |
CN111261165A (zh) * | 2020-01-13 | 2020-06-09 | 佳都新太科技股份有限公司 | 车站名称识别方法、装置、设备及存储介质 |
CN111797182A (zh) * | 2020-05-29 | 2020-10-20 | 深圳市跨越新科技有限公司 | 一种地址编码解析方法及*** |
CN111783695A (zh) * | 2020-07-06 | 2020-10-16 | 北京易真学思教育科技有限公司 | 文本识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
刘宝龙: "基于图像分析和深度学习的船名标识字符检测与识别研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
杨健: "DNA分类模型", 《数学的实践与认识》 * |
耿家利: "渔船轨迹大数据存储优化与行为识别技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)农业科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116543398A (zh) * | 2023-07-06 | 2023-08-04 | 浙江华是科技股份有限公司 | 一种船名和违章识别方法及*** |
CN116543398B (zh) * | 2023-07-06 | 2023-09-08 | 浙江华是科技股份有限公司 | 一种船名和违章识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113095325B (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107491752B (zh) | 一种基于深度学习的自然场景中船牌文字识别方法、装置 | |
CN108806334A (zh) | 一种基于图像的智能船舶身份识别方法 | |
CN110245613B (zh) | 基于深度学习特征对比的船牌识别方法 | |
CN110598693A (zh) | 一种基于Faster-RCNN的船牌识别方法 | |
CN109784278B (zh) | 基于深度学习的海上弱小运动船舶实时检测方法 | |
CN113450596A (zh) | 基于船舶轨迹特征点提取的时空dp方法 | |
CN113095325B (zh) | 一种船舶识别方法、装置及计算机可读存储介质 | |
CN114782770A (zh) | 一种基于深度学习的车牌检测与车牌识别方法及*** | |
CN103810487A (zh) | 一种海洋航拍图像的目标检测与识别方法及*** | |
CN116049461B (zh) | 一种基于大数据云平台的题目转化*** | |
CN115578739A (zh) | 结合rpa和ai实现ia的分类模型的训练方法及装置 | |
CN113936156A (zh) | 针对水面船舶捕鱼行为的检测识别分类方法及*** | |
CN115953744A (zh) | 一种基于深度学习的车辆识别追踪方法 | |
CN115080745A (zh) | 基于人工智能的多场景文本分类方法、装置、设备及介质 | |
CN112699908B (zh) | 标注图片的方法、电子终端、计算机可读存储介质及设备 | |
CN114898290A (zh) | 一种海上船舶实时检测方法及*** | |
CN113536948A (zh) | 一种渔船捕捞行为识别方法及装置 | |
KR101607004B1 (ko) | 선박인식장치 및 선박인식방법 | |
CN113139077B (zh) | 一种识别船舶身份的方法、装置、终端及存储介质 | |
CN109886133A (zh) | 一种基于光学遥感图像的船只检测方法及*** | |
CN113177513B (zh) | 一种安全帽佩戴检测方法、装置、设备以及存储介质 | |
CN116563869B (zh) | 页面图像文字处理方法、装置、终端设备和可读存储介质 | |
CN116052220B (zh) | 行人重识别方法、装置、设备及介质 | |
CN113033518B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN116996470B (zh) | 一种富媒体信息发送*** |
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 |