專利名稱：基于特征的船舶快速識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像識(shí)別技術(shù)，尤其涉及船舶識(shí)別方法，屬于智能航運(yùn)管理技術(shù)領(lǐng)域。
背景技術(shù)：
國(guó)內(nèi)外常用的內(nèi)河船舶檢測(cè)方法，是利用計(jì)算機(jī)圖像視覺(jué)分析技術(shù)、紅外技術(shù)、射頻識(shí)別技術(shù)和傳感器技術(shù)。由于基于視頻檢測(cè)的計(jì)算機(jī)視覺(jué)技術(shù)具有檢測(cè)范圍大、提供信息豐富、安裝維修方便等優(yōu)點(diǎn)，被認(rèn)為是最有發(fā)展前景的檢測(cè)方式之一。目前，在陸上交通領(lǐng)域的智能視頻分析技術(shù)已有廣泛而較為成熟的應(yīng)用，例如對(duì)車牌的識(shí)別、車輛的跨線行駛、逆向行駛、車輛密度的監(jiān)控、違章停車等。而在水上交通領(lǐng)域，特別是船舶檢測(cè)，不能簡(jiǎn)單套用車輛識(shí)別的方式和算法，其主要原因在于水面各種光線反射和水紋變化等造成的復(fù)雜背景的剔除，以及船舶這樣的低速物體運(yùn)動(dòng)軌跡的跟蹤。同時(shí)攝像頭拍攝的信息無(wú)效信息比較多，導(dǎo)致在識(shí)別過(guò)程中過(guò)濾無(wú)效信息浪費(fèi)比較多的時(shí)間，如何能夠快速定位船舶并將船舶識(shí)別出來(lái)，是本發(fā)明的一個(gè)關(guān)鍵技術(shù)難點(diǎn)。已有的發(fā)明有同比技術(shù){I}，中國(guó)專利公開(kāi)號(hào)CN 102147859A，
公開(kāi)日2011年8月10日，發(fā)明名稱為《一種船舶監(jiān)控方法》，該申請(qǐng)公開(kāi)了目標(biāo)識(shí)別方法和目標(biāo)跟蹤方法，目標(biāo)識(shí)別方法截取實(shí)時(shí)視頻圖像與背景圖像做差分運(yùn)算并進(jìn)行二值化后使用區(qū)域生長(zhǎng)算法得到船舶目標(biāo)，對(duì)識(shí)別到的船舶目標(biāo)進(jìn)行目標(biāo)跟蹤及鎖定。其采用的背景差法首先選取背景中的一幅或幾幅圖像的平均作為背景圖像，然后把以后的序列圖像當(dāng)前幀和背景圖像相減，進(jìn)行背景消去。若所得到的像素?cái)?shù)大于某一閾值，則判定被監(jiān)視場(chǎng)景中有運(yùn)動(dòng)物體，從而得到運(yùn)動(dòng)目標(biāo)。這種差分法對(duì)于復(fù)雜背景下的運(yùn)動(dòng)物體檢測(cè)效果較好，一般能夠提供最完整的特征數(shù)據(jù)，計(jì)算量小，實(shí)用價(jià)值大。缺點(diǎn)是受光線、天氣等外界條件的影響較大，而且只能識(shí)別運(yùn)動(dòng)中物體，對(duì)于靜止或運(yùn)動(dòng)速度過(guò)慢的物體識(shí)別效果不好。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種通過(guò)船舶特征能夠快速的從航道中將船舶識(shí)別處理、便于后臺(tái)智能分析、進(jìn)行統(tǒng)計(jì)分析、系統(tǒng)對(duì)識(shí)別的結(jié)果迅速分析的基于特征的船舶快速識(shí)別方法。為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為基于特征的船舶快速識(shí)別方法，其特征在于，包括如下步驟步驟一手動(dòng)標(biāo)注船舶特征并建立船舶特征庫(kù)；步驟二 通過(guò)船舶特征庫(kù)的正負(fù)樣本學(xué)習(xí)訓(xùn)練基于船舶特征的決策樹(shù)分類器；步驟三通過(guò)航道沿岸前端攝像頭拍攝獲得具航道船舶信息的視頻采集圖像，對(duì)視頻采集圖像進(jìn)行圖像分割，過(guò)濾非航道信息，保留有效的識(shí)別區(qū)域的圖像信息；步驟四將有效的識(shí)別區(qū)域的圖像信息進(jìn)行分塊特征提??；
步驟五采用決策樹(shù)分類器將提取的分塊特征與船舶特征庫(kù)對(duì)比。前述的基于特征的船舶快速識(shí)別方法，其特征在于上述第一步建立船舶特征庫(kù)的具體過(guò)程如下步驟一從視頻中取一幀圖像，對(duì)圖像進(jìn)行分塊，塊大小設(shè)定為16*16 ；步驟二 對(duì)于每個(gè)圖像塊的類型進(jìn)行手動(dòng)標(biāo)注，以得到訓(xùn)練樣本的監(jiān)督信息；用紅色圖像塊標(biāo)注為船的部分，綠色圖像塊標(biāo)注為水面部分，藍(lán)色圖像塊標(biāo)注為其他部分，不參與計(jì)算；步驟三將手動(dòng)標(biāo)注的結(jié)果分別保存為船舶和非船舶的正負(fù)樣本文件。前述的基于特征的船舶快速識(shí)別方法，其特征在于設(shè)定4種航道的亮度等級(jí)，分別為“晴天”、“陰天”、“最暗”和“最亮”，用以概括一天中所有的光照條件；根據(jù)光照條件的不同，需要建立不同光照條件的船舶特征庫(kù)，并由此訓(xùn)練得出不同光照情況下的決策樹(shù)分類器。前述的基于特征的船舶快速識(shí)別方法，其特征在于在自動(dòng)識(shí)別過(guò)程中，定期的根據(jù)航道的亮度等級(jí)進(jìn)行分類器選擇；統(tǒng)計(jì)獲取航道河面區(qū)域內(nèi)的32維灰度直方圖，直方圖歸一化，獲取直方圖中最大柱值的位置，根據(jù)直方圖最大柱值的位置L，來(lái)判斷光照條件是否合適和選擇不同的分類器；當(dāng)5〈L〈=10時(shí)，選擇加載“最暗”天氣的分類器；當(dāng)10〈L〈=15時(shí)，選擇加載“陰天”天氣的分類器；當(dāng)15〈L〈=20時(shí)，選擇加載“晴天”天氣的分類器；當(dāng)201〈=25時(shí)，選擇加載“最亮”天氣的分類器；iL〈=5或者L>25時(shí)，則光照太暗或太亮，條件不滿足識(shí)別要求。前述的基于特征的船舶快速識(shí)別方法，其特征在于在步驟五中，當(dāng)分塊特征滿足和水特征相似比例超過(guò)50%，判定為水，反之繼續(xù)和船舶特征進(jìn)行比對(duì)；當(dāng)分塊特征滿足和船舶特征相似比例超過(guò)50%，判斷為船舶并將船舶特征存儲(chǔ)入船舶特征庫(kù)，反之即為噪點(diǎn)。本發(fā)明能夠快速的從航道中將船舶識(shí)別處理，便于后臺(tái)智能分析和統(tǒng)計(jì)分析，系統(tǒng)對(duì)識(shí)別的結(jié)果迅速分析，以便于糾正識(shí)別錯(cuò)誤。


圖1是決策樹(shù)方式進(jìn)行船舶特征匹配示意圖；圖2是快速船舶識(shí)別方法流程圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述?；谔卣鞯拇翱焖僮R(shí)別方法，其特征在于，包括如下步驟步驟一手動(dòng)標(biāo)注船舶特征并建立船舶特征庫(kù)；步驟二 通過(guò)船舶特征庫(kù)的正負(fù)樣本學(xué)習(xí)訓(xùn)練基于船舶特征的決策樹(shù)分類器；步驟三通過(guò)航道沿岸前端攝像頭拍攝獲得具航道船舶信息的視頻采集圖像，對(duì)視頻采集圖像進(jìn)行圖像分割，過(guò)濾非航道信息，保留有效的識(shí)別區(qū)域的圖像信息；步驟四將有效的識(shí)別區(qū)域的圖像信息進(jìn)行分塊特征提??；步驟五采用決策樹(shù)分類器將提取的分塊特征與船舶特征庫(kù)對(duì)比。上述第一步建立船舶特征庫(kù)的具體過(guò)程如下
步驟一從視頻中取一幀圖像，對(duì)圖像進(jìn)行分塊，塊大小設(shè)定為16*16 ；步驟二 對(duì)于每個(gè)圖像塊的類型進(jìn)行手動(dòng)標(biāo)注，以得到訓(xùn)練樣本的監(jiān)督信息；用紅色圖像塊標(biāo)注為船的部分，綠色圖像塊標(biāo)注為水面部分，藍(lán)色圖像塊標(biāo)注為其他部分，不參與計(jì)算；步驟三將手動(dòng)標(biāo)注的結(jié)果分別保存為船舶和非船舶的正負(fù)樣本文件。對(duì)于普通的攝像頭，光照的變化其實(shí)是一個(gè)非?？量痰臈l件，特別是水面各種光線反射和水紋變化等原因造成的復(fù)雜背景剔除，應(yīng)該說(shuō)處理起來(lái)是更加困難的。為了減少光照變化所帶來(lái)的困難，我們?cè)O(shè)定4種光照條件，分別為“晴天”、“陰天”、“最暗”和“最亮”，用以概括一天中所有的光照條件。根據(jù)光照條件的不同，我們往往需要建立不同光照條件的船舶特征庫(kù)；并由此訓(xùn)練得出不同光照情況下的決策樹(shù)分類器。在自動(dòng)識(shí)別過(guò)程中，定期的根據(jù)航道的亮度等級(jí)進(jìn)行分類器選擇；統(tǒng)計(jì)獲取航道河面區(qū)域內(nèi)的32維灰度直方圖，直方圖歸一化，獲取直方圖中最大柱值的位置，根據(jù)直方圖最大柱值的位置L，來(lái)判斷光照條件是否合適和選擇不同的分類器；當(dāng)5〈L〈=10時(shí)，選擇加載“最暗”天氣的分類器；當(dāng)10〈L〈=15時(shí)，選擇加載“陰天”天氣的分類器；當(dāng)15〈L〈=20時(shí)，選擇加載“晴天”天氣的分類器；當(dāng)201〈=25時(shí)，選擇加載“最亮”天氣的分類器；iL〈=5或者L>25時(shí)，則光照太暗或太亮，條件不滿足識(shí)別要求?；谔卣鞯目焖俅白R(shí)別方法的步驟一、步驟四需要進(jìn)行船舶特征提取。步驟三涉及圖像分割和識(shí)別區(qū)域過(guò)濾，步驟五采用決策樹(shù)分類器將提取的分塊圖像特征與船舶特征庫(kù)對(duì)比。下面詳述這三種過(guò)程。I船舶特征提取方法圖像特征是從一副數(shù)字圖像中的有區(qū)別度的原始特征或?qū)傩浴Ｓ蓤D像的視覺(jué)外形定義的特征稱為自然特征，人工特征則是由圖像的特定操作得到的。自然特征包括像素區(qū)域的亮度和紋理區(qū)域的灰度。而圖像的幅度直方圖及空間頻譜則屬于人工特征。圖像特征在圖像分割(將圖像劃分為具有相同屬性的區(qū)域)和圖像分類(圖像分割后對(duì)區(qū)域的標(biāo)識(shí))技術(shù)上有非常大的作用。目前有兩種圖像特征的定量的方法原型性能和品質(zhì)因數(shù)。在圖像分類的原型性能方法中，分類程序?qū)⑹褂酶鞣N接受評(píng)估的特征來(lái)分類一副原型圖像(圖像中的區(qū)域已被獨(dú)立歸類)。這樣就可以測(cè)量出每個(gè)特征集的分類錯(cuò)誤，其中分類錯(cuò)誤最少的特征集合即是最好的。圖像分割的原型性能方法大體相同，分割程序?qū)⑹褂靡幌盗械臏y(cè)試特征集來(lái)對(duì)原型圖像(圖像中區(qū)域已被獨(dú)立標(biāo)識(shí))進(jìn)行分割。將分割結(jié)果與已知的分割進(jìn)行比較即可得到分割錯(cuò)誤。原型數(shù)據(jù)的完整性以及性能指標(biāo)不僅與特征的質(zhì)量相關(guān)，也取決于分類器或分割器的性能，這些都是特征評(píng)估的原型性能存在的問(wèn)題。特征評(píng)估的品質(zhì)因數(shù)方法包含了在圖像特征征集間進(jìn)行一些功能性的距離測(cè)度，距離越大則表明低分類錯(cuò)誤率越低，反之亦然。2識(shí)別區(qū)域過(guò)濾方法通過(guò)航道沿岸前端攝像頭拍攝的航道船舶行駛圖像信息中包含大量的非航道信息，即兩側(cè)沿岸的樹(shù)木、道路、行駛的車輛、行走的行人已經(jīng)周邊的建筑等信息都會(huì)影響到識(shí)別結(jié)果；因此，通過(guò)有效的方法快速將無(wú)用的信息過(guò)濾掉，從而不干擾識(shí)別結(jié)果。首先將有效的識(shí)別區(qū)域從圖像中分離出來(lái)，過(guò)濾掉影響識(shí)別結(jié)果的區(qū)域數(shù)據(jù)；保留下來(lái)的區(qū)域?yàn)樾枰R(shí)別的最終區(qū)域。識(shí)別結(jié)果的分離主要采用圖像分割算法，通過(guò)水流、沿岸等不同的特征信息，將航道即河流區(qū)域分離處理；在分離過(guò)程中需要考慮河流流動(dòng)、沿岸樹(shù)木倒影、不同的光照情況、攝像頭拍攝的角度等諸多因素的影響。同時(shí)，分離的后結(jié)果在不完全滿足最終的結(jié)果的情況下，后期的識(shí)別過(guò)程中需要對(duì)前期的分離結(jié)果不斷糾正，糾正后的結(jié)果被實(shí)時(shí)進(jìn)行存儲(chǔ)，直到最終形成準(zhǔn)確的識(shí)別區(qū)域過(guò)濾結(jié)果。對(duì)于標(biāo)清的視頻圖像(704*576)，幀率為25幀/秒；使用圖像分離技術(shù)，一般可以過(guò)濾到無(wú)效的識(shí)別區(qū)域?yàn)?0%以上。3船舶特征匹配方法首先將有效的識(shí)別區(qū)域的圖像信息進(jìn)行分塊特征提取，并將提取后的結(jié)果與船舶特征進(jìn)行對(duì)比；特征對(duì)比采用決策樹(shù)方式。決策樹(shù)判斷層次由船舶特征庫(kù)決定，決策樹(shù)層次越高，針對(duì)船舶識(shí)別的準(zhǔn)確率越高，但是會(huì)導(dǎo)致識(shí)別效率的效率下降。決策分類樹(shù)等級(jí)在6級(jí)的情況下，針對(duì)單一分塊16X16區(qū)域，識(shí)別時(shí)間為50微妙以下；一張視頻圖像(704*576)，一般識(shí)別時(shí)間為70毫秒以下。如果在識(shí)別過(guò)程中將無(wú)效的識(shí)別區(qū)域過(guò)濾后，船舶快速識(shí)別時(shí)間會(huì)被控制在40毫秒以下；這樣,針對(duì)標(biāo)清的視頻圖像(704*576)，幀率為25幀/秒，船舶的識(shí)別結(jié)果看起來(lái)非常流暢。實(shí)施例1如圖1所示，將有效的識(shí)別區(qū)域的圖像信息進(jìn)行分塊特征提取，并將提取后的結(jié)果在船舶特征庫(kù)中進(jìn)行比對(duì)，當(dāng)該分塊特征滿足和水特征相似比例超過(guò)50%，即為水，反之繼續(xù)和船舶特征進(jìn)行比對(duì)；當(dāng)該分塊特征滿足和船舶特征相似比例超過(guò)50%，即為船舶，反之即為噪點(diǎn)。實(shí)施例2如圖2所示檢測(cè)流程如下視頻航道圖像首先需要提取船舶特征并建立船舶特征庫(kù)，船舶特征庫(kù)的容量取決于光照、攝像頭位置、識(shí)別準(zhǔn)確等相關(guān)信息；船舶特征庫(kù)建立完成后，就可以完成船舶識(shí)別。視頻采集圖像首先經(jīng)過(guò)圖像分割，將無(wú)效的視頻信息從待識(shí)別圖像中分類后，然后針對(duì)有效信息進(jìn)行識(shí)別船舶特征提取，提取后的信息與船舶特征庫(kù)進(jìn)行對(duì)比，如果判斷是船舶，則進(jìn)行船舶特征存儲(chǔ)；如果不是，則進(jìn)行下一步圖像分析，同時(shí)船舶特征提取后，也進(jìn)行下一步圖像分析。上述實(shí)施例不以任何形式限制本發(fā)明，凡采用等同替換或等效變換的方式所獲得的技術(shù)方案，均落在本發(fā)明的保護(hù)范圍。
權(quán)利要求
1.基于特征的船舶快速識(shí)別方法，其特征在于，包括如下步驟步驟一手動(dòng)標(biāo)注船舶特征并建立船舶特征庫(kù)；步驟二 通過(guò)船舶特征庫(kù)的正負(fù)樣本學(xué)習(xí)訓(xùn)練基于船舶特征的決策樹(shù)分類器；步驟三通過(guò)航道沿岸前端攝像頭拍攝獲得具航道船舶信息的視頻采集圖像，對(duì)視頻采集圖像進(jìn)行圖像分割，過(guò)濾非航道信息，保留有效的識(shí)別區(qū)域的圖像信息；步驟四將有效的識(shí)別區(qū)域的圖像信息進(jìn)行分塊特征提取；步驟五采用決策樹(shù)分類器將提取的分塊特征與船舶特征庫(kù)對(duì)比。
2.根據(jù)權(quán)利要求1所述的基于特征的船舶快速識(shí)別方法，其特征在于上述第一步建立船舶特征庫(kù)的具體過(guò)程如下步驟一從視頻中取一幀圖像，對(duì)圖像進(jìn)行分塊，塊大小設(shè)定為16*16 ；步驟二 對(duì)于每個(gè)圖像塊的類型進(jìn)行手動(dòng)標(biāo)注，以得到訓(xùn)練樣本的監(jiān)督信息；用紅色圖像塊標(biāo)注為船的部分，綠色圖像塊標(biāo)注為水面部分，藍(lán)色圖像塊標(biāo)注為其他部分，不參與計(jì)算;步驟三將手動(dòng)標(biāo)注的結(jié)果分別保存為船舶和非船舶的正負(fù)樣本文件。
3.根據(jù)權(quán)利要求1所述的基于特征的船舶快速識(shí)別方法，其特征在于設(shè)定4種航道的亮度等級(jí)，分別為“晴天”、“陰天”、“最暗”和“最亮”，用以概括一天中所有的光照條件；根據(jù)光照條件的不同，需要建立不同光照條件的船舶特征庫(kù)，并由此訓(xùn)練得出不同光照情況下的決策樹(shù)分類器。
4.根據(jù)權(quán)利要求1所述的基于特征的船舶快速識(shí)別方法，其特征在于在自動(dòng)識(shí)別過(guò)程中，定期的根據(jù)航道的亮度等級(jí)進(jìn)行分類器選擇；統(tǒng)計(jì)獲取航道河面區(qū)域內(nèi)的32維灰度直方圖，直方圖歸一化，獲取直方圖中最大柱值的位置，根據(jù)直方圖最大柱值的位置L，來(lái)判斷光照條件是否合適和選擇不同的分類器；當(dāng)5〈L〈=10時(shí)，選擇加載“最暗”天氣的分類器；當(dāng)10〈L〈=15時(shí)，選擇加載“陰天”天氣的分類器；當(dāng)15〈L〈=20時(shí)，選擇加載“晴天”天氣的分類器；當(dāng)20〈L〈=25時(shí)，選擇加載“最亮”天氣的分類器；當(dāng)L〈=5或者L>25時(shí)，則光照太暗或太亮，條件不滿足識(shí)別要求。
5.根據(jù)權(quán)利要求1所述的基于特征的船舶快速識(shí)別方法，其特征在于在步驟五中，當(dāng)分塊特征滿足和水特征相似比例超過(guò)50%，判定為水，反之繼續(xù)和船舶特征進(jìn)行比對(duì)；當(dāng)分塊特征滿足和船舶特征相似比例超過(guò)50%，判斷為船舶并將船舶特征存儲(chǔ)入船舶特征庫(kù)，反之即為噪點(diǎn)。
全文摘要
本發(fā)明涉及一種圖像識(shí)別技術(shù)，尤其涉及基于特征的船舶快速識(shí)別方法，包括如下步驟步驟一手動(dòng)標(biāo)注船舶特征并建立船舶特征庫(kù)；步驟二通過(guò)船舶特征庫(kù)的正負(fù)樣本學(xué)習(xí)訓(xùn)練基于船舶特征的決策樹(shù)分類器；步驟三通過(guò)航道沿岸前端攝像頭拍攝獲得具航道船舶信息的視頻采集圖像，由分割器對(duì)視頻采集圖像進(jìn)行圖像分割，過(guò)濾非航道信息，保留有效的識(shí)別區(qū)域的圖像信息；步驟四將有效的識(shí)別區(qū)域的圖像信息進(jìn)行分塊特征提?。徊襟E五采用決策樹(shù)分類器將提取的分塊特征與船舶特征庫(kù)對(duì)比。本發(fā)明能夠快速的從航道中將船舶識(shí)別處理，便于后臺(tái)智能分析和統(tǒng)計(jì)分析，系統(tǒng)對(duì)識(shí)別的結(jié)果迅速分析，以便于糾正識(shí)別錯(cuò)誤。
文檔編號(hào)G06K9/62GK103034870SQ20121054364
公開(kāi)日2013年4月10日 申請(qǐng)日期2012年12月14日 優(yōu)先權(quán)日2012年12月14日
發(fā)明者王迅, 趙云飛, 趙筠 申請(qǐng)人:南京思創(chuàng)信息技術(shù)有限公司