基于海事监控平台的船舶识别系统研究
发布时间：2023-02-09 12:39
水上交通是我国“大交通”概念的重要组成部分,鉴于我国具有广阔的水域,并拥有着众多的港口,对一个能用于海事监控的船舶识别系统的需求是极其强烈的,该系统能有效为水上交通安全监管提供支持,为水上交通事故提供证据,大大增强水上安保执行效率,还在一定程度上保护水文环境。相对于空中系统的背景简单化,陆地系统的规范化,水上交通因为水平面是动态变化的,而且水面环境因为光照反射导致画面亮度变化幅度较大,所以传统的水面上的目标识别等方法效果不佳。为了能解决这一问题,本文结合传统的图像处理技术与新兴的深度神经网络方法进行水面的目标识别与分割,进而为以后的水面视频图像处理等应用做好基础。本文梳理了传统技术方法在水面上的应用,并研究了深度学习技术在船舶目标图像识别上面的应用,主要工作如下:1、探究了传统的视频抓拍相关技术,并且进行了实验和比较,选择出适合水面环境的视频抓拍技术,让系统不必时刻运行目标检测程序,而是抓拍到有效的船舶图像后,再进行目标检测,有效加速了系统的运行效率。2、对多种不同的特征匹配方式进行了研究和实验比对,从中选择匹配程度高且匹配速度快的方法,充分提高数据库检索效率。3、对目标检测深度神经网...
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
第1章 引言
1.1 课题研究的背景与意义
1.1.1 概述
1.2 研究背景与意义
1.3 船舶识别研究概述及国内外研究状况
1.3.1 概述
1.3.2 研究现状
1.4 本文主要研究内容、章节安排
第2章 船舶目标抓拍相关技术
2.1 目标检测技术
2.1.1 帧差检测方法
2.1.1.1 两帧差检测法
2.1.1.2 三帧差检测法
2.1.2 HSV色彩空间检测方法
2.1.2.1 HSV色彩空间介绍
2.1.2.2 HSV色彩空间船舶目标检测
2.2 虚拟线圈目标抓拍技术
2.2.1 虚拟线圈的布设
2.2.2 虚拟线圈目标抓拍方法
2.3 本章小结
第3章 船舶定位与分割
3.1 传统目标检测算法
3.1.1 光流法
3.1.2 背景差分法
3.2 基于深度学习的目标检测算法
3.2.1 CNN概述
3.3 基于区域推荐的目标检测算法
3.3.1 基于区域推荐检测算法的基本原理
3.3.2 基于区域推荐检测算法的局限
3.3.3 非区域推荐的目标检测SSD算法
3.3.3.1 SSD算法框架概述
3.3.3.2 SSD网络结构分析
3.4 本章小结
第4章 船舶特征提取及匹配方法
4.1 图像局部特征描述子
4.1.1 SIFT特征提取的方法原理
4.1.2 SURF特征提取的方法原理
4.1.3 ORB特征提取的方法原理
4.2 特征匹配方法
4.2.1 基于Brute-Force匹配算法实现特征匹配
4.2.2 基于FLANN匹配算法实现特征匹配
4.3 本章小结
第5章 船舶分割与识别实验
5.1 虚拟线圈抓拍实验分析及结果
5.1.1 条状虚拟线圈设置及帧差法检测
5.1.2 网格虚拟线圈设置及HSV颜色空间检测
5.2 船舶目标定位与分割实验
5.2.1 针对应用场景进行训练数据集制作
5.2.2 启动SSD算法训练过程并评估和检验模型性能
5.2.3 网络模型预测结果样例分析
5.3 SIFT、SURF及 ORB特征提取及识别实验
5.3.1 船舶目标分割数据库及特征数据库的建立
5.3.2 SIFT、SURF及 ORB方法识别对比实验及分析
5.4 本章小结
第6章 系统流程和成果
6.1 本文整体流程
6.1.1 建立训练数据集
6.1.2 船舶初始数据的建立
6.1.3 抓拍区域船舶检测
6.1.4 船舶区域的定位与分割
6.1.5 船舶图像特征的提取
6.1.6 船舶特征匹配
6.2 本文具体成果
第7章 总结与展望
7.1 本文方法总结
7.2 工作展望
参考文献
后记
本文编号：3738782
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
第1章 引言
1.1 课题研究的背景与意义
1.1.1 概述
1.2 研究背景与意义
1.3 船舶识别研究概述及国内外研究状况
1.3.1 概述
1.3.2 研究现状
1.4 本文主要研究内容、章节安排
第2章 船舶目标抓拍相关技术
2.1 目标检测技术
2.1.1 帧差检测方法
2.1.1.1 两帧差检测法
2.1.1.2 三帧差检测法
2.1.2 HSV色彩空间检测方法
2.1.2.1 HSV色彩空间介绍
2.1.2.2 HSV色彩空间船舶目标检测
2.2 虚拟线圈目标抓拍技术
2.2.1 虚拟线圈的布设
2.2.2 虚拟线圈目标抓拍方法
2.3 本章小结
第3章 船舶定位与分割
3.1 传统目标检测算法
3.1.1 光流法
3.1.2 背景差分法
3.2 基于深度学习的目标检测算法
3.2.1 CNN概述
3.3 基于区域推荐的目标检测算法
3.3.1 基于区域推荐检测算法的基本原理
3.3.2 基于区域推荐检测算法的局限
3.3.3 非区域推荐的目标检测SSD算法
3.3.3.1 SSD算法框架概述
3.3.3.2 SSD网络结构分析
3.4 本章小结
第4章 船舶特征提取及匹配方法
4.1 图像局部特征描述子
4.1.1 SIFT特征提取的方法原理
4.1.2 SURF特征提取的方法原理
4.1.3 ORB特征提取的方法原理
4.2 特征匹配方法
4.2.1 基于Brute-Force匹配算法实现特征匹配
4.2.2 基于FLANN匹配算法实现特征匹配
4.3 本章小结
第5章 船舶分割与识别实验
5.1 虚拟线圈抓拍实验分析及结果
5.1.1 条状虚拟线圈设置及帧差法检测
5.1.2 网格虚拟线圈设置及HSV颜色空间检测
5.2 船舶目标定位与分割实验
5.2.1 针对应用场景进行训练数据集制作
5.2.2 启动SSD算法训练过程并评估和检验模型性能
5.2.3 网络模型预测结果样例分析
5.3 SIFT、SURF及 ORB特征提取及识别实验
5.3.1 船舶目标分割数据库及特征数据库的建立
5.3.2 SIFT、SURF及 ORB方法识别对比实验及分析
5.4 本章小结
第6章 系统流程和成果
6.1 本文整体流程
6.1.1 建立训练数据集
6.1.2 船舶初始数据的建立
6.1.3 抓拍区域船舶检测
6.1.4 船舶区域的定位与分割
6.1.5 船舶图像特征的提取
6.1.6 船舶特征匹配
6.2 本文具体成果
第7章 总结与展望
7.1 本文方法总结
7.2 工作展望
参考文献
后记
本文编号：3738782
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3738782.html
最近更新
教材专著
