CN112257667A - 一种小型船只检测方法、装置、电子设备及存储介质 - Google Patents
一种小型船只检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112257667A CN112257667A CN202011263210.1A CN202011263210A CN112257667A CN 112257667 A CN112257667 A CN 112257667A CN 202011263210 A CN202011263210 A CN 202011263210A CN 112257667 A CN112257667 A CN 112257667A
- Authority
- CN
- China
- Prior art keywords
- ship
- interest
- region
- small
- image
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Abstract
本发明实施例提供了一种小型船只检测方法、装置、电子设备及存储介质。该方法包括:获取摄像头拍摄到的船只影像和红外探头采集到的红外影像,其中,船只影像和红外影像所抓取影像的视角大小相等、方向相同;获取船只影像中的感兴趣区域;提取红外影像中的小型船只位置;基于船只位置判断所述小型船只是否处于感兴趣区域;当小型船只处于感兴趣区域时,对感兴趣区域进行预处理,得到处理后的感兴趣区域;将处理后的感兴趣区域输入到预先构建的船只识别模型,进行小型船只检测。通过实施该方法,能够对小型船只位置进行精准地定位,提高了小型船只检测的准确性。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种小型船只检测方法、装置、电子设备及存储介质。
背景技术
随着自动化技术的飞速发展,信息技术、数字图像处理技术已经被大量应用到交通、医学、军事等各个领域,在目前的电子围网业务中,同样也离不开信息技术、数字图像处理技术,尤其是在船只检测方面。但是在对于小型船只进行检测时,由于船只在摄像头中显示太小,船只特征信息不明显,无法准确地对小型船只进行识别检测。
现有技术中对于小型船只的检测,采用的是基于用单一的目标框锁定小型船只的位置,然后再对目标框进行放大处理。基于此方法,因为小型船只在船只影像中目标太小,容易和周围的其他地物相混淆,很难实现小型船只的精准定位,对于小型船只的检测的准确性也就会随之降低。
因此,为实现小型船只的精准检测,如何在船只影像中对小型船只实现精准的定位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小型船只检测方法、装置、电子设备及存储介质,以解决现有技术中小型船只识别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小型船只检测方法,包括如下步骤:获取摄像头拍摄到的船只影像和红外探头采集到的红外影像,其中,所述船只影像和所述红外影像所抓取影像的视角大小相等、方向相同;获取所述船只影像中的感兴趣区域;提取所述红外影像中的小型船只位置;基于所述船只位置判断所述小型船只是否处于所述感兴趣区域;当所述小型船只处于所述感兴趣区域时,对所述感兴趣区域进行预处理,得到处理后的感兴趣区域;将所述处理后的感兴趣区域输入到预先构建的船只识别模型,进行小型船只检测。
本发明实施例提供的一种小型船只检测方法,基于摄像头拍摄的船只影像和红外探头采集到的红外影像对小型船只的位置进行初步确定,得到感兴趣区域,然后对感兴趣区域进行数字图像处理,得到清晰并且边界明显的船只影像,然后将该船只影像输入预先训练的船只识别模型中,对船只进行识别,得到船只检测结果。通过将红外影像对感兴趣区域的比对能够得到小型船只具体准确的位置,并且能够排除船只影像中其它与小型船只相似的地物的干扰,能够保证后续船只检测的有效性,提高了船只识别的准确性。
结合第一方面,在第一方面第一实施例中,所述基于所述船只位置判断所述小型船只是否处于所述感兴趣区域,包括:建立所述摄像头和所述红外探头的共同视角下的坐标系;计算所述感兴趣区域在所述坐标系下的第一坐标区间,以及所述红外影像中的小型船只位置在所述坐标系下的第二坐标区间;计算所述第一坐标区间和所述第二坐标区间的重叠率;当所述重叠率达到预设阈值时,确定所述小型船只处于所述感兴趣区域内。
本发明实施例提供的小型船只检测方法,在判断船只位置是否位于所述感应器区域时,采用了结合对感兴趣区域和红外影像中小型船只位置坐标区间的计算,然后在两坐标区间之间的重叠率,判断小型船只位置是否处于感兴趣区域,并且通过设定预设阈值对重叠率进行限定,消除了红外影像和感兴趣区域提取的差异,保证船只位置能够准确的定位,提高了小型船只检测的准确性。
结合第一方面,在第一方面第二实施例中,所述对所述感兴趣区域进行预处理,包括:对所述感兴趣区域进行放大处理,得到放大后的感兴趣区域;对所述放大后的感兴趣区域进行像素插值处理,得到高分辨率的感兴趣区域。
本发明实施例提供的小型船只检测方法,在确定小型船只位置所在的感兴趣区域之后,对提取的感兴趣区域进行了数字图像处理,因为小型船只本身具有区域太小的特点,与之对应的感兴趣区域也通用具有目标区域太小的特点,因此需要对感兴趣区域进行放大处理,放大后的图像会有一些像素缺失,为了保证方法后的图像能够清晰的显示,通过对放大后的感兴趣区域进行像素插值处理,已得到高分辨率的感兴趣区域,保证后续对感兴趣区域的识别能够有效快速地进行,提高了小型船只检测的准确性。
结合第一方面第二实施例,在第一方面第三实施例中,还包括:对所述感兴趣区域进行图像增强处理,以增强所述小型船只的图像边界。
结合第一方面第三实施例,在第一方面第四实施例中,所述对所述感兴趣区域进行图像增强处理,包括:提取所述感兴趣区域的边界;对所述感兴趣区域的边界进行锐化处理。
本发明实施例提供的小型船只检测方法,对感兴趣区域进行放大处理之后,为了消除感兴趣区域影像中的噪声,提取有效的船只影像信息,采用对感兴趣区域进行图像增强处理,锐化感兴趣区域的边缘,排除其他具有相似像素的地物的干扰,同时增强边界也能够保证感兴趣区域影像中的船只特征信息能够更好地识别,保证了船只识别的有效性,提高了小型船只检测的准确性。
结合第一方面,在第一方面第五实施例中,所述获取所述船只影像中的感兴趣区域,包括:定义感兴趣区域在所述船只影像中的大小;对所述船只影像进行处理生成与所述定义的感兴趣区域同等大小的掩模图像;通过图像位操作和所述生成的掩模图像,对所述船只影像进行感兴趣区域提取。
结合第一方面,在第一方面第六实施例中所述将所述处理后的感兴趣区域输入到预先构建的船只识别模型之前,还包括:获取多个船只影像;根据所述多个船只影像的船只类型进行分类,并对所有船只影像上的船只位置进行标注,得到用于训练模型的船只影像样本集;利用所述船只影像样本集对初始神经网络模型进行训练,得到用于检测船只影像上船只识别模型。
根据第二方面,本发明实施例提供了一种小型船只检测装置,包括:第一获取模块,用于获取摄像头拍摄到的船只影像和红外探头采集到的红外影像,其中,所述船只影像和所述红外影像所抓取影像的视角大小相等、方向相同;第二获取模块,用于获取所述船只影像中的感兴趣区域;提取模块,用于提取所述红外影像中的小型船只位置;判断模块,用于基于所述船只位置判断所述小型船只是否处于所述感兴趣区域;处理模块,用于当所述小型船只处于所述感兴趣区域时,对所述感兴趣区域进行预处理,得到处理后的感兴趣区域;检测模块,用于将所述处理后的感兴趣区域输入到预先构建的船只识别模型,进行小型船只检测。
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小型船只检测方法。
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小型船只检测方法。
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中小型船只检测方法的一个具体示例的流程图;
图2为本发明实施例1中小型船只检测方法中感兴趣区域获取的一个具体示例的流程图;
图3为本发明实施例1中小型船只检测方法中感兴趣区域判断的一个具体示例的流程图;
图4为本发明实施例1中小型船只检测方法中船只识别模型构建的一个具体示例的流程图;
图5为本发明实施例2中小型船只检测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
本实施例提供一种小型船只检测方法,用于对小型船只的检测。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系统中执行,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:
S10,获取摄像头拍摄到的船只影像和红外探头采集到的红外影像,其中,所述船只影像和所述红外影像所抓取影像的视角大小相等、方向相同;
本发明实施例提供的小型船只检测方法,结合摄像头拍摄到的船只影像和红外探头采集到的红外影像对船只位置进行确定,为了保证红外影像和船只影像之间比对出现误差,在对红外影像和船只影像的抓取过程中,优先对抓取的视角以及方向进行同步锁定,利用红外影像中的准确明显的船只位置对摄像头拍摄到的船只影像中的船只位置进行定位,进一步地保证了船只位置的精准定位,为后续船只的检测提供了保障,提高了船只检测的准确性。
S11,获取所述船只影像中的感兴趣区域;
S12,提取所述红外影像中的小型船只位置;
本发明实施例提供的小型船只检测方法,基于红外探头得到的红外影像,对于小型船只位置的识别具有唯一性,不会存在其它地物的干扰,为后续感兴趣区域筛选提供了保障,能够实现船只位置的精准定位,提高了小型船只检测的准确性。
S13,基于所述船只位置判断所述小型船只是否处于所述感兴趣区域;
S14,当所述小型船只处于所述感兴趣区域时,对所述感兴趣区域进行预处理,得到处理后的感兴趣区域;
S15,将所述处理后的感兴趣区域输入到预先构建的船只识别模型,进行小型船只检测。
本发明实施例提供的小型船只检测方法,基于红外探头得到的红外影像对船只位置识别的唯一性和多个疑似船只位置的感兴趣区域的提取,通过红外影像中唯一的船只位置和多个感兴趣区域的对比,能够准确的得到船只位置所在的区域,实现船只位置的精准定位,然后对船只位置所在的感兴趣区域进行图像处理,得到高分辨率并且轮廓明显的包含船只的感兴趣区域,并将该感兴趣区域输入到预先构建的船只识别模型中对船只进行识别,达到小型船只检测的目的,提高了小型船只检测的准确性。
优选地,如图2所示,在实现上述S11获取船只影像中感兴趣区域时,包括以下步骤:
S111,定义感兴趣区域在所述船只影像中的大小;
S112,对所述船只影像进行处理生成与所述定义的感兴趣区域同等大小的掩模图像;
S113,通过图像位操作和所述生成的掩模图像,对所述船只影像进行感兴趣区域提取。
具体地,因为船只目标太小,无法准确识别船只影像中的船只位置,因此可以在对船只影像中疑似船只位置处进行选定,可以采用矩形对船只位置进行框选,作为感兴趣区域;然后将船只影像处理为像素值全为零的掩模图像,用白色画出框选的感兴趣区域边界,选取框选的感兴趣区域的中心点为种子点,使用漫水填充算法将框选的感兴趣区域的内部填充为白色,得到最后感兴趣区域的掩模图像,实现感兴趣区域提取。本发明实施例对船只位置的框选方式与形状不做限定,可以根据需要确定。
本发明实施例提供的小型船只检测方法,采用对船只影像中的船只位置进行感兴趣区域提取,排除了其他与小型船只混淆可能性较小的地物的干扰,能够初步锁定船只位置,因为船只影像比较模糊,为了防止船只位置锁定的不准确,将与疑似小型船只的地物全部作为了感兴趣区域进行提取,为后面实现最终船只位置的锁定奠定了基础,保证了船只位置的精准定位,提高了船只检测的准确性。
优选地,如图3所示,为实现上诉S13中对小型标船只是否处于所述感兴趣区域的判断时,包括以下步骤:
S131,建立所述摄像头和所述红外探头的共同视角下的坐标系;
S132,计算所述感兴趣区域在所述坐标系下的第一坐标区间,以及所述红外影像中的小型船只位置在所述坐标系下的第二坐标区间;
S133,计算所述第一坐标区间和所述第二坐标区间的重叠率;
S134,当所述重叠率达到预设阈值时,确定所述小型船只处于所述感兴趣区域内。
具体地,建立摄像头和红外探头的共同视角下的坐标系A、B,然后分别计算上述提取的多个感兴趣区域在坐标系A上的坐标区间,得到第一坐标区间,例如,得到的第一坐标区间分别为a1、a2、a3;计算红外影像中的小型船只位置在坐标系B上的坐标区间,得到第二坐标区间b;然后分别计算第一坐标区间a1、a2、a3与第二坐标区间b的重叠率,当重叠率达到预设阈值时,确定船只处于该感兴趣区域,例如第二坐标区间b与第一坐标区间a1、a2、a3的重叠率分别为80%,75%,96%,预设阈值为90%,那么船只处于第一坐标区间a3所表示的感兴趣区域。本发明实施例对重叠率的计算方式和预设阈值不做限定,可以根据需要确定。
本发明实施例提供的小型船只检测方法,通过对抓取影像的视角大小相等、方向相同的船只影像和红外影像进行在共同视角下建立坐标系,能够保证第一坐标区间与第二坐标区间的比对有效地进行,对船只位置进行精准的定位。由于上述对感兴趣区域进行提取时,提取了疑似小型船只的多个地物所在区域作为感兴趣区域,因此可能会含有多个第一坐标区间,这也为船只位置识别提供了保障性,防止因为视觉误差对船只位置所在的感兴趣区域提取错误,导致后面的船只检测无法实现,提高了船只检测的准确性。
优选地,为实现上述S14中对感兴趣区域的预处理,包括以下步骤:
S141,对所述感兴趣区域进行放大处理,得到放大后的感兴趣区域;
S142,对所述放大后的感兴趣区域进行像素插值处理,得到高分辨率的感兴趣区域。
具体地,可以采用双线性插值算法对所述放大后的感兴趣区域进行像素插值处理。具体步骤为:选取原始感兴趣区域中相邻的四个像素点P1、P2、P3、P4,选择放大后的四个像素点之间未知的像素点G,并找到其在原始感兴趣区域上的位置,插值计算P1和P2两点对G点影响得到的e点的值,插值计算出P3和P4两点对G点的影响得到f点的值,比较e、f两点对G点的影响值,选择影响值较大的点的像素值对G点进行填充。本发明实施例对像素插值方法不做限定,可以根据需要确定。
本发明实施例提供的小型船只检测方法,在对于感兴趣区域进行放大之后可能会存在像素丢失,像素分布不均匀的情况,对于放大后的感兴趣区域为了保证能够得到高分辨率的影像,需要进行像素插值处理,通过像素插值能够提高放大后的感兴趣区域的分辨率,能够保证后面船只识别时能清晰地识别船只的特征信息,提高了船只检测的准确性。
优选地,在实现上述S14中对感兴趣区域的预处理时,还包括对所述感兴趣区域进行图像增强处理,以增强所述小型船只的图像边界。具体步骤如下:
S41,提取所述感兴趣区域的边界;
S42,对所述感兴趣区域的边界进行锐化处理。
具体地,通过对感兴趣区域边界周围的像素点进行灰度值计算,然后确定边界像素点灰度值在某个方向上的梯度值,梯度值大则说明该像素点所在位置为边界,然后对该像素点进行梯度锐化。具体计算方式可以为:
其中,G(i,j)为对边界锐化后的像素值,H(i,j)为边界像素点与周围像素点灰度值的梯度值,具体计算可以为:
H(i,j)=sqrt{[f(i,j)-f(i,j-1)]*[f(i,j)-f(i,j-1)]+[f(i,j)-f(i-1,j)]*[f(i,j)-f(i-1,j)]}
其中,f(i,j)为边界像素点的灰度值,f(i,j-1)、f(i-1,j)为边界像素点周围像素点的灰度值。本发明实施例对感兴趣区域边界梯度锐化和梯度值计算方法不做限定,可以根据需要确定。
本发明实施例提供的小型船只检测方法,通过对边界进行微分运算后,判断边界像素点在某一方向上变化量,确定变化量明显的像素点所在区域为边界,然后边界像素点与周围像素点的梯度值进行梯度锐化,增强边缘,得到具有明显轮廓的感兴趣区域,能够保证感兴趣区域内的船只边缘特征能够被准确地识别,提高了船只检测的准确性。
可选地,如图4所示,对于上述S15中船只识别模型的构建包括如下步骤:
S31,获取多个船只影像;
S32,根据所述多个船只影像的船只类型进行分类,并对所有船只影像上的船只位置进行标注,得到用于训练模型的船只影像样本集;
S33,利用所述船只影像样本集对初始神经网络模型进行训练,得到用于检测船只影像上船只识别模型。
本发明实施例提供的小型船只检测方法,对于神经网络的构建不作限定,对于感兴趣区域的识别检测,具体地,可以根据感兴趣区域中船只特征信息进行识别,具体步骤在现有技术中已经有许多概述,此处不再赘述。
本发明实施例提供的小型船只检测方法,通过相同的船只影像获取视角大小和方向,利用红外探头获取的红外影像能够对船只位置所在区域进行初步确定,并且识别位置具有唯一性,能够对疑似小型船只的多个感兴趣区域进行筛选,精准的确定小型船只在船只影像中的位置,并通过对小型船只所在的感兴趣区域进行放大和增强处理,使得船只特征信息足够清晰,容易被识别,解决了现有技术中小型船只在船只影像中显示太小,船只特征信息不明显的技术问题,提高了小型船只检测准确性。
实施例2
在本实施例中提供了一种小型船只检测装置,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小型船只检测装置,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小型船只检测方法。如图5所示,该装置包括:第一获取模块10,第二获取模块20,提取模块30,判断模块40,处理模块50,检测模块60。
第一获取模块10,用于获取摄像头拍摄到的船只影像和红外探头采集到的红外影像,其中,所述船只影像和所述红外影像所抓取影像的视角大小相等、方向相同;
第二获取模块20,用于获取所述船只影像中的感兴趣区域;
提取模块30,用于提取所述红外影像中的小型船只位置;
判断模块40,用于基于所述船只位置判断所述小型船只是否处于所述感兴趣区域;
处理模块50,用于当所述小型船只处于所述感兴趣区域时,对所述感兴趣区域进行预处理,得到处理后的感兴趣区域;
检测模块60,用于将所述处理后的感兴趣区域输入到预先构建的船只识别模型,进行小型船只检测。
本发明实施例提供的小型船只检测装置,通过第一获取模块10在相同的船只影像获取视角大小和方向,获取船只影像和红外影像;通过判断模块40利用红外探头获取的红外影像能够对船只位置所在区域进行初步确定,并且识别位置具有唯一性,能够对疑似小型船只的多个感兴趣区域进行筛选,精准的确定小型船只在船只影像中的位置;通过处理模块50对小型船只所在的感兴趣区域进行放大和增强处理,使得船只特征信息足够清晰,容易被识别,解决了现有技术中小型船只在船只影像中显示太小,船只特征信息不明显的技术问题,提高了小型船只检测准确性。
实施例3
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,如本发明实施例中小型船只检测方法对应的程序指令/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小型船只检测方法。
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系统、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所示实施实例中的小型船只检测方法。
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 (10)
1.一种小型船只检测方法,其特征在于,包括如下步骤:
获取摄像头拍摄到的船只影像和红外探头采集到的红外影像,其中,所述船只影像和所述红外影像所抓取影像的视角大小相等、方向相同;
获取所述船只影像中的感兴趣区域;
提取所述红外影像中的小型船只位置;
基于所述船只位置判断所述小型船只是否处于所述感兴趣区域;
当所述小型船只处于所述感兴趣区域时,对所述感兴趣区域进行预处理,得到处理后的感兴趣区域;
将所述处理后的感兴趣区域输入到预先构建的船只识别模型,进行小型船只检测。
2.根据权利要求1所述的小型船只检测方法,其特征在于,所述基于所述船只位置判断所述小型船只是否处于所述感兴趣区域,包括:
建立所述摄像头和所述红外探头的共同视角下的坐标系;
计算所述感兴趣区域在所述坐标系下的第一坐标区间,以及所述红外影像中的小型船只位置在所述坐标系下的第二坐标区间;
计算所述第一坐标区间和所述第二坐标区间的重叠率;
当所述重叠率达到预设阈值时,确定所述小型船只处于所述感兴趣区域内。
3.根据权利要求1所述的小型船只检测方法,其特征在于,所述对所述感兴趣区域进行预处理,包括:
对所述感兴趣区域进行放大处理,得到放大后的感兴趣区域;
对所述放大后的感兴趣区域进行像素插值处理,得到高分辨率的感兴趣区域。
4.根据权利要求3所述的小型船只检测方法,其特征在于,还包括:
对所述感兴趣区域进行图像增强处理,以增强所述小型船只的图像边界。
5.根据权利要求4所述的小型船只检测方法,其特征在于,所述对所述感兴趣区域进行图像增强处理,包括:
提取所述感兴趣区域的边界;
对所述感兴趣区域的边界进行锐化处理。
6.根据权利要求1所述的小型船只检测方法,其特征在于,所述获取所述船只影像中的感兴趣区域,包括:
定义感兴趣区域在所述船只影像中的大小;
对所述船只影像进行处理生成与所述定义的感兴趣区域同等大小的掩模图像;
通过图像位操作和所述生成的掩模图像,对所述船只影像进行感兴趣区域提取。
7.根据权利要求1所述的小型船只检测方法,其特征在于,所述将所述处理后的感兴趣区域输入到预先构建的船只识别模型之前,还包括:
获取多个船只影像;
根据所述多个船只影像的船只类型进行分类,并对所有船只影像上的船只位置进行标注,得到用于训练模型的船只影像样本集;
利用所述船只影像样本集对初始神经网络模型进行训练,得到用于检测船只影像上船只识别模型。
8.一种小型船只检测装置,包括:
第一获取模块,用于获取摄像头拍摄到的船只影像和红外探头采集到的红外影像,其中,所述船只影像和所述红外影像所抓取影像的视角大小相等、方向相同;
第二获取模块,用于获取所述船只影像中的感兴趣区域;
提取模块,用于提取所述红外影像中的小型船只位置;
判断模块,用于基于所述船只位置判断所述小型船只是否处于所述感兴趣区域;
处理模块,用于当所述小型船只处于所述感兴趣区域时,对所述感兴趣区域进行预处理,得到处理后的感兴趣区域;
检测模块,用于将所述处理后的感兴趣区域输入到预先构建的船只识别模型,进行小型船只检测。
9.一种电子设备,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1-7任一项所述的小型船只检测方法。
10.一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1-7任一项所述的小型船只检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263210.1A CN112257667A (zh) | 2020-11-12 | 2020-11-12 | 一种小型船只检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263210.1A CN112257667A (zh) | 2020-11-12 | 2020-11-12 | 一种小型船只检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112257667A true CN112257667A (zh) | 2021-01-22 |
Family
ID=74265661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011263210.1A Pending CN112257667A (zh) | 2020-11-12 | 2020-11-12 | 一种小型船只检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112257667A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989675A (zh) * | 2021-11-02 | 2022-01-28 | 四川睿迈威科技有限责任公司 | 基于遥感影像的地理信息提取深度学习训练样本交互制作方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488941A (zh) * | 2016-01-15 | 2016-04-13 | 中林信达(北京)科技信息有限责任公司 | 基于红外-可见光图像的双光谱森林火情监测方法及装置 |
CN106910204A (zh) * | 2016-12-30 | 2017-06-30 | 中国人民解放军空军预警学院监控系统工程研究所 | 一种对海面船只自动跟踪识别的方法和系统 |
CN108229319A (zh) * | 2017-11-29 | 2018-06-29 | 南京大学 | 基于帧间差异与卷积神经网络融合的船舶视频检测方法 |
CN108647648A (zh) * | 2018-05-14 | 2018-10-12 | 电子科技大学 | 一种基于卷积神经网络的可见光条件下的舰船识别系统及方法 |
CN109564462A (zh) * | 2016-07-01 | 2019-04-02 | 广东虚拟现实科技有限公司 | 电子追踪设备,电子追踪系统和电子追踪方法 |
CN110163207A (zh) * | 2019-05-20 | 2019-08-23 | 福建船政交通职业学院 | 一种基于Mask-RCNN船舶目标定位方法及存储设备 |
CN111160293A (zh) * | 2019-12-31 | 2020-05-15 | 珠海大横琴科技发展有限公司 | 基于特征金字塔网络的小目标船只检测方法及系统 |
CN111275759A (zh) * | 2020-01-16 | 2020-06-12 | 国网江苏省电力有限公司 | 基于无人机双光影像融合的变电站刀闸温度检测方法 |
CN111368690A (zh) * | 2020-02-28 | 2020-07-03 | 珠海大横琴科技发展有限公司 | 基于深度学习的海浪影响下视频图像船只检测方法及系统 |
CN111611835A (zh) * | 2019-12-23 | 2020-09-01 | 珠海大横琴科技发展有限公司 | 一种船只检测方法及装置 |
-
2020
- 2020-11-12 CN CN202011263210.1A patent/CN112257667A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488941A (zh) * | 2016-01-15 | 2016-04-13 | 中林信达(北京)科技信息有限责任公司 | 基于红外-可见光图像的双光谱森林火情监测方法及装置 |
CN109564462A (zh) * | 2016-07-01 | 2019-04-02 | 广东虚拟现实科技有限公司 | 电子追踪设备,电子追踪系统和电子追踪方法 |
CN106910204A (zh) * | 2016-12-30 | 2017-06-30 | 中国人民解放军空军预警学院监控系统工程研究所 | 一种对海面船只自动跟踪识别的方法和系统 |
CN108229319A (zh) * | 2017-11-29 | 2018-06-29 | 南京大学 | 基于帧间差异与卷积神经网络融合的船舶视频检测方法 |
CN108647648A (zh) * | 2018-05-14 | 2018-10-12 | 电子科技大学 | 一种基于卷积神经网络的可见光条件下的舰船识别系统及方法 |
CN110163207A (zh) * | 2019-05-20 | 2019-08-23 | 福建船政交通职业学院 | 一种基于Mask-RCNN船舶目标定位方法及存储设备 |
CN111611835A (zh) * | 2019-12-23 | 2020-09-01 | 珠海大横琴科技发展有限公司 | 一种船只检测方法及装置 |
CN111160293A (zh) * | 2019-12-31 | 2020-05-15 | 珠海大横琴科技发展有限公司 | 基于特征金字塔网络的小目标船只检测方法及系统 |
CN111275759A (zh) * | 2020-01-16 | 2020-06-12 | 国网江苏省电力有限公司 | 基于无人机双光影像融合的变电站刀闸温度检测方法 |
CN111368690A (zh) * | 2020-02-28 | 2020-07-03 | 珠海大横琴科技发展有限公司 | 基于深度学习的海浪影响下视频图像船只检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
方国才,胡岗 主编: "《医学影像检查技术》", 31 August 2008, 武汉:湖北科学技术出版社 * |
马利庄,赵越挺,吴飞 主编: "智能化数字娱乐进展", 《智能化数字娱乐进展》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989675A (zh) * | 2021-11-02 | 2022-01-28 | 四川睿迈威科技有限责任公司 | 基于遥感影像的地理信息提取深度学习训练样本交互制作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016107474A1 (zh) | 车辆检查方法和系统 | |
CN107609483B (zh) | 面向驾驶辅助系统的危险目标检测方法、装置 | |
WO2020059706A1 (ja) | 学習用データ収集装置、学習用データ収集方法、及びプログラム | |
US9208172B2 (en) | Method and system for vehicle identification | |
US9767383B2 (en) | Method and apparatus for detecting incorrect associations between keypoints of a first image and keypoints of a second image | |
CN105718931B (zh) | 用于确定采集图像中的杂斑的系统和方法 | |
US8107725B2 (en) | Image processor and image processing method | |
CN109858438B (zh) | 一种基于模型拟合的车道线检测方法 | |
CN113167742A (zh) | 混凝土构造物的点检辅助装置、点检辅助方法及点检辅助程序 | |
WO2021000948A1 (zh) | 配重重量的检测方法与系统、获取方法与系统及起重机 | |
CN114494161A (zh) | 基于图像对比的受电弓异物检测方法、设备及存储介质 | |
CN105678720A (zh) | 一种全景拼接判断图像匹配方法及装置 | |
CN104966283A (zh) | 图像分层配准方法 | |
CN111553184A (zh) | 一种基于电子围网的小目标检测方法、装置及电子设备 | |
CN114821274A (zh) | 一种用于识别分合指示牌的状态的方法和设备 | |
CN112257667A (zh) | 一种小型船只检测方法、装置、电子设备及存储介质 | |
CN116883893A (zh) | 基于红外热成像的隧道掌子面地下水智能判识方法及系统 | |
CN115984186A (zh) | 基于多分辨率知识提取的精细产品图像异常检测方法 | |
CN113450335B (zh) | 一种路沿检测方法、路沿检测装置及路面施工车辆 | |
CN112308061B (zh) | 一种车牌字符识别方法及装置 | |
CN114943720A (zh) | 一种电力图像处理方法及装置 | |
CN109215068B (zh) | 图像放大率测量方法及装置 | |
CN115423804B (zh) | 影像标定方法及装置、影像处理方法 | |
CN108564566B (zh) | 医学成像处理方法、装置以及图像处理设备 | |
US20220366593A1 (en) | Electronic apparatus and object detection method |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210122 |
|
RJ01 | Rejection of invention patent application after publication |