CN114267012A - 船舶类型检测方法、装置、电子设备及可读存储介质 - Google Patents
船舶类型检测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN114267012A CN114267012A CN202111529026.1A CN202111529026A CN114267012A CN 114267012 A CN114267012 A CN 114267012A CN 202111529026 A CN202111529026 A CN 202111529026A CN 114267012 A CN114267012 A CN 114267012A
- Authority
- CN
- China
- Prior art keywords
- ship
- monitored
- image
- type detection
- area 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
Abstract
本申请公开了船舶类型检测方法、装置、电子设备及可读存储介质,涉及图像处理技术领域,所述船舶类型检测方法包括:获取待监测船舶所在区域的船舶区域图像;依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船舶、超载船舶或者未封舱船舶类型中至少之一。本申请解决了现有技术中船舶监管全面性低的技术问题。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种船舶类型检测方法、装置、电子设备及可读存储介质。
背景技术
随着水上运输业的发展,如何对船舶的监管也显得的愈加重要,目前对于船舶的监管主要依赖于AIS(Automatic identification System,船舶自动识别系统)以及雷达数据,但是依赖于AIS以及雷达数据的船舶监管方式通常只能对船舶的轨迹进行监管,而难以监管船舶的轨迹之外的船舶异常,例如船舶超载或者船舶未封舱等,进而导致船舶监管不够全面。
发明内容
本申请的主要目的在于提供一种船舶类型检测方法、装置、电子设备及可读存储介质,旨在解决现有技术中船舶监管全面性低的技术问题。
为实现上述目的,本申请提供一种船舶类型检测方法,所述船舶类型检测方法包括:
获取待监测船舶所在区域的船舶区域图像;
依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船体、超载船舶或者未封舱船舶中至少之一。
本申请还提供一种船舶类型检测装置,所述船舶类型检测装置应用于船舶类型检测设备,所述船舶类型检测装置包括:
图像获取模块,用于获取待监测船舶所在区域的船舶区域图像;
船舶类型检测模块,用于依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船体、超载船舶或者未封舱船舶中至少之一。
本申请还提供一种电子设备,所述电子设备为实体设备,所述电子设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述船舶类型检测方法的程序,所述船舶类型检测方法的程序被处理器执行时可实现如上述的船舶类型检测方法的步骤。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有实现船舶类型检测方法的程序,所述船舶类型检测方法的程序被处理器执行时实现如上述的船舶类型检测方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的船舶类型检测方法的步骤。
本申请提供了一种船舶类型检测方法、装置、电子设备及可读存储介质,相比于现有技术中采用的依赖于AIS与雷达数据进行船舶监管的技术手段,本申请首先获取待监测船舶所在区域的船舶区域图像;依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船体、超载船舶或者未封舱船舶中至少之一。本申请中可从船舶改装、船舶超载以及船舶未封舱三个方面对船舶进行监管,而非局限于对船舶的轨迹进行监管,克服了现有技术中依赖于AIS以及雷达数据的船舶监管方式通常只能对船舶的轨迹进行监管,而难以监管船舶的轨迹之外的其他船舶异常,进而导致船舶监管不够全面的技术缺陷,提升了船舶监管的全面性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请船舶类型检测方法第一实施例的流程示意图;
图2为本申请船舶类型检测方法中船舶类型检测系统的框架示意图;
图3为本申请船舶类型检测方法第二实施例的流程示意图;
图4为本申请船舶类型检测方法第三实施例的流程示意图;
图5为本申请船舶类型检测方法第四实施例的流程示意图;
图6为本申请实施例中船舶类型检测方法涉及的硬件运行环境的设备结构示意图。
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,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作出创造性劳动的前提下所获得的所有其它实施例,均属于本发明保护的范围。
目前,在进行船舶监管时,主要依赖于AIS和雷达数据定位船舶的轨迹信息,进而研判船舶的轨迹是否存在异常,但是对于轨迹异常之外的一些船舶异常通常无法监管,例如船舶改装以及船舶超载等,所以目前的船舶监管方式较为单一,船舶监管不够全面。
本申请实施例提供一种船舶类型检测方法,在本申请船舶类型检测方法的第一实施例中,参照图1,所述船舶类型检测方法包括:
步骤S10,获取待监测船舶所在区域的船舶区域图像;
步骤S20,依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船舶、超载船舶或者未封舱船舶中至少之一。
本申请实施例在获取待监测船舶所在区域的船舶区域图像之后,通过图像识别的方式,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船舶、超载船舶或者未封舱船舶中至少之一。实现了以图像识别的方式对船舶异常检测的目的,而由于图像数据相比于AIS与雷达数据蕴含的信息更加丰富,图像数据中可反应绝大多数的船舶异常,例如船舶改装以及船舶超载等,所以以图像识别的方式进行船舶类型检测可覆盖检测更加全面的船舶异常,克服了现有技术中依赖于AIS以及雷达数据的船舶监管方式通常只能对船舶的轨迹进行监管,而难以监管船舶的轨迹之外的其他船舶异常,进而导致船舶监管不够全面的技术缺陷,提升了船舶监管的全面性。
对于步骤S10,示例性的,需要说明的是,所述船舶区域图像为船舶所在区域的监控图像,包括船舶自身的图像以及船舶周围环境的图像,其中,船舶周围环境可以为水面,也可以为码头。所述船舶区域图像可以为实时视频帧、轮巡视频帧、定时抓拍图像或者离线图像中的任意一种。
示例性的,步骤S20,依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船舶、超载船舶或者未封舱船舶中至少之一,包括:
通过将所述船舶区域图像输入预设船舶类型检测模型,对所述待监测船舶进行分类,得到船舶类型标签,将所述船舶类型标签作为船舶类型检测结果,依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船舶、超载船舶或者未封舱船舶中至少之一。其中,所述船舶类型标签为标识待监测船舶所属船舶类型的标识,例如,可设置当标签为1时,标识待监测船舶所属的船舶类型为船体改装类型,设置当标签为2时,标识待监测船舶所属的船舶类型为船舶超载类型,设置当标签为3时,标识待监测船舶所属的船舶类型为船舶未封舱类型,其中,所述船体改装类型、所述船舶超载类型以及所述船舶未封舱类型均可作为异常船舶类型,设置当标签为0时,标识待监测船舶所属的船舶类型为正常船舶类型。所述预设船舶类型检测模型可以为卷积神经网络模型,也可以为决策树模型,在此不作限定。
作为一种示例,需要说明的是,改装船舶通常在一些特定的位置对船舶进行改装,例如船尾发动机位置以及船舱位置等。在步骤S20中,所述船舶类型包括船体改装类型,所述船舶类型检测结果包括船体改装检测结果,包括:
对所述船舶区域图像进行目标检测,以对所述船舶区域图像中待监测船舶的预设特定位置进行框选,得到各船体改装区域图像;分别对各所述船体改装区域图像进行二分类,得到各船体改装二分类标签;将所述船体改装二分类标签作为所述船体改装检测结果。其中,可设置船体改装二分类标签为1时,标识对应的船体改装区域图像对应的待监测船舶部分进行了船体改装,设置船体改装二分类标签为0时,标识对应的船体改装区域图像对应的待监测船舶部分未进行船体改装。
作为一种示例,需要说明的是,为了获取更快的行驶速度,异常改装船舶大多会选择改装发动机,例如,增加多个发动机等。
所述船舶类型包括船体改装类型,所述船舶类型检测结果包括船体改装检测结果,
对所述船舶区域图像进行图像分割,以在所述船舶区域图像中分割出发动机区域图像;识别所述发动机区域图像中的发动机数量,若所述发动机数量大于预设发动机数量阈值,则判定所述待监测船舶进行了船体改装;若所述发动机数量不大于预设发动机数量阈值,则判定所述待监测船舶未进行船体改装,实现了以图像识别的方式,识别待监测船舶的发动机数量的目的,进而根据待监测船舶的发动机数量,可直接判定待监测船舶所属的船舶类型为船体改装类型。
作为一种示例,在步骤S20中,所述船舶类型包括未悬挂旗帜类型,所述船舶类型检测结果包括旗帜悬挂检测结果,
所述依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果的步骤包括:
对所述船舶区域图像进行目标检测,以框选所述船舶区域图像中各疑似为旗帜的悬挂物图像区域,得到至少一个第一框选区域图像;分别对各所述第一框选区域图像进行二分类,得到各所述第一框选区域特征对应的图像二分类标签;通过依据各所述图像二分类标签分别判断对应的第一框选区域图像中是否存在旗帜,识别所述待监测船舶是否悬挂旗帜,得到旗帜悬挂检测结果,进而实现了以图像类型检测的方式,检测待监测船舶是否未悬挂旗帜的目的。
作为一种示例,需要说明的是,由于悬挂的旗帜容易被船体本身遮挡,进而依据对船舶区域图像检测到未悬挂旗帜时,并不能百分之一百确定待监测船舶为悬挂旗帜,所以,在步骤A10之后还包括:
若所述旗帜悬挂检测结果为未悬挂旗帜,则获取检测到所述待监测船舶未悬挂旗帜的累计次数;若所述累计次数超过预设累计次数阈值,则判定所述待监测船舶未悬挂旗帜。其中,由于待监测船舶对应的多张船舶区域图像可以由多位置且多角度的相机进行拍摄得到,所以,若基于多张船舶区域图像确定的旗帜悬挂检测结果均为未悬挂旗帜,则证明在多角度的不同观测位置均观测到待监测船舶未悬挂旗帜,所以可确定待监测船舶未悬挂旗帜。
作为一种示例,在步骤S20中,所述船舶类型包括船员未穿着救生衣类型,所述船舶类型检测结果包括救生衣穿着检测结果,
所述依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果的步骤包括:
对所述船舶区域图像进行目标检测,以框选所述船舶区域图像中各疑似存在船员的图像区域,得到各第二框选区域图像;分别对各所述第二框选区域图像进行船员识别,以分别判断各所述第二框选区域图像中是否存在船员;若各所述第二框选区域图像中均未存在船员,则判定所述待监测船舶上不存在船员;若各所述第二框选区域图像中存在船员,则确定存在船员第二框选区域图像作为待检测框选区域图像;分别对各所述待检测框选区域图像进行二分类,得到各船员穿着二分类标签;依据各所述船员穿着二分类标签,分别判断对应的待检测框选区域图像中的船员是否穿着救生衣,得到所述船员穿着检测结果。其中,可设置船员穿着二分类标签为1时,标识待检测框选区域图像中的船员穿着救生衣,可设置船员穿着二分类标签为0时,标识待检测框选区域图像中的船员未穿着救生衣,进而实现了以图像类型检测的方式,检测待监测船舶上船员是否穿着救生衣的目的。
作为一种示例,如图2所示船舶类型检测系统的框架示意图,其中,摄像机可以为普通的前端摄像机,也可以为前端AI智能摄像机,具体可设置于岸基固定点位(航道两侧、桥梁、码头等),也可设置于移动点位(无人机、航标上视频设备)等;普通的前端摄像机将拍摄得到的待监测船舶的视频图像通过网络传输给后端智能分析服务器,后端智能分析服务器根据分析任务,对视频数据进行实时分析,也即执行本申请实施例中步骤S10至步骤S20及其细化步骤中的实现过程;若摄像机为前端为AI智能摄像机,则前端AI智能摄像机根据分析任务直接对待监测船舶的视频图像进行实时分析,也即执行本申请实施例中步骤S10至步骤S20及其细化步骤中的实现过程;最后将分析结果(船舶类型检测结果)推送给船舶动态监管子系统。
本申请实施例提供了一种船舶类型检测方法,相比于现有技术中采用的依赖于AIS与雷达数据进行船舶监管的技术手段,本申请实施例首先获取待监测船舶所在区域的船舶区域图像;依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:船体改装类型、船舶超载类型或者船舶未封舱类型中至少之一。本申请实施例中最多可从船舶改装、船舶超载以及船舶未封舱三个方面对船舶进行监管,而非局限于对船舶的轨迹进行监管,克服了现有技术中依赖于AIS以及雷达数据的船舶监管方式通常只能对船舶的轨迹进行监管,而难以监管船舶的轨迹之外的其他船舶异常,进而导致船舶监管不够全面的技术缺陷,提升了船舶监管的全面性。
参照图3,基于本申请第一实施例,在本申请另一实施例中,与上述实施例一相同或相似的内容,可以参考上文介绍,后续不再赘述。在此基础上,步骤S20,所述依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,包括:
步骤A10,识别所述船舶区域图像中待监测船舶的船尾水浪特征;
步骤A20,依据所述船尾水浪特征,判断所述待监测船舶是否进行船体改装。
在本实施例中,需要说明的是,当外界光线较差且待监测船舶处于行驶状态时,若直接对船舶区域图像中船体本身的图像并不显著,若直接对船体本身进行船体改装识别,识别准确度不高。所述预设船舶类型检测模型包括船尾水浪特征提取器和船尾水浪特征分类器,其中,所述船尾水浪特征提取器用于提取船舶区域图像中的船尾水浪特征,所述船尾水浪特征分类器用于将所述船尾水浪特征映射为对应的船尾水浪分类标签。
示例性的,对所述船舶区域图像进行目标检测,以框选所述船舶区域图像中的船尾水浪区域,得到船尾水浪区域图像;通过将所述船尾水浪区域图像输入船尾水浪特征提取器,对所述船尾水浪区域图像进行特征提取,得到船尾水浪特征,其中,所述船尾水浪特征可以为对船尾水浪区域图像进行特征提取得到的特征提取矩阵,具备不同形状或者外观的船尾水浪对应的特征提取矩阵中的数值分布不同;将所述船尾水浪特征输入船尾水浪特征分类器,将所述船尾水浪特征映射为船尾水浪分类标签,依据所述船尾水浪分类标签,判别所述待监测船舶是否进行船体改装,若所述待监测船舶进行了船体改装,则所述待监测船舶所属的船舶类型为船体改装类型,若所述待监测船舶未进行船体改装,则所述待监测船舶所属的船舶类型不为船体改装类型。
其中,步骤A20,依据所述船尾水浪特征,判断所述待监测船舶是否进行船体改装,还包括:
步骤A21,依据所述船尾水浪特征,判断所述待监测船舶是否疑似进行船体改装;
步骤A22,若判定所述待监测船舶疑似进行船体改装,则获取所述待监测船舶的雷达数据;
步骤A23,依据所述雷达数据,测量所述待监测船舶的行驶速度;
步骤A24,依据所述行驶速度,确定所述待监测船舶是否进行船体改装。
示例性的,将所述船尾水浪特征输入船尾水浪特征分类器,将所述船尾水浪特征映射为船尾水浪分类标签,依据所述船尾水浪分类标签,判断所述待监测船舶是否疑似进行船体改装,若所述待监测船舶疑似进行船体改装,则获取待监测船舶的雷达数据,其中,所述雷达数据记录所述待监测船舶随时间变化的行驶轨迹数据;依据所述雷达数据,测量所述待监测船舶的行驶速度,若所述行驶速度大于预设行驶速度阈值,则确定所述待监测船舶进行了船体改装,所述待监测船舶所属的船舶类型为船体改装类型;若所述行驶速度不大于预设行驶速度阈值,则确定所述待监测船舶未进行船体改装,所述待监测船舶所属的船舶类型不为船体改装类型。本申请实施例实现了在依据待监测船舶的船尾水浪特征进行船体改装检测的基础上,进一步利用雷达数据确定待监测船舶是否进行了改装,实现了在待监测船舶本身的船体特征不显著的情况下,准确判别待监测船舶是否进行船体改装的目的,提升了船舶改装检测的准确度。
作为一种示例,需要说明的是,由于担任巡查任务的任务船的行驶速度通常较快,为了避免将任务船误判为进行了船体改装的船舶,可在第一船舶类别识别结果为确定待监测船舶为改装船时,可通过AIS与待监测船舶进行通信,进一步确定待监测船舶是否为任务船,若确定待监测船舶不为任务船,则判定所述待监测船舶为进行了船体改装的船舶。
本申请实施例提供了一种依据船尾水浪特征进行船体改装检测的方法,本申请实施例首先识别所述船舶区域图像中待监测船舶的船尾水浪特征,进而依据所述船尾水浪特征,判断所述待监测船舶是否进行船体改装。其中,当待监测船舶本身的船体特征不显著时,此时难以直接依据待监测船舶自身的船体特征进行船体改装检测,而由于船舶区域图像中船尾水浪所占据的图像区域远大于船体所占据的图像区域,船尾水浪相比于船体在图像中更为显著,进而依据船尾水浪特征可间接进行船体改装检测,也即依据船尾水浪特征间接判别待监测船舶所属的船舶类型是否为船体改装类型,在待监测船舶自身的船体特征不显著时,可提升船体改装检测的准确度。
参照图4,基于本申请第一实施例,在本申请另一实施例中,与上述实施例一相同或相似的内容,可以参考上文介绍,后续不再赘述。在此基础上,步骤S20,所述依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,还包括:
步骤B10,识别所述船舶区域图像中待监测船舶的船舶平面与水平面之间的距离,得到载重判别距离;
在本实施例中,需要说明的是,所述载重判别距离为用于判别待监测船舶载重的距离,可以为船舶平面与水平面之间的实际距离,也可以为判别船舶载重的评估值。
示例性的,对所述船舶区域图像进行图像分割,得到船舶平面区域图像以及水平面区域图像;依据所述船舶平面区域各像素点的坐标值与所述水平面区域图像各像素点的坐标值,计算所述船舶区域图像中待监测船舶的船舶平面与水平面之间的距离,得到图像平面距离;获取图像比例,依据所述图像平面距离和所述图像比例,计算所述载重判别距离。其中,所述图像比例为图像与实物之间的比例。
其中,所述识别所述船舶区域图像中待监测船舶的船舶平面与水平面之间的距离,得到载重判别距离的步骤包括:
步骤B11,识别所述船舶区域图像中的船舶平面轮廓与水平面轮廓;
步骤B12,计算所述船舶平面轮廓与所述水平面轮廓之间的轮廓间距,并获取所述待监测船舶在所述船舶区域图像中的船舶尺寸大小;
步骤B13,计算所述轮廓间距与所述船舶尺寸大小之间的比值,得到所述载重判别距离。
示例性的,对所述船舶区域图像进行图像识别,得到船舶平面轮廓以及水平面轮廓;计算所述船舶平面轮廓与所述水平面轮廓之间的最短距离作为轮廓间距,获取所述待监测船舶在所述船舶区域图像在竖直方向的尺寸,得到船舶尺寸大小;计算所述轮廓间距与所述船舶尺寸大小之间的比值,得到所述载重判别距离。其中,也可将待监测船舶在所述船舶区域图像中的面积大小作为船舶尺寸大小。
步骤B20,基于所述载重判别距离,判断所述待监测船舶是否发生船舶超载。
在本实施例中,示例性的,确定所述待监测船舶的最大载重判别距离阈值;若所述载重判别距离大于所述最大载重判别距离阈值,则判定所述待监测船舶超载,所述待监测船舶所属的船舶类型为船舶超载类型;若所述载重判别距离不大于所述最大载重判别距离阈值,则判定所述待监测船舶未超载,所述待监测船舶所属的船舶类型不为船舶超载类型。
其中,作为一种示例,所述确定所述待监测船舶的最大载重判别距离阈值的步骤包括:
依据所述船舶区域图像,对所述待监测船舶进行正常船舶类别检测,以识别所述待监测船舶所属的正常船舶类别,其中,所述正常船舶类别包括任务船类别或者运输船类别等。依据正常船舶类别与预设载重判别距离之间的映射关系,查询所述待监测船舶对应的预设载重判别距离,并将待监测船舶对应的预设载重判别距离作为所述最大载重判别距离阈值。
在另一种可实施的方式中,若所述载重判别距离在所述载重判别距离范围内,则判定所述待监测船舶轻载,所述待监测船舶所属的船舶类型为船舶轻载类型;若所述载重判别距离大于所述最大载重判别距离范围的上阈值,则判定所述待监测船舶重载,所述待监测船舶所属的船舶类型为船舶重载类型;若所述载重判别距离小于所述最大载重判别距离范围的下阈值,则判定所述待监测船舶空载,所述待监测船舶所属的船舶类型为船舶空载类型。
本申请实施例提供了一种船舶载重程度检测方法,本申请实施例首先识别所述船舶区域图像中待监测船舶的船舶平面与水平面之间的距离,得到载重判别距离,基于所述载重判别距离,判断所述待监测船舶是否发生船舶超载,实现了以图像识别的方式,对待监测船舶进行船舶载重程度进行检测的目的,也即实现了对待监测船舶的载重程度进行准确地定量检测的目的,可定量地判别待监测船舶所属的船舶类型是否属于船舶超载类型,提升了船舶类型检测的全面性。
参照图5,基于本申请第一实施例,在本申请另一实施例中,与上述实施例一相同或相似的内容,可以参考上文介绍,后续不再赘述。在此基础上,所述船舶类型检测结果包括船舶封舱检测结果,步骤S20,依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,还包括:
步骤C10,获取所述船舶区域图像中的船舱区域图像;
步骤C20,通过对所述船舱区域图像进行图像分类,判断所述待监测船舶是否发生船舶未封舱。
在本实施例中,需要说明的是,所述预设船舶类型检测模型包括船舱区域图像分类模型,用于对船舱区域图像进行二分类,以判别所述待监测船舶是否发生船舶未封舱。
示例性的,对所述船舶区域进行图像分割,得到船舱区域图像;通过将所述船舱区域图像输入船舱区域图像分类模型,对所述船舱区域图像进行二分类,得到二分类标签;依据所述二分类标签,判断所述待监测船舶是否封舱,若所述待监测船舶未封舱,则所述待监测船舶所属的船舶类型为船舶未封舱类型,若所述待监测船舶已封舱,则所述待监测船舶所属的船舶类型不为船舶未封舱类型。
作为一种示例,所述二分类标签可设置为0和1,其中,若二分类标签为0,则证明待监测船舶未封舱,若二分类标签为1,则证明待监测船舶已封舱或者待监测船舶处于空舱状态。
需要说明的是,本申请实施例中可通过预先对获取的一系列船舶区域图像样本进行标签标注,并利用该一系列船舶区域图像样本以及对应标注的图像样本标签,构建用于进行船舶类别识别以及用于进行船舶类型检测的的图像分类模型或者图像二分类模型。
本申请实施例提供了一种船舶封舱检测方法,本申请实施例首先获取所述船舶区域图像中的船舱区域图像,进而通过对所述船舱区域图像进行图像分类,判断所述待监测船舶是否发生船舶未封舱。实现了以图像识别的方式,对待监测船舶是否封舱进行准确识别的目的,实现了对待监测船舶所属的船舶类型是否为船舶未封舱类型进行准确判别的目的,提升了船舶类型检测的全面性。
本申请实施例还提供一种船舶类型检测装置,所述船舶类型检测装置应用于船舶类型检测设备,所述船舶类型检测装置包括:
图像获取模块,用于获取待监测船舶所在区域的船舶区域图像;
船舶类型检测模块,用于依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船舶、超载船舶或者未封舱船舶中至少之一。
可选地,所述船舶类型检测模块包括:
识别单元,用于识别所述船舶区域图像中待监测船舶的船尾水浪特征;
船体改装检测单元,用于依据所述船尾水浪特征,判断所述待监测船舶是否进行船体改装。
可选地,所述船体改装检测单元包括:
判断子单元,用于依据所述船尾水浪特征,判断所述待监测船舶是否疑似进行船体改装;
雷达数据获取子单元,用于若判定所述待监测船舶疑似进行船体改装,则获取所述待监测船舶的雷达数据;
速度测量子单元,用于依据所述雷达数据,测量所述待监测船舶的行驶速度;
确定子单元,用于依据所述行驶速度,确定所述待监测船舶是否进行船体改装。
可选地,所述船舶类型检测模块还包括:
载重判别距离获取单元,用于识别所述船舶区域图像中待监测船舶的船舶平面与水平面之间的距离,得到载重判别距离;
船舶超载检测单元,用于基于所述载重判别距离,判断所述待监测船舶是否发生船舶超载。
可选地,所述载重判别距离获取单元包括:
轮廓识别子单元,用于识别所述船舶区域图像中的船舶平面轮廓与水平面轮廓;
第一计算子单元,用于计算所述船舶平面轮廓与所述水平面轮廓之间的轮廓间距,并获取所述待监测船舶在所述船舶区域图像中的船舶尺寸大小;
第二计算子单元,用于计算所述轮廓间距与所述船舶尺寸大小之间的比值,得到所述载重判别距离。
可选地,所述船舶类型检测模块还包括:
船舱图像获取单元,用于获取所述船舶区域图像中的船舱区域图像;
船舶未封舱检测单元,用于通过对所述船舱区域图像进行图像分类,判断所述待监测船舶是否发生船舶未封舱。
本发明提供的船舶类型检测装置,采用上述实施例中的船舶类型检测方法,解决了船舶监管全面性低的技术问题。与现有技术相比,本发明实施例提供的船舶类型检测装置的有益效果与上述实施例提供的船舶类型检测方法的有益效果相同,且该船舶类型检测装置中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
本发明实施例提供一种电子设备,电子设备包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述实施例一中的船舶类型检测方法。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
通常,以下系统可以连接至I/O接口:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置;包括例如磁带、硬盘等的存储装置;以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备,但是应理解的是,并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置从网络上被下载和安装,或者从存储装置被安装,或者从ROM被安装。在该计算机程序被处理装置执行时,执行本公开实施例的方法中限定的上述功能。
本发明提供的电子设备,采用上述实施例中的船舶类型检测方法,解决了船舶监管全面性低的技术问题。与现有技术相比,本发明实施例提供的电子设备的有益效果与上述实施例提供的船舶类型检测方法的有益效果相同,且该电子设备中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
本实施例提供一种计算机可读存储介质,具有存储在其上的计算机可读程序指令,计算机可读程序指令用于执行上述实施例一中的船舶类型检测的方法。
本发明实施例提供的计算机可读存储介质例如可以是U盘,但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的;也可以是单独存在,而未装配入电子设备中。
上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被电子设备执行时,使得电子设备:获取待监测船舶所在区域的船舶区域图像;依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:船体改装类型、船舶超载类型或者船舶未封舱类型中至少之一。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该单元本身的限定。
本发明提供的计算机可读存储介质,存储有用于执行上述船舶类型检测方法的计算机可读程序指令,解决了船舶监管全面性低的技术问题。与现有技术相比,本发明实施例提供的计算机可读存储介质的有益效果与上述实施例提供的船舶类型检测方法的有益效果相同,在此不做赘述。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的船舶类型检测方法的步骤。
本申请提供的计算机程序产品解决了船舶监管全面性低的技术问题。与现有技术相比,本发明实施例提供的计算机程序产品的有益效果与上述实施例提供的船舶类型检测方法的有益效果相同,在此不做赘述。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利处理范围内。
Claims (10)
1.一种船舶类型检测方法,其特征在于,所述船舶类型检测方法包括:
获取待监测船舶所在区域的船舶区域图像;
依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船舶、超载船舶或者未封舱船舶中至少之一。
2.如权利要求1所述船舶类型检测方法,其特征在于,所述依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,包括:
识别所述船舶区域图像中待监测船舶的船尾水浪特征;
依据所述船尾水浪特征,判断所述待监测船舶是否进行船体改装。
3.如权利要求2所述船舶类型检测方法,其特征在于,所述依据所述船尾水浪特征,判断所述待监测船舶是否进行船体改装,包括:
依据所述船尾水浪特征,判断所述待监测船舶是否疑似进行船体改装;
若判定所述待监测船舶疑似进行船体改装,则获取所述待监测船舶的雷达数据;
依据所述雷达数据,测量所述待监测船舶的行驶速度;
依据所述行驶速度,确定所述待监测船舶是否进行船体改装。
4.如权利要求1所述船舶类型检测方法,其特征在于,所述依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,包括:
识别所述船舶区域图像中待监测船舶的船舶平面与水平面之间的距离,得到载重判别距离;
基于所述载重判别距离,判断所述待监测船舶是否发生船舶超载。
5.如权利要求4所述船舶类型检测方法,其特征在于,所述识别所述船舶区域图像中待监测船舶的船舶平面与水平面之间的距离,得到载重判别距离的步骤包括:
识别所述船舶区域图像中的船舶平面轮廓与水平面轮廓;
计算所述船舶平面轮廓与所述水平面轮廓之间的轮廓间距,并获取所述待监测船舶在所述船舶区域图像中的船舶尺寸大小;
计算所述轮廓间距与所述船舶尺寸大小之间的比值,得到所述载重判别距离。
6.如权利要求1所述船舶类型检测方法,其特征在于,所述依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,包括:
获取所述船舶区域图像中的船舱区域图像;
通过对所述船舱区域图像进行图像分类,判断所述待监测船舶是否发生船舶未封舱。
7.一种船舶类型检测装置,其特征在于,所述船舶类型检测装置包括:
图像获取模块,用于获取待监测船舶所在区域的船舶区域图像;
船舶类型检测模块,用于依据所述船舶区域图像,对所述待监测船舶进行船舶类型检测,得到船舶类型检测结果,所述船舶类型包括:改装船体、超载船舶或者未封舱船舶中至少之一。
8.如权利要求7所述船舶类型检测装置,其特征在于,所述船舶类型检测模块包括:
识别单元,用于识别所述船舶区域图像中待监测船舶的船尾水浪特征;
船体改装检测单元,用于依据所述船尾水浪特征,判断所述待监测船舶是否进行船体改装;
所述船体改装检测单元包括:
判断子单元,用于依据所述船尾水浪特征,判断所述待监测船舶是否疑似进行船体改装;
雷达数据获取子单元,用于若判定所述待监测船舶疑似进行船体改装,则获取所述待监测船舶的雷达数据;
速度测量子单元,用于依据所述雷达数据,测量所述待监测船舶的行驶速度;
确定子单元,用于依据所述行驶速度,确定所述待监测船舶是否进行船体改装;
所述船舶类型检测模块还包括:
载重判别距离获取单元,用于识别所述船舶区域图像中待监测船舶的船舶平面与水平面之间的距离,得到载重判别距离;
船舶超载检测单元,用于基于所述载重判别距离,判断所述待监测船舶是否发生船舶超载;
所述载重判别距离获取单元包括:
轮廓识别子单元,用于识别所述船舶区域图像中的船舶平面轮廓与水平面轮廓;
第一计算子单元,用于计算所述船舶平面轮廓与所述水平面轮廓之间的轮廓间距,并获取所述待监测船舶在所述船舶区域图像中的船舶尺寸大小;
第二计算子单元,用于计算所述轮廓间距与所述船舶尺寸大小之间的比值,得到所述载重判别距离;
所述船舶类型检测模块还包括:
船舱图像获取单元,用于获取所述船舶区域图像中的船舱区域图像;
船舶未封舱检测单元,用于通过对所述船舱区域图像进行图像分类,判断所述待监测船舶是否发生船舶未封舱。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6中任一项所述的船舶类型检测方法的步骤。
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上存储有实现船舶类型检测方法的程序,所述实现船舶类型检测方法的程序被处理器执行以实现如权利要求1至6中任一项所述船舶类型检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111529026.1A CN114267012A (zh) | 2021-12-14 | 2021-12-14 | 船舶类型检测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111529026.1A CN114267012A (zh) | 2021-12-14 | 2021-12-14 | 船舶类型检测方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114267012A true CN114267012A (zh) | 2022-04-01 |
Family
ID=80827050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111529026.1A Pending CN114267012A (zh) | 2021-12-14 | 2021-12-14 | 船舶类型检测方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114267012A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781567A (zh) * | 2022-06-21 | 2022-07-22 | 深圳市信润富联数字科技有限公司 | 检测设备安装方法、装置、电子设备及可读存储介质 |
CN115953746A (zh) * | 2023-03-13 | 2023-04-11 | 中国铁塔股份有限公司 | 一种船只监测方法及装置 |
-
2021
- 2021-12-14 CN CN202111529026.1A patent/CN114267012A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781567A (zh) * | 2022-06-21 | 2022-07-22 | 深圳市信润富联数字科技有限公司 | 检测设备安装方法、装置、电子设备及可读存储介质 |
CN114781567B (zh) * | 2022-06-21 | 2022-09-16 | 深圳市信润富联数字科技有限公司 | 检测设备安装方法、装置、电子设备及可读存储介质 |
CN115953746A (zh) * | 2023-03-13 | 2023-04-11 | 中国铁塔股份有限公司 | 一种船只监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114267012A (zh) | 船舶类型检测方法、装置、电子设备及可读存储介质 | |
CN108664841B (zh) | 一种基于激光点云的动静态目标物识别方法及装置 | |
US10803324B1 (en) | Adaptive, self-evolving learning and testing platform for self-driving and real-time map construction | |
CN104517281A (zh) | 用于识别车辆的设备和方法 | |
CN111986174A (zh) | 缺陷检测方法、装置、电子设备及计算机存储介质 | |
US11741726B2 (en) | Lane line detection method, electronic device, and computer storage medium | |
CN113808112B (zh) | 轨道扣件检测方法、电子设备和计算机可读介质 | |
CN112950642A (zh) | 点云实例分割模型的训练方法、装置、电子设备和介质 | |
CN110111018B (zh) | 评估车辆感测能力的方法、装置、电子设备及存储介质 | |
CN112434657A (zh) | 飘散运载物检测方法、设备、程序及计算机可读介质 | |
CN111950523A (zh) | 基于航拍的船只检测优化方法、装置、电子设备及介质 | |
US20230177666A1 (en) | Degradation detection device, degradation detection system, degradation detection method, and program | |
CN110817674B (zh) | 一种扶梯的缺级检测方法、装置、设备及存储介质 | |
CN112529836A (zh) | 高压线路缺陷检测方法、装置、存储介质及电子设备 | |
US11829959B1 (en) | System and methods for fully autonomous potholes detection and road repair determination | |
CN116823793A (zh) | 设备缺陷检测方法、装置、电子设备和可读存储介质 | |
CN110852253A (zh) | 梯控场景检测方法、装置及电子设备 | |
CN114895274A (zh) | 一种护栏识别方法 | |
CN112788293B (zh) | 一种信息采集方法、装置、终端设备及存储介质 | |
CN111814764B (zh) | 一种遗撒物确定系统 | |
CN111488866B (zh) | 基于深度学习的入侵物识别方法、装置及电子设备 | |
CN114332058A (zh) | 基于神经网络的血清质量识别方法、装置、设备及介质 | |
CN113780178A (zh) | 道路检测方法、装置、电子设备和存储介质 | |
CN109977783B (zh) | 基于直梯场景婴儿车单独乘梯检测的方法 | |
CN113835139A (zh) | 一种台风动态监视系统 |
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 |