基于低功耗设备的船舶实时跟踪方法及系统技术方案

本发明专利技术公开了一种基于低功耗设备的船舶实时跟踪方法及系统，其中该方法包括：视频采集模块获取视频信息，以便所述低功耗设备主体对所述视频信息进行处理，以得到多帧船舶图片；将预先训练好的船舶识别模型移植到所述AI计算模块进行层间融合、张量融合、模型剪枝和权值量化，以得到RKNN推理引擎；所述AI计算模块根据所述RKNN推理引擎对多帧船舶图片进行识别，以得到对应的识别结果；所述低功耗设备主体根据所述识别结果比较前后两帧图片中的交并比，以便根据所述交并比对同一艘船舶进行实时跟踪；由此，通过在前端摄像机侧部署低功耗计算设备，减少了视频传输所占用的网络带宽，并结合深度学习技术和IOU匹配算法，实现了高精度的船舶跟踪效果。高精度的船舶跟踪效果。高精度的船舶跟踪效果。

【技术实现步骤摘要】
基于低功耗设备的船舶实时跟踪方法及系统


[0001]本专利技术涉及船舶跟踪
，特别涉及一种基于低功耗设备的船舶实时跟踪方法和一种基于低功耗设备的船舶实时跟踪系统。

技术介绍

[0002]相关技术中，船舶跟踪管理主要采用RFID或者AIS进行船舶身份识别，但是RFID识别距离小，AIS设备被关闭无法识别，且上述RFID和AIS设备不仅需耗费人力在每一艘船上额外加装相应设备，更需要投入大量的硬件成本，同时也给渔港码头的船舶管理带来不少问题。
[0003]近年来，随着人工智能的发展应用，出现了基于图像识别实现船舶跟踪的方法，但是，其工作原理大多是需要通过将前端摄像头采集的图片/视频数据传回后端服务器进行分析和计算，由于船舶识别所需要的摄像机一般部署在偏僻的港口，很难实现通过专网将实时视频流拉到指挥中心，通过普通宽带传输需要占用大量网络资源并存在延迟，很难保证实时性，而且中心服务器和网络无法支撑大量摄像头视频资源的并发计算，从而导致跟踪效果差。

技术实现思路

[0004]本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种低功耗设备的船舶实时跟踪方法，通过在前端摄像机侧部署低功耗计算设备，减少了视频传输所占用的网络带宽，并结合深度学习技术和IOU匹配算法，实现了高精度的船舶跟踪效果。
[0005]本专利技术的第二个目的在于提出一种基于低功耗设备的船舶实时跟踪系统。
[0006]为达到上述目的，本专利技术第一方面实施例提出了一种基于低功耗设备的船舶实时跟踪方法，所述低功耗设备包括低功耗设备主体、视频采集模块和AI计算模块，所述低功耗设备主体分别与所述视频采集模块和所述AI计算模块相连接，所述船舶实时跟踪方法包括以下步骤：视频采集模块获取视频信息，并将所述视频信息发送给所述低功耗设备主体，以便所述低功耗设备主体对所述视频信息进行处理，以得到多帧船舶图片；构建目标检测模型，并将所述多帧船舶图片作为数据集对所述目标检测模型进行训练，以得到训练好的船舶识别模型；将所述训练好的船舶识别模型移植到所述AI计算模块进行层间融合、张量融合、模型剪枝和权值量化，以得到RKNN推理引擎；所述AI计算模块根据所述RKNN推理引擎对待识别的船舶图片进行识别，以得到对应的识别结果，以便将所述识别结果发送给所述低功耗设备主体，其中，所述识别结果包括船舶在图片中的位置信息和对应的唯一身份信息；所述低功耗设备主体根据所述识别结果比较前后两帧图片中的交并比，以便根据所述交并比对同一艘船舶进行实时跟踪。
[0007]根据本专利技术实施例的基于低功耗设备的船舶实时跟踪方法，利用深度学习技术和IOU匹配算法实现了高精度的船舶跟踪模型，并且将低功耗计算设备部署在前端摄像机侧，
让算法更靠近数据源，减少了视频传输所占用的网络带宽，大幅降低中心服务器对AI算力的要求，实现了高精度的船舶跟踪效果。
[0008]另外，根据本专利技术上述实施例提出的基于低功耗设备的船舶实时跟踪方法还可以具有如下附加的技术特征：
[0009]可选地，所述视频采集模块获取的视频信息通过GB/T28181压缩分辨率后得到H264码流，并将所述H264码流发送给所述低功耗设备主体，以便所述低功耗设备主体对所述H264码流进行解码后得到RGB的多帧图片。
[0010]可选地，将所述多帧图片进行随机剪裁、随机翻转、随机遮挡，以便扩张数据集。
[0011]可选地，根据所述交并比对同一艘船舶进行实时跟踪，包括：判断所述交并比是否大于预设阈值，如果是，则认为所述前后两帧图片中对应的船舶为同一艘船舶，以便对同一艘船舶进行实时跟踪。
[0012]可选地，所述低功耗设备主体还对跟踪的船舶进行分析，当船舶经过预设的检测带时，自动触发告警信息，并将船舶信息截图发送至平台中心服务器。
[0013]为达到上述目的，本专利技术第二方面实施例提出了一种基于低功耗设备的船舶实时跟踪系统，包括低功耗设备主体、视频采集模块和AI计算模块，所述低功耗设备主体分别与所述视频采集模块和所述AI计算模块相连接；所述视频采集模块，用于获取视频信息，并将所述视频信息发送给所述低功耗设备主体；所述低功耗设备主体，用于对所述视频信息进行处理，以得到多帧船舶图片；模型训练模块，用于构建目标检测模型，并将所述多帧船舶图片作为数据集对所述目标检测模型进行训练，以得到训练好的船舶识别模型；所述AI计算模块，用于对所述训练好的船舶识别模型进行层间融合、张量融合、模型剪枝和权值量化，以得到RKNN推理引擎；并根据所述RKNN推理引擎对待识别的船舶图片进行识别，以得到对应的识别结果，以便将所述识别结果发送给所述低功耗设备主体，其中，所述识别结果包括船舶在图片中的位置信息和对应的唯一身份信息；所述低功耗设备主体还用于根据所述识别结果比较前后两帧图片中的交并比，以便根据交并比对同一艘船舶进行实时跟踪。
[0014]根据本专利技术实施例的基于低功耗设备的船舶实时跟踪系统，利用深度学习技术和IOU匹配算法实现了高精度的船舶跟踪模型，并且将低功耗计算设备部署在前端摄像机侧，让算法更靠近数据源，减少了视频传输所占用的网络带宽，大幅降低中心服务器对AI算力的要求，实现了高精度的船舶跟踪效果。
[0015]另外，根据本专利技术上述实施例提出的基于低功耗设备的船舶实时跟踪系统还可以具有如下附加的技术特征：
[0016]可选地，所述视频采集模块获取的视频信息通过GB/T28181压缩分辨率后得到H264码流，并将所述H264码流发送给所述低功耗设备主体，以便所述低功耗设备主体对所述H264码流进行解码后得到RGB的多帧图片。
[0017]可选地，将所述多帧图片进行随机剪裁、随机翻转、随机遮挡，以便扩张数据集。
[0018]可选地，根据所述交并比对同一艘船舶进行实时跟踪，包括：判断所述交并比是否大于预设阈值，如果是，则认为所述前后两帧图片中对应的船舶为同一艘船舶，以便对同一艘船舶进行实时跟踪。
[0019]可选地，所述低功耗设备主体还对跟踪的船舶进行分析，当船舶经过预设的检测带时，自动触发告警信息，并将船舶信息截图发送至平台中心服务器。
附图说明
[0020]图1为根据本专利技术实施例的基于低功耗设备的船舶实时跟踪方法的流程示意图；
[0021]图2为根据本专利技术一个实施例的基于低功耗设备的船舶实时跟踪系统的流程示意图。
具体实施方式
[0022]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0023]为了更好的理解上述技术方案，下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于低功耗设备的船舶实时跟踪方法，其特征在于，所述低功耗设备包括低功耗设备主体、视频采集模块和AI计算模块，所述低功耗设备主体分别与所述视频采集模块和所述AI计算模块相连接，所述船舶实时跟踪方法包括以下步骤：视频采集模块获取视频信息，并将所述视频信息发送给所述低功耗设备主体，以便所述低功耗设备主体对所述视频信息进行处理，以得到多帧船舶图片；构建目标检测模型，并将所述多帧船舶图片作为数据集对所述目标检测模型进行训练，以得到训练好的船舶识别模型；将所述训练好的船舶识别模型移植到所述AI计算模块进行层间融合、张量融合、模型剪枝和权值量化，以得到RKNN推理引擎；所述AI计算模块根据所述RKNN推理引擎对待识别的船舶图片进行识别，以得到对应的识别结果，以便将所述识别结果发送给所述低功耗设备主体，其中，所述识别结果包括船舶在图片中的位置信息和对应的唯一身份信息；所述低功耗设备主体根据所述识别结果比较前后两帧图片中的交并比，以便根据所述交并比对同一艘船舶进行实时跟踪。2.如权利要求1所述的基于低功耗设备的船舶实时跟踪方法，其特征在于，所述视频采集模块获取的视频信息通过GB/T28181压缩分辨率后得到H264码流，并将所述H264码流发送给所述低功耗设备主体，以便所述低功耗设备主体对所述H264码流进行解码后得到RGB的多帧图片。3.如权利要求1所述的基于低功耗设备的船舶实时跟踪方法，其特征在于，将所述多帧图片进行随机剪裁、随机翻转、随机遮挡，以便扩张数据集。4.如权利要求1所述的基于低功耗设备的船舶实时跟踪方法，其特征在于，根据所述交并比对同一艘船舶进行实时跟踪，包括：判断所述交并比是否大于预设阈值，如果是，则认为所述前后两帧图片中对应的船舶为同一艘船舶，以便对同一艘船舶进行实时跟踪。5.如权利要求4所述的基于低功耗设备的船舶实时跟踪方法，其特征在于，所述低功耗设备主体还对跟踪的船舶进行分析，当船舶经过预设的检测带时，自动触发告警信息，并将船舶信息截图发送至平台中心服务器。...

【专利技术属性】
技术研发人员：赖增伟，张志辉，王松，陈泽斌，杨智勤，李旭芳，高天，蔡志兴，
申请(专利权)人：厦门卫星定位应用股份有限公司，
类型：发明
国别省市：