System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于YOLOv7的船舶识别与融合方法、系统、设备及存储介质技术方案_技高网

一种基于YOLOv7的船舶识别与融合方法、系统、设备及存储介质技术方案

技术编号:41349111 阅读:3 留言:0更新日期:2024-05-20 10:03
本申请提供了一种基于YOLOv7的船舶识别与融合方法、系统、设备及存储介质,该方法包括:采集各类型的船舶图片,并对船舶图片进行特征标注,获得原始数据集并将其输入至YOLOv7网络模型中训练,获得训练好的YOLOv7网络模型;在摄像头的拍摄范围内,标定多个预置点位的经纬度坐标,并且通过预置点位的延伸线计算出汇聚点,根据汇聚点构建出拍摄画面的经线纬线场;将摄像头的拍摄画面输入至训练好的YOLOv7网络模型进行船舶识别,基于经线纬线场,计算获得船舶的经纬度坐标;获取摄像头拍摄范围内船舶AIS信息,将船舶的经纬度坐标与AIS信息相匹配。本申请通过将船舶识别与船舶AIS经纬度坐标相结合,能够快速准确的监控拍摄范围内船舶的情况。

【技术实现步骤摘要】

本申请涉及船舶检测,具体涉及一种基于yolov7的船舶识别与融合方法、系统、设备及存储介质。


技术介绍

1、海上船舶检测和识别是一项重要的任务,它涉及到航运安全、港口管理、海洋保护等方面。现在,随着计算机视觉和机器学习技术的发展,海上船舶检测和识别已经成为一种可行的技术方案。

2、海上船舶检测和识别主要分为两个步骤:检测和识别。检测是指在海上的图像中找到所有的船舶位置和边界框。识别主要是指每艏船舶的类型和其他特征(如长度、宽度、船名、mmsi等)确定下来。现有船舶ar识别的技术主要为yolo模型,并且运用的版本主要为yolov3。然而,市面上主流的yolov3框架对位于港口的船舶识别这类高精度的特定场景下的高精度识别效率性能相对不够,而且在低分辨率的小目标检测效果也相对较差。

3、鉴于此,本申请提出了一种基于yolov7的船舶识别与融合方法、系统、设备及存储介质,能够快速准确的监控拍摄范围内船舶的情况。


技术实现思路

1、为了解决现有技术在低分辨率的小目标检测效果较差等问题,本申请提供一种基于yolov7的船舶识别与融合方法、系统、设备及存储介质,以解决上述技术缺陷问题。

2、根据本申请的一个方面提出了一种基于yolov7的船舶识别与融合方法,该方法包括以下步骤:

3、s1、采集各类型的船舶图片,并对船舶图片进行特征标注,获得原始数据集,将原始数据集输入至yolov7网络模型中进行训练,获得训练好的yolov7网络模型;

4、s2、在摄像头的拍摄范围内,标定多个预置点位的经纬度坐标,并且通过预置点位的延伸线计算出汇聚点,根据汇聚点构建出拍摄画面的经线纬线场;

5、s3、将摄像头的拍摄画面输入至训练好的yolov7网络模型进行船舶识别,以及基于步骤s2构建的经线纬线场,计算获得船舶的经纬度坐标;

6、s4、获取摄像头拍摄范围内船舶的ais信息,将船舶的经纬度坐标与ais信息相匹配,进而监控所述摄像头拍摄范围内船舶的行驶情况。

7、通过上述技术方案,本申请使用yolov7作为船舶识别模型,能够提高船舶的识别率以及识别速度。并且在摄像头拍摄范围内,通过收集视野范围内部分真实点位的经纬度点,通过数据增强,构建一个经度纬度场,根据拍摄画面中yolov7网络模型识别到船舶所提供的中心点xy坐标和构建的经纬度场进行匹配,从而计算出当前识别船舶的经纬度坐标,并且和当前范围内船舶的ais进行匹配,最后匹配出当前识别船舶的ais数据,完成融合。

8、优选的,在步骤s3中,将摄像头的拍摄画面输入至训练好的yolov7网络模型进行船舶识别,以及基于步骤s2构建的经线纬线场,计算获得船舶的经纬度坐标,包括以下子步骤:

9、s31、将所述摄像头的拍摄画面输入至所述训练好的yolov7网络模型,识别出船舶,获取所述船舶的中心像素点p;

10、s32、从所述经线纬线场中获取四个已知坐标点,其中所述中心像素点p位于四个已知坐标点形成的区域内,根据所述已知坐标点,计算出所述中心像素点p的经度和纬度。

11、通过上述技术方案,能够快速准确地匹配计算出船舶的经纬度坐标。

12、优选的,在步骤s3中,还包括根据haversine公式和dijkstra算法增加点吸附机制,获取所述中心像素点p的近点值,基于所述近点值确定周围船舶的经纬度坐标。

13、通过上述技术方案,本申请能够利用中心像素点p最近点的经纬度顺序,跳过四边形面积积分、微分与经纬线偏移计算,而是使用haversine公式直接得到近点值,相比数据库查询更有优势。

14、优选的,在步骤s4中,获取摄像头拍摄范围内船舶的ais信息,将船舶的经纬度坐标与ais信息相匹配,包括以下子步骤:

15、s41、通过ais接口获取摄像头拍摄范围内船舶的ais信息;

16、s42、将船舶的经纬度坐标与ais信息中的经度纬度数据进行两点距离计算;

17、s43、预设距离阈值范围,若计算获得的结果在距离阈值范围内,则判定船舶的经纬度坐标与ais信息匹配成功。

18、优选的,在步骤s2中,标定多个预置点位的经纬度坐标,通过预置点位的延伸线计算出汇聚点,根据汇聚点构建出拍摄画面的经线纬线场,包括以下子步骤:

19、s21、标定多个预置点位的经纬度坐标,经纬度坐标映射至xy轴坐标;

20、s22、通过预置点位的延伸线计算出汇聚点,其中单条延伸线的公式为y=mx+b,式中m为斜率,b为截距,x为横坐标值,y为纵坐标值;

21、s23、对汇聚点进行数据增强,构建出拍摄画面的经线纬线场。

22、通过上述技术方案,构建出拍摄画面的经线纬线场,便于执行后续操作。

23、优选的,在步骤s1中,还包括将原始数据集按比例划分为训练集、验证集和测试集。

24、优选的,在步骤s3中,摄像头的拍摄画面通过rtsp视频流输入至训练好的yolov7网络模型进行船舶识别。

25、第二方面,本申请提供了一种基于yolov7的船舶识别与融合系统,该系统包括:

26、船舶识别模型训练模块,配置于采集各类型的船舶图片,并对船舶图片进行特征标注,获得原始数据集,将原始数据集输入至yolov7网络模型中进行训练,获得训练好的yolov7网络模型;

27、经线纬线场构建模块,配置于在摄像头的拍摄范围内,标定多个预置点位的经纬度坐标,并且通过预置点位的延伸线计算出汇聚点,根据汇聚点构建出拍摄画面的经线纬线场;

28、船舶位置计算模块,配置于将摄像头的拍摄画面输入至训练好的yolov7网络模型进行船舶识别,以及基于经线纬线场构建模块的经线纬线场,计算获得船舶的经纬度坐标;

29、ais融合模块,配置于获取摄像头拍摄范围内船舶的ais信息,将船舶的经纬度坐标与ais信息相匹配,进而监控摄像头拍摄范围内船舶的行驶情况。

30、第三方面,本申请提供了一种终端设备,包括处理器、存储器以及存储在存储器内的计算机程序,计算机程序被处理器执行以实现如上述中任意一项的基于yolov7的船舶识别与融合方法。

31、第四方面,本申请提供了一种计算机可读存储介质,介质中存储有计算机程序,在计算机程序被处理器执行时,实施如上述中任意一项的基于yolov7的船舶识别与融合方法。

32、与现有技术相比,本申请的有益成果在于:

33、(1)本申请使用yolov7作为船舶识别模型,能够提高船舶的识别率以及识别速度。

34、(2)本申请在摄像头拍摄范围内,通过收集视野范围内部分真实点位的经纬度点,通过数据增强,构建一个经度纬度场,根据拍摄画面中yolov7网络模型识别到船舶所提供的中心点xy坐标和构建的经纬度场进行匹配,从而计算出当前识别船舶的经纬度坐标,并且和当前范围内船舶的ais进行本文档来自技高网...

【技术保护点】

1.一种基于YOLOv7的船舶识别与融合方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于YOLOv7的船舶识别与融合方法,其特征在于,在步骤S3中,将所述摄像头的拍摄画面输入至所述训练好的YOLOv7网络模型进行船舶识别,以及基于步骤S2构建的所述经线纬线场,计算获得船舶的经纬度坐标,包括以下子步骤:

3.根据权利要求2所述的基于YOLOv7的船舶识别与融合方法,其特征在于,在步骤S3中,还包括根据Haversine公式和Dijkstra算法增加点吸附机制,获取所述中心像素点P的近点值,基于所述近点值确定周围船舶的经纬度坐标。

4.根据权利要求1所述的基于YOLOv7的船舶识别与融合方法,其特征在于,在步骤S4中,获取所述摄像头拍摄范围内船舶的AIS信息,将所述船舶的经纬度坐标与所述AIS信息相匹配,包括以下子步骤:

5.根据权利要求1所述的基于YOLOv7的船舶识别与融合方法,其特征在于,在步骤S2中,标定多个预置点位的经纬度坐标,通过所述预置点位的延伸线计算出汇聚点,根据所述汇聚点构建出拍摄画面的经线纬线场,包括以下子步骤:

6.根据权利要求1所述的基于YOLOv7的船舶识别与融合方法,其特征在于,在步骤S1中,还包括将所述原始数据集按比例划分为训练集、验证集和测试集。

7.根据权利要求1所述的基于YOLOv7的船舶识别与融合方法,其特征在于,在步骤S3中,所述摄像头的拍摄画面通过rtsp视频流输入至所述训练好的YOLOv7网络模型进行船舶识别。

8.一种基于YOLOv7的船舶识别与融合系统,其特征在于,所述系统包括:

9.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器内的计算机程序,所述计算机程序被所述处理器执行以实现如权利要求1至7中任意一项所述的基于YOLOv7的船舶识别与融合方法。

10.一种计算机可读存储介质,所述介质中存储有计算机程序,在所述计算机程序被处理器执行时,实施如权利要求1至7中任意一项所述的基于YOLOv7的船舶识别与融合方法。

...

【技术特征摘要】

1.一种基于yolov7的船舶识别与融合方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于yolov7的船舶识别与融合方法,其特征在于,在步骤s3中,将所述摄像头的拍摄画面输入至所述训练好的yolov7网络模型进行船舶识别,以及基于步骤s2构建的所述经线纬线场,计算获得船舶的经纬度坐标,包括以下子步骤:

3.根据权利要求2所述的基于yolov7的船舶识别与融合方法,其特征在于,在步骤s3中,还包括根据haversine公式和dijkstra算法增加点吸附机制,获取所述中心像素点p的近点值,基于所述近点值确定周围船舶的经纬度坐标。

4.根据权利要求1所述的基于yolov7的船舶识别与融合方法,其特征在于,在步骤s4中,获取所述摄像头拍摄范围内船舶的ais信息,将所述船舶的经纬度坐标与所述ais信息相匹配,包括以下子步骤:

5.根据权利要求1所述的基于yolov7的船舶识别与融合方法,其特征在于,在步骤s2中,标定多个预置点位的经纬度坐标,通过...

【专利技术属性】
技术研发人员:杨世斌蔡志勇庄海东刘双印罗淑娅
申请(专利权)人:厦门蓝海天信息技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1