【技术实现步骤摘要】
本专利技术属于大场景监控，具体涉及一种基于多维度融合的大场景船舶视频监控方法及系统。
技术介绍
1、为实现多源感知加权融合实景监控，对大场景、多源多焦段视频拼接加权融合，前端通过ai算法将图像数字化、完成端边计算，后端服务器运用三维gis虚实加权融合，实现大场景、全实景监控和多目标监管船舶的速度、运动路线状况。传统的视频监控技术获得全景监控图像在融合过程中使用均值融合，融合图像容易出现重影，且融合容易不够准确，传统的大场景船舶监控技术常使用深度学习法来判断是否发生碰撞，需要采集较多的样本图片来识别船舶聚集异常状况，通过训练样本不够则难以准确判断全景监控中船舶数量及船舶的聚集状况，难以识别船舶间的距离，无法准确判断是否发生碰撞。
技术实现思路
1、为解决现有技术中存在的上述问题，第一方面，本专利技术提供了一种基于多维度融合的大场景船舶视频监控方法，本专利技术的方法的具体步骤如下：
2、s1：获取同一时刻多维全角度监控的监控图像集，所述多维全角度监控包括第一监控、第二监控、...、第n监控，所述多维全角度监控依次相邻，所述监控图片集包括第一监控图像、第二监控图像、...、第n监控图像；
3、s2：获取所述第一监控图像和所述第二监控图像的重叠区域，对所述重叠区域进行加权融合得到融合图像；
4、s3：重复所述加权融合步骤将所述监控图像集加权融合到所述融合图像得到全景监控图像；
5、s4：根据所述全景监控图像提取船舶特征图像，计算所述船舶特征图
6、s5：根据所述分布熵设置所述的全景监控图像的安全状态的分布熵阈值，根据所述分布熵阈值识别所述全景监控图像中船舶聚集程度。
7、具体地，所述重合区域的获取步骤为：
8、s201：获取监控摄像头的安装距离、监控范围和监控图像的大小；
9、s202：根据所述安装距离和所述监控范围获取监控的实际监控重叠区域；
10、s203：根据所述监控图像的大小和所述监控范围的比值得到呈像比例；
11、s204：根据所述呈现比例和所述实际监控重叠区域的乘积得到所述图像的重叠区域。
12、具体地，所述s2中的重叠区域的加权融合步骤为：
13、根据加权融合公式得到所述融合图像，公式如下：
14、
15、其中，t(x,y)表示所述融合图像，t1(x,y)表示所述第一监控图像，t2(x,y)表示所述第二监控图像，w1表示所述第一监控图像的权重，w2表示所述第二监控图像的权重，l表示所述重叠区域的宽度。
16、具体地，所述s4中的分布熵的计算方法为：
17、根据所述全景监控图像对所述全景监控图像通过灰度处理得到全景监控灰度图像，根据所述全景监控图像通过特征提取得到所述船舶特征图像，计算所述船舶特征图像的所述分布熵，所述分布熵的计算公式为：
18、
19、其中，h(x)表示船舶特征图像宽度分布熵，h(y)表示船舶特征图像高度分布熵，h表示船舶特征图像高度，w表示船舶特征图像宽度，px(i)表示船舶特征图像横坐标为i的像素分布概率，py(i)表示船舶特征图像纵坐标为i的像素分布概率，i表示所述分布熵。
20、具体地，所述s5的具体步骤为：
21、遍历所述船舶特征图像的像素点，获取所述像素点的所述分布熵，所述分布熵大于所述分布熵阈值时，所述船舶发生聚集异常，所述分布熵小于所述分布熵阈值时，所述船舶未发生聚集。
22、第二方面，一种基于多维度融合的大场景船舶视频监控系统，包括如下模块：
23、监控图像获取模块：获取同一时刻多维全角度监控的监控图像集，所述多维全角度监控包括第一监控、第二监控、...、第n监控，所述多维全角度监控依次相邻，所述监控图片集包括第一监控图像、第二监控图像、...、第n监控图像；
24、图像加权融合模块：对所述第一监控图像和所述第二监控图像进行特征提取得到重合像素点，根据所述重合像素点计算重叠区域，对所述重叠区域进行加权融合得到融合图像；
25、全景加权融合模块：重复所述图像加权融合模块步骤，将所述所述监控图像集加权融合得到全景监控图像；
26、分布熵计算模块：根据所述全景监控图像提取船舶特征图像，计算所述全景监控图像的分布熵；
27、聚集识别模块：根据所述分布熵设置所述的全景监控图像的安全状态的分布熵阈值，根据所述分布熵阈值识别所述全景监控图像中船舶的聚集程度。
28、本专利技术的有益效果为：
29、(1)通过将监控图像集进行加权融合得到全景监控图像，得到的全景图像融合更加准确，清晰度更高；
30、(2)通过对所述全景监控图像进行特征提取得到船舶特征图像，技术按所述船舶特征图像的分布熵，根据所述分布熵阈值得到船舶特征图像的聚集程度及时准确的判断船舶是否存在异常。
本文档来自技高网...【技术保护点】
1.一种基于多维度融合的大场景船舶视频监控方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多维度融合的大场景船舶视频监控方法，其特征在于，所述重合区域的获取步骤为：
3.根据权利要求1所述的基于多维度融合的大场景船舶视频监控方法，其特征在于，所述S2中的重叠区域的加权融合步骤为：
4.根据权利要求1所述的基于多维度融合的大场景船舶视频监控方法，其特征在于，所述S4中的分布熵的计算方法为：
5.根据权利要求1所述的基于多维度融合的大场景船舶视频监控方法，其特征在于，所述S5的具体步骤为：
6.一种基于多维度融合的大场景船舶视频监控系统，使用权利要求1-5任一项所述的方法运行，其特征在于，包括如下模块：
【技术特征摘要】
1.一种基于多维度融合的大场景船舶视频监控方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多维度融合的大场景船舶视频监控方法，其特征在于，所述重合区域的获取步骤为：
3.根据权利要求1所述的基于多维度融合的大场景船舶视频监控方法，其特征在于，所述s2中的重叠区域的加权融合步骤为：
4.根据...
【专利技术属性】
技术研发人员：王朋辉，俞志锋，周美华，张是康，季巍铭，农衡，葛从明，万强，胡金亮，
申请(专利权)人：容讯智能科技上海有限公司，
类型：发明
国别省市：
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。