论文部分内容阅读
航道运价便宜,大宗物资大都利用航道运输。内河航道的船舶智能视频监控系统,对运输安全、提高运输效率有着重要的意义。而在实际场景中,存在水面倒影、船行波纹等干扰,而基于帧间像素差的传统高斯背景建模检测方法,囿于其原理,难免存在误检、漏检等情况。为此,论文结合船联网国家专项,对此展开专题研究,其具有重要的应用价值与理论意义。论文描述了国内外船舶视频检测的现状,包括阴影检测、运动目标检测等;分析了船舶检测的难点;解析了常用的几种阴影检测算法的机理,并分析比较了各自的优缺点;提出了一种基于超图的随机阴影分区优化算法;分析了 Faster RCNN存在的误检缺陷,描述了对Faster RCNN两个过程改进的细节,给出了融合样本取舍的船舶检测算法;研究了融合多层特征HyperNet网络的算法原理,对比了与Faster RCNN检测到目标船舶的位置信息、检测精度,验证了 HyperNet网络在实际应用中的可行性。针对传统的阴影检测算法中,因船舷边界颜色与阴影颜色相近导致的检测失败,论文中解析了超图分割的算法原理,改进优化了颜色空间的阴影检测算法,给出了基于超图的随机阴影检测分区算法。针对Faster RCNN算法在实际检测中出现的误检问题,论文提出了融合样本取舍的船舶检测算法。该算法解析了CFAFT模型的原理,首先用Fast RCNN分类器对RPN产生的候选区域进行筛选,然后分类阶段在原有分类器的基础上又加入了1个二值分类器以进行更精细的精测。实验效果表明,该算法能够较好地解决误检问题。针对Faster RCNN在实际检测中存在的目标框位置信息精度问题,以及进一步提高Faster RCNN算法的检测精度的需要,论文提出了融合多层特征的船舶检测算法。该算法将分辨率高的浅层、中间层、丰富语义信息的深层特征图的特征聚集并统一到一个空间,在实际交通数据集下,具有很好的位置信息。相对于Faster R-CNN,平均检测精度mAP与召回率分别提高15%和6.2%。综上,论文的创新点和特点在于:●提出了基于超图的随机阴影检测分区算法,去除了运动船舶的阴影,提高了运动目标检测精度;●优化了运动目标检测的两个过程,提出了融合样本取舍的船舶检测算法,解决了 Faster RCNN算法在实际检测中出现的误检问题,提高了运动目标检测与内河航道船舶参数的精度;·提出了融合多层特征的船舶检测算法,融合了浅层、中间层、高层信息,解决了 Faster RCNN在实际检测中存在的目标框位置信息精度问题,提高了目标检测的精度。