10.11772/j.issn.1001-9081.2018102190
基于Darknet网络和YOLOv3算法的船舶跟踪识别
针对我国沿海与内陆水域区域视频监控处理存在实际利用率低、误差率大、无识别能力、需人工参与等问题,提出基于Darknet网络模型结合YOLOv3算法的船舶跟踪识别方法实现船舶的跟踪并实时检测识别船舶类型,解决了重要监测水域船舶跟踪与识别问题.该方法提出的Darknet网络引入了残差网络的思想,采用跨层跳跃连接方式以增加网络深度,构建船舶深度特征矩阵提取高级船舶特征进行组合学习,得到船舶特征图.在此基础上,引入YOLOv3算法实现基于图像的全局信息进行目标预测,将目标区域预测和目标类别预测整合于单个神经网络模型中.加入惩罚机制来提高帧序列间的船舶特征差异.通过逻辑回归层作二分类预测,实现在准确率较高的情况下快速进行目标跟踪与识别.实验结果表明,提出的算法在30 frame/s的情况下,平均识别精度达到89.5%,与传统以及深度学习算法相比,不仅具有更好的实时性、准确性,对各种环境变化具有较好的鲁棒性,而且可以识别多种船舶的类型及其重要部位.
海上交通、船舶监测、船舶跟踪、船舶类型识别、Darknet网络、YOLOv3算法
39
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目51379121,61304230;上海市曙光人才计划项目15SG44
2019-07-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
1663-1668