一种基于海量图像数据的舰船轨迹生成方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113887678A(43)申请公布日2022.01.04(21)申请号202111486892.7(22)申请日2021.12.08(71)申请人南京瀚海星宇信息技术有限公司地址211000江苏省南京市江宁区麒麟科技创新园天骄路100号江苏南京侨梦苑A栋13楼201室(72)发明人张秀玲徐希宇张敏敏金萍(74)专利代理机构北京高沃律师事务所11569代理人杜阳阳(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于海量图像数据的舰船轨迹生成方法及系统(57)摘要本发明涉及一种基于海量图像数据的舰船轨迹生成方法及系统。方法包括：构建训练集；利用训练集对深度神经网络模型进行训练，得到图像目标检测网络；对多个待识别的图像进行空间离散化处理，得到多个立体网格图像集合；利用图像目标检测网络对各立体网格图像集合进行识别，得到每个立体网格图像集合对应的识别舰船信息；将每个识别舰船信息对应的待识别的图像进行网格剖分处理，结合所述图像空间属性，得到舰船的地理位置点；基于舰船的地理位置点、舰船类型和图像时间属性，得到每个立体网格图像中舰船的轨迹点集合；根据轨迹点集合确定舰船的活动轨迹。本发明中提高图像目标检测网络的检测精度，使得最终能够生成舰船有效活动轨迹。CN113887678ACN113887678A权利要求书1/2页1.一种基于海量图像数据的舰船轨迹生成方法，其特征在于，包括：构建训练集；所述训练集包括测试图像样本数据集以及与所述测试图像样本数据集对应的实际的舰船信息；所述测试图像样本数据集包括多个包含有航母、军船以及民船的图像；舰船信息包括舰船类型和舰船所在的图像区域位置；利用所述训练集对深度神经网络模型进行训练，得到图像目标检测网络；对多个待识别的图像进行空间离散化处理，得到多个立体网格图像集合；所述立体网格图像集合包括图像时间属性和图像空间属性；利用所述图像目标检测网络对各所述立体网格图像集合进行识别，得到每个所述立体网格图像集合对应的识别舰船信息；将每个所述识别舰船信息对应的待识别的图像进行网格剖分处理，结合所述图像空间属性，得到舰船的地理位置点；基于舰船的地理位置点、所述舰船类型和所述图像时间属性，得到每个所述立体网格图像中舰船的轨迹点集合；根据所述轨迹点集合确定舰船的活动轨迹。2.根据权利要求1所述的基于海量图像数据的舰船轨迹生成方法，其特征在于，所述利用所述训练集对深度神经网络模型进行训练，得到图像目标检测网络，具体包括：利用深度神经网络模型对所述测试图像样本数据集进行预测，得到预测舰船信息；将所述预测舰船信息与实际的舰船信息进行比较，得到所述图像目标检测网络的预测正确率；判断所述预测正确率是否大于修正阈值，得到判断结果；若所述预测正确率大于修正阈值，则得到图像目标检测网络；若所述预测正确率小于或者等于修正阈值，则调整所述深度神经网络模型的参数，使所述预测正确率大于修正阈值。3.根据权利要求1所述的基于海量图像数据的舰船轨迹生成方法，其特征在于，所述对多个待识别的图像进行空间离散化处理，得到多个立体网格图像集合，具体包括：根据分析精度以及地理位置信息，将多个所述待识别的图像进行切分并离散到不同的立体网格中，得到多个立体网格图像集合。4.根据权利要求1所述的基于海量图像数据的舰船轨迹生成方法，其特征在于，所述根据所述轨迹点集合确定舰船的活动轨迹，具体包括：提取所有所述轨迹点集合中同一舰船类型的轨迹点；将所述同一舰船类型的轨迹点，按照时间顺序进行排序，得到舰船的活动轨迹。5.一种基于海量图像数据的舰船轨迹生成系统，其特征在于，包括：训练集构建模块，用于构建训练集；所述训练集包括测试图像样本数据集以及与所述测试图像样本数据集对应的实际的舰船信息；所述测试图像样本数据集包括多个包含有航母、军船以及民船的图像；舰船信息包括舰船类型和舰船所在的图像区域位置；训练模块，用于利用所述训练集对深度神经网络模型进行训练，得到图像目标检测网络；空间离散化处理模块，用于对多个待识别的图像进行空间离散化处理，得到多个立体网格图像集合；所述立体网格图像集合包括图像时间属性和图像空间属性；2CN113887678A权利要求书2/2页识别模块，用于利用所述图像目标检测网络对各所述立体网格图像集合进行识别，得到每个所述立体网格图像集合对应的识别舰船信息；剖分处理模块，用于将每个所述识别舰船信息对应的待识别的图像进行网格剖分处理，结合所述图像空间属性，得到舰船的地理位置点；轨迹点集合确定模块，用于基于舰船的地理位置点、所述舰船类型和所述图像时间属性，得到每个所