技术特征：
1.一种基于船号深度学习的船舶身份识别方法，其特征在于，包括以下步骤：s1、海岸边架设摄像头，对航行的船舶进行自动跟踪及抓拍，并将抓拍的渔船及船号的图像进行保存；s2、将步骤s1收集的渔船图像进行预处理，将分辨率低、船号肉眼看不清、有遮挡和缺失的图像剔除；s3、将步骤s2预处理的数据集进行数据标注，标注船号位置边框和船号文字；s4、使用深度学习crnn模型进行船号识别。2.根据权利要求1所述的一种基于船号深度学习的船舶身份识别方法，其特征在于，所述步骤s3使用ppocrlabel进行数据半自动化数据标注，具体步骤包括：s31、进行字符识别之前，对检测出的文字区域进行透视变换，以便对字符进行矫正，形成数据训练集；s32、对数据训练集进行渔船船号区域裁切，得到相应的船号识别数据集，并将所有出现的字符存为一个字符文件，供模型作为自定义字典使用。3.根据权利要求1所述的一种基于船号深度学习的船舶身份识别方法，其特征在于，所述步骤s4 具体步骤包括：s41、将输入的二维图像，先经过两个卷积层到池化层，然后经过全连接层，最后使用softmax激活函数进行分类，以作为输出层；通过卷积运算提取不同的图像特征；池化层主要用于聚合特征相近的特征，降低特征图的尺寸来减少训练参数和加快训练速度；s42、采用双向lstm作为循环神经网络，将梯度直接返回浅层神经元，缓解rnn网络中梯度消失的能力；循环神经网络挖掘出数据背后时序和语义的信息，并且处理和预测序列数据；利用blstm将特征向量进行融合以提取字符序列的上下文特征，然后得到每列特征的概率分布；s43、使用ctc损失函数把获取的预测结果转录成最终的标签序列；为了避免网络模型训练出现过拟合现象，把惩罚因子加进损失函数里面，减少输出的值与预期的真实值之间的差距。4.根据权利要求3所述的一种基于船号深度学习的船舶身份识别方法，其特征在于，所述步骤s41具体步骤包括：s411、卷积部分限制输入图像为的大小为width x 32，即该指定图像高度为32，宽度为任意值；s412、构建卷积神经网络cnn；s413、将统一高度后的图像输入卷积神经网络cnn中，经过cnn计算后输出特征序列，从而获得双向循环神经网络rnn待输入的特征序列；由于卷积池化具有平移不变性，因此，每一个输出与输入的对应的两列直接相关，并在原图像上有对应的感受野。5.根据权利要求3所述的一种基于船号深度学习的船舶身份识别方法，其特征在于，所述步骤s42具体步骤为：s421、在卷积层的上部建立一个深度双向递归神经网络，称为递归层，递归层对特征序列x = x1......xt中每帧的标签分布进行预测；s422、在crnn网络结构中增加可变尺度机制，使用滑动窗口和步长来动态的提取图像
不同大小的卷积特征, 最后使用池化函数将卷积特征对应的二维矩阵转化为相同尺度；s423、采用双向循环神经网络rnn结合resnet网络，能够将梯度直接返回浅层神经元。6.根据权利要求3所述的一种基于船号深度学习的船舶身份识别方法，其特征在于，所述步骤s43具体为：s431、采用在ctc损失函数中加入惩罚因子避免网络模型训练出现过拟合现象，如果ctc损失函数的值就应该越小，则说明数据拟合的越好；s432、引入blank字符，解决有些位置没有字符的问题，通过递推，计算梯度；将双向循环神经网络rnn输出的每帧预测标签分布转录成标签序列，其中转录模式包括无词典转录和基于词典转录，基于词典转录模式中，通过选择具有最高概率的标签序列进行预测。7.根据权利要求4所述的一种基于船号深度学习的船舶身份识别方法，其特征在于，在所述步骤s411中，将所有测试图片的高度均归一化到32，以便加速测试图片训练的过程。8.根据权利要求4所述的一种基于船号深度学习的船舶身份识别方法，其特征在于，在所述步骤s412中，卷积神经网络cnn结构使用vgg网络结构提取图像特征；第一层与第二层均采取dw卷积，将第三层最大池化max pooling和第四层最大池化max pooling的核大小设置为设为1
×ꢀ
2；第五层卷积到第六层卷积引入bn模块，bn层加快网络的训练和收敛的速度,控制梯度爆炸防止梯度消失，防止过拟合。
技术总结
本发明涉及一种基于船号深度学习的船舶身份识别方法，属于渔港智能识别领域；包括以下步骤：S1、海岸边架设摄像头，对航行的船舶进行自动跟踪及抓拍，并将抓拍的渔船及船号的图像进行保存；S2、将步骤S1收集的渔船图像进行预处理，将分辨率低、船号肉眼看不清、有遮挡和缺失的图像剔除；S3、将步骤S2预处理的数据集进行数据标注，标注船号位置边框和船号文字；S4、使用深度学习CRNN模型进行船号识别。本发明的优点是：减少了计算量，提高了速度；加入残差网络结构Resnet，测试取得更好的结果；在CTC损失函数中引入blank字符，解决有些位置没有字符的问题，通过递推，快速计算梯度，降低了损失函数。失函数。失函数。
技术研发人员：张念华 付晓鹏 王光峻 张骏 刘洋 邱亮 邢永超
受保护的技术使用者：青岛恒天翼信息科技有限公司
技术研发日：2022.10.14
技术公布日：2022/11/11