一种面向非受控场景的视频船舶水尺识别方法Video ship draft survey recognition method for uncertainty scene
岳益锋;夏亮明;王群英;张方;程永林;郭东岩;
摘要(Abstract):
如何准确的计算出船舶装运后的货物重量是远洋运输中的重要问题.当前主要通过获取船舶吃水值来间接计算货物重量.但是,传统的船舶吃水值获取方法仍然存在准确度不高,费时费力等问题.为了解决这些问题,提出了一种基于机器视觉的船舶吃水值自动计算方法.利用基于神经网络模型的文本检测算法定位和识别船体刻度字符,图像语义分割算法对水位线进行分割.最后,通过最小二乘线性拟合算法计算吃水值.实验结果证明了该方法的有效性.即使在水面上有波浪或气泡,甚至在船体上有多种颜色或干扰符号的情况下,其计算误差在1 cm以内,计算精度能达到毫米级别,可在真实场景中使用.
关键词(KeyWords): 船舶吃水值;机器视觉;文本检测与识别;图像语义分割;最小二乘法
基金项目(Foundation):
作者(Author): 岳益锋;夏亮明;王群英;张方;程永林;郭东岩;
Email:
DOI:
参考文献(References):
- [1]沈益骏,黄昱洪,何吉飞.一种基于图像处理的船舶水尺标志识别方法[J].上海海事大学学报,2018,39(2):45-49.
- [2]罗婧,施朝健,冉鑫.一种视频图像船舶吃水线自动检测方法[J].船海工程,2012,40(1):30-32,37.
- [3]郭秀艳.船舶水尺吃水值检测方法研究[D].大连:大连海事大学,2014:34-36.
- [4]吴海.基于机器视觉的船舶吃水线检测系统研究[D].秦皇岛:燕山大学,2016:22-23.
- [5] Takahiro T,Hiromi Y,Youji I. Automatic draft reading based on image processing[J]. Optical Engineering, 2016, 55(10):104104.
- [6] Zhou X,Yao C,Wen H,et al. EAST:an efficient and accurate scene text detector[C]//2017 IEEE Conference on Computer Vision and Pattern Recognition(CVPR). Honolulu,HI:IEEE,2017.
- [7] Peng C,Zhang X,Yu G,et al. Large Kernel Matters—Improve Semantic Segmentation by Global Convolutional Network[C]//2017 IEEE Conference on Computer Vision and Pattern Recognition(CVPR). Honolulu,HI:IEEE,2017.