公开(公告)号：CN111062383A

公开(公告)日：2020-04-24

申请号：CN201911065233.9

申请日：2019-11-04

Applicant: 南通大学

Inventor： 邵叶秦 ,  丁政年 ,  李志伟 ,  马雪仪 ,  李杰 ,  向阳 ,  施佺

IPC: G06K9/32 ,  G06N3/04

Abstract: 本发明公开了一种基于图像的船舶检测深度神经网络算法，包括：第一步，将图像上采样，使图像长宽都变成原有的两倍；第二步，将图像划分为S*S的网格，对每一个网格本发明预测B个边界预测，每一个边界预测都给出包含船舶位置、置信度和分类概率的6个参数；第三步，通过级联空洞卷积神经网络来提取每个网格的特征，通过特征融合实现多分辨率的船舶边界预测，确定船舶的位置；第四步，设计损失函数，通过设置不同的比例因子平衡有船体部分的预测框和没有船体部分的预测框。本发明基于卷积神经网络在计算机视觉领域的研究，在特征学习的基础上将分类和回归融合在一个深度神经网络中进行多目标实时检测，具有很强的准确性和快速性。

公开(公告)号：CN110334717A

公开(公告)日：2019-10-15

申请号：CN201910605659.2

申请日：2019-07-05

Applicant: 南通大学

Inventor： 王宵 ,  邵叶秦 ,  李志伟 ,  李杰 ,  马雪仪 ,  蒋雯 ,  许致火 ,  施佺

IPC: G06K9/46 ,  G06K9/00

Abstract: 本发明的基于检测的渡口车辆跟踪方法，包括如下步骤：步骤1）获取安装在渡口路边的摄像头的视频数据；步骤2）通过车辆检测模型得到所述视频数据的每帧图像中每一车辆的车辆区域；步骤3）计算每一车辆外接矩形框的直方图特征；步骤4）计算当前帧图像中每一车辆的直方图特征与记录在车辆跟踪列表中的每一车辆的直方图特征的特征距离，判断当前帧图像中的相应车辆是否为新出现的车辆；步骤5）将判定为新出现的车辆记录到车辆跟踪列表中；步骤6）对于同一辆车在当前图像上用相同颜色标识矩形框。有益效果：无需人工干预，并且采用的算法鲁棒性好，跟踪准确，适合不同的光照条件，对摄像头分辨率要求不高，实用性强。