基于机器视觉的多视角水面船舶识别方法研究.pdf

基于机器视觉的多视角水面船舶识别方法研究

摘要

随着智能船舶技术的快速发展，对船舶的自动化监测与识别需求日益增加。智能

船舶技术中的多视角水面船舶识别技术能够识别同一场景下，随着图像采集设备与目标

间相对角度变化而变化的船舶图像，这对于理解动态目标至关重要。同时，“多视角”水

面船舶识别技术还能够识别不同场景中的同一目标船舶，对于跨场景的目标重识别和跟

踪也是必要的。多视角船舶在监控成像中的尺度、视角和遮挡程度会发生变化，尺度变

化将导致小尺度目标船舶的特性信息减少，使其难以被准确识别；视角变化和遮挡程度

为静态图像和视频中的目标识别和匹配带来了挑战。为了应对上述挑战，本文以机器视

觉为理论基础，开展了多视角小目标识别、多视角目标重识别和多视角目标跟踪研究。

本文主要研究内容如下：

（1）为了识别多视角环境中的小目标船舶，提出了一种基于YOLOv5算法的船舶小

目标识别方法。该方法首先采用领域泛化的思想进行数据集划分，接着运用Mosaic6数据

增强算法增强模型对小目标船舶的特征提取能力，然后使用双通道注意力机制增强网络

对小目标的敏感度，最后通过SIOU损失函数对模型进行优化。通过利用大尺度船舶特征

对小目标船舶的泛化性进行实验验证，实验结果表明本文所提方法提升了对多尺度小目

标船舶的识别性能，同时也缓解了小目标数据稀缺的问题。

（2）为了识别在不同时间点或不同视角下观察到的同一未知类别船舶，提出了基于

Transformer的多视角船舶重识别方法。该方法首先在Transformer框架中融入了门控线性

单元模块，然后利用不同船舶间的相似性进行跨类别的相似性学习，最后由部件引导的

自蒸馏损失来优化模型。通过利用已知类别船舶特征来学习未知类别船舶特征进行实验

验证，实验结果表明本文所提方法能够有效地识别多视角环境下的未知类别船舶。

（3）为了实时定位并跟踪多视角船舶，提出了一种基于双模板孪生网络的船舶跟踪

方法。该方法首先利用一种新的双模板孪生网络来融合初始模版和旧模版，然后运用

注意力机制来增强模型对目标的敏感度，最后使用一种三步更新策略来更新模型的跟

踪结果。通过融合初始模板和旧模板的三步更新策略进行跟踪实验验证，实验结果表

明本文所提方法能够准确且稳定地跟踪多视角环境下的船舶。

关键词：多视角；小目标识别；船舶重识别；目标跟踪

ResearchonMulti-viewSeaSurfaceShipRecognition

MethodBasedonMachineVision

Abstract

Withtherapiddevelopmentofintelligentshiptechnology,thereisanincreasingdemandfor

automatedmonitoringandidentificationofships.Themulti-viewsurfaceshiprecognition

technologyinsmartshiptechnologycanrecognizetheshipimagesinthesamescenethatchange

withthechangeoftherelativeanglebetweentheimageacquisitionequipmentandthetarget,

whichisessentialforunderstandingthedynamictarget.Atthesametime,itcanalsorecognizethe

sametargetshipindifferentscenes,whichisalsonecessaryforthecross-scenetargetre-

recognitionandtracking.trackingisalsonecessary.Thescale,viewangle,anddegreeofocclusion

ofmulti-vie