(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210535227.0 (22)申请日 2022.05.17 (71)申请人 交通运输部水运科 学研究所 地址 100088 北京市海淀区西土城路8号 申请人 青岛航运发展研究院 (72)发明人 文捷　耿雄飞　李春旭　洛佳男　 周昱城　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 刘冬亮 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/25(2022.01) G06N 3/08(2006.01)G06N 3/04(2006.01) (54)发明名称 基于扁长形锚点和线段扩充技术的船舶检 测方法和装置 (57)摘要 本发明实施例提供了一种基于扁长形锚点 和线段扩充技术的船舶检测方法和装置， 其中， 所述方法包括： 将目标图像输入至候选框检测网 络中输出船舶对象的第一候选框； 从目标图像中 识别出船舶对象与水平面之间的分界线段， 提取 目标图像的卷积神经网络特征； 将第一候选框在 卷积神经网络特征上进行感兴趣区域池化处理 得到第一候选框的特征； 对第一候选框的特征进 行回归和分类得到第二候选框； 根据第二候选框 和分界线段扩充得到候选框集合； 将候选框集合 的候选框进行非极大值抑制合并得到船舶对象 检测结果。 本发 明实施例设计了多种不同比例的 扁长形锚点， 覆盖了大部分船舶对象的长宽比， 充分考虑了实际的船舶应用场景， 避免了船舶对 象识别不完整的问题。 权利要求书2页 说明书9页 附图5页 CN 115082694 A 2022.09.20 CN 115082694 A 1.一种基于扁长形锚点和线段扩充技 术的船舶检测方法， 其特 征在于， 所述方法包括： 获取待检测的目标图像， 所述目标图像包 含船舶对象和水平面； 将所述目标图像输入至预先训练完毕的候选框检测网络中， 输出所述船舶对象的多个 第一候选框， 所述候选框检测网络基于预设的多种扁长形锚点训练而成； 从所述目标图像中识别出所述船舶对象与 所述水平面之间的分界线段， 并提取所述目 标图像的卷积神经网络特 征； 分别将多个所述第 一候选框在所述卷积神经网络特征上进行感兴趣区域池化处理， 得 到多个所述第一 候选框的特征； 对多个所述第一 候选框的特征进行回归和分类得到多个第二 候选框； 根据多个所述第二 候选框和所述分界线段扩充得到候选 框集合； 将所述候选框集合中的候选 框进行非极大值抑制合并得到所述船舶对象的检测结果。 2.根据权利要求1所述的方法， 其特 征在于， 所述 候选框检测网络的训练步骤， 包括： 获取样本图像， 将所述样本图像的尺寸重新调整至预设尺寸； 对预设尺寸的样本图像进行 下采样处 理、 卷积处 理和线性处 理得到分层特 征； 对所述分层特 征分别进行分类处 理和回归处 理得到分类多维特 征和回归多维特 征； 分别对所述分类多维特征和所述 回归多维特征进行上采样处理， 并根据 预设损失函数 进行所述候选框检测网络的训练。 3.根据权利要求2所述的方法， 其特征在于， 所述对预设尺寸的样本图像进行下采样处 理、 卷积处 理和线性处 理得到分层特 征， 包括： 对预设尺寸的样本图像进行 卷积处理和线性处 理得到第一层特 征； 对所述第一层特 征进行下采样处 理、 卷积处 理和线性处 理得到第二层特 征； 对所述第二层特 征进行下采样处 理、 卷积处 理和线性处 理得到所述分层特 征。 4.根据权利要求2所述的方法， 其特征在于， 所述分类多维特征为(p_pos,p_neg)， 其 中， 所述p_pos表 示像素点是正样 本的概率， 所述p_neg表 示像素点是负样 本的概率； 所述回 归多维特征为(x,y,w,h)， 其中， 所述x表示候选框起点横坐标， 所述y表示候选框起点纵坐 标， 所述w表示候选框的宽， 所述h表示 候选框的高。 5.根据权利要求1所述的方法， 其特征在于， 所述从所述目标图像中识别出所述船舶对 象与所述水平面之间的分界线段， 包括： 将所述目标图像转换为灰度图像； 基于边缘检测算法提取 所述灰度图像的边 缘； 将所述边缘进行霍夫变换 得到倾斜角在预设范围内的所述分界线段。 6.根据权利要求1所述的方法， 其特征在于， 所述根据多个所述第 二候选框和所述分界 线段扩充得到候选 框集合， 包括： 在多个所述第二 候选框中选择 下边缘与所述分界线段相邻的候选 框； 基于选择的候选 框分别向左和/或向右扩充得到多个候选 框； 将多个所述第二 候选框和扩充得到的多个候选 框作为所述 候选框集合。 7.根据权利要求1所述的方法， 其特征在于， 所述提取所述目标图像的卷积神经网络特 征， 包括： 将所述目标图像输入至残差网络和特 征金字塔网络中， 输出 所述卷积神经网络特 征。权　利　要　求　书 1/2 页 2 CN 115082694 A 28.一种基于扁长形锚点和线段扩充技 术的船舶检测装置， 其特 征在于， 所述装置包括： 目标图像获取模块， 用于获取待检测的目标图像， 所述目标图像包含船舶对象和水平 面； 候选框检测模块， 用于将所述目标图像输入至预先训练完毕的候选框检测网络中， 输 出所述船舶对象的多个第一候选框， 所述候选框检测网络基于预设的多种扁长形锚点训练 而成； 线段检测模块， 用于从所述目标图像中识别出所述船舶对象与 所述水平面之间的分界 线段； 特征提取模块， 用于提取 所述目标图像的卷积神经网络特 征； 池化处理模块， 用于分别将多个所述第 一候选框在所述卷积神经网络特征上进行感兴 趣区域池化处 理， 得到多个所述第一 候选框的特征； 回归分类模块， 用于对多个所述第 一候选框的特征进行回归和分类得到多个第 二候选 框； 候选框扩充模块， 用于根据多个所述第二候选框和所述分界线段扩充得到候选框集 合； 候选框合并模块， 用于将所述候选框集合中的候选框进行非极大值抑制合并得到所述 船舶对象的检测结果。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在处理器上运行的 计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至7中任意一 项所述的基于扁长形锚点和线段扩充技 术的船舶检测方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现权利要求1至7中任意一项所述的基于扁长形锚点和线段扩充技术的船舶检测 方法。权　利　要　求　书 2/2 页 3 CN 115082694 A 3