(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210381322.X (22)申请日 2022.04.13 (65)同一申请的已公布的文献号 申请公布号 CN 114463430 A (43)申请公布日 2022.05.10 (73)专利权人 威海经济技 术开发区天智创新 技 术研究院 地址 264200 山东省威海市经区香港路18- 1智慧大厦6 05室、 606室 (72)发明人 孙弘超　于江涛　 (74)专利代理 机构 苏州三英知识产权代理有限 公司 32412 专利代理师 钱超 (51)Int.Cl. G06T 7/73(2017.01)G06V 40/10(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (56)对比文件 CN 109558860 A,2019.04.02 CN 112949595 A,2021.0 6.11 CN 107886097 A,2018.04.0 6 CN 113344885 A,2021.09.0 3 US 8363939 B1,2013.01.2 9 魏新勇.水面无 人艇自主局部避障系统关键 技术研究. 《中国优秀硕士学位 论文全文数据库 (工程科技 Ⅱ辑)》 .2020, 审查员 郭晓坤 (54)发明名称 一种基于图像处 理的海洋搜救系统和方法 (57)摘要 本发明公开了一种基于图像处理的海洋搜 救系统和方法， 涉及图像处理技术领域。 该方法 包括： 利用无人水面艇上的摄像头获取待检测海 面图像后， 首先区分海水区域和天空区域， 将事 故人员搜救范围缩小为海水区域； 然后通过第一 标准线将海 水区域划分为近水区域和远水区域， 再次将事故人员搜救范围缩小为近水区域。 本发 明所提供的方法无需再对整个待检测海面图像 进行算法 处理， 即放弃对图像处理识别技术难以 保证精度的远水区域进行算法 处理， 不仅加快了 计算速度， 还保证了识别处理的精度。 对于难以 识别的远水区域， 可驱使无人水面艇沿水面漂浮 物的方向行驶， 靠近该水面漂浮物进行进一步地 识别确认。 权利要求书3页 说明书10页 附图6页 CN 114463430 B 2022.07.01 CN 114463430 B 1.一种基于图像处理的海洋搜救方法， 所述方法应用于无人水面艇上， 其特征在于， 包 括： 通过摄像头获取待检测海面图像； 通过海界线人工神经网络模型识别出所述待检测海面图像中的海面边界线， 所述海面 边界线将所述待检测海面图像区分为海水区域和天空区域， 所述海水区域背离所述 天空区 域的边缘为基准线； 根据所述摄像头获取所述待检测海面图像的当前焦距， 计算出所述待检测海面图像中 第一标准线的位置， 所述第一标准线将所述海水区域区分为近水区域和远水区域； 以及 通过识别人工神经网络模型识别出所述近水区域内的水面漂浮物类型， 在所述水面漂 浮物类型为事故人员的情况 下， 向搜救队员发送所述水面漂浮物类型的当前位置坐标； 在所述通过识别人工神经网络模型识别出所述近水区域内的水面漂浮物类型之前， 所 述方法还 包括： 根据所述摄像头获取所述待检测海面图像的当前焦距， 计算出所述待检测海面图像中 第二标准线的位置， 所述第二标准线将所述近水区域区分为第一近水区域和第二近水区 域， 所述第二近水区域与所述远水区域交接； 所述通过识别人工神经网络模型识别出所述近水区域内的水面漂浮物类型， 在所述水 面漂浮物类型为事故人员的情况下， 向搜救队员发送所述水面漂浮物类型的当前位置坐 标， 包括： 所述通过识别人工神经网络模型识别出 所述第一近水区域内的水面漂浮物类型； 在所述第一近水区域内的水面漂浮物类型为事故人员的情况下， 向搜救队员发送所述 无人水面艇的当前位置坐标； 所述通过识别人工神经网络模型识别出 所述第二近水区域内的水面漂浮物类型； 在所述第二近水区域内的水面漂浮物类型为事故人员的情况下， 通过测距雷达获取所 述第二近水区域内的事故人员与所述无 人水面艇的当前位置的位置关系； 通过所述位置关系计算出 所述第二近水区域内的事故人员与的当前位置坐标。 2.根据权利要求1所述的基于图像处理的海洋搜救方法， 其特征在于， 所述方法还包 括： 通过测距雷达获取所述远水区域内的水面漂浮物的当前方向， 驱动所述无人水面艇向 当前方向航行。 3.根据权利要求1所述的基于图像处理 的海洋搜救方法， 其特征在于， 所述通过海 界线 人工神经网络模型识别出 所述待检测海面图像中的海面 边界线， 包括： 通过海界线人工神经网络模型将所述待检测海面图像中每个像素划分为天空和海面 两个大类； 根据像素类型划分结果将所述待检测海面图像划分为所述天空区域和所述海水区域； 和 将所述天空区域和所述海水区域的交界线确定为所述海面 边界线。 4.根据权利要求3所述的基于图像处理 的海洋搜救方法， 其特征在于， 所述通过海 界线 人工神经网络模型将所述待检测海面图像中每 个像素划分为天空和海面两个大类， 包括： 通过各级卷积操作提取待检测海面图像中的图像特征， 得到待检测海面图像的特征权　利　要　求　书 1/3 页 2 CN 114463430 B 2图； 通过池化操作去 除所述特征图中的冗余信息， 对所述特征图进行数据压缩， 池化操作 的算法如下式所示： ； 其中， 表示所述特征图中每个 像素的坐标， 为池化层的池化核， 表示以位置m， n为中心的区域， 表示第 层卷 积神经网络， 表示平均池化 函数、 最大池化 函数或LP范 数池化函数； 通过补零方式对压缩后的所述特征图进行反池化操作， 使得所述特征图恢 复至池化前 的尺寸， 得到待识别特 征图； 以及对所述待识别特 征图中每 个像素进行独立 地类型识别。 5.根据权利要求1所述的基于图像处理 的海洋搜救方法， 其特征在于， 根据所述摄像头 获取所述待检测海面图像的当前焦距， 计算出所述待检测海面图像中第一标准线的位置， 包括： 通过下式计算所述待检测海面图像中所述第一标准线与所述基准线的距离 ： ； 其中， 为所述当前焦距， 为所述摄像头的拍摄视场角， 为所述摄像头距离海面的 实际高度， 为所述第一标准线对应的实际位置与所述无 人水面艇的距离值。 6.根据权利要求1所述的基于图像处 理的海洋搜救方法， 其特 征在于， 所述根据 所述摄像头获取所述待检测海面图像的当前焦距， 计算出所述待检测海面图 像中第二标准线的位置， 包括： 通过下式计算所述待检测海面图像中所述第二标准线与所述基准线的距离 ： ； 其中， 为所述当前焦距， 为所述摄像头的拍摄视场角， 为所述摄像头距离海面的 实际高度， 为所述第二标准线对应的实际位置与所述无 人水面艇的距离值。 7.根据权利要求1所述的基于图像处理 的海洋搜救方法， 其特征在于， 所述位置关系 包 括所述事故人员与所述无人水面艇的当前位置的距离L以及所述事故人员与所述无人水面 艇当前航行 方向的夹角 α； 所述通过所述位置关系计算出所述第 二近水区域内的事故人员与的当前位置坐标， 包 括： 通过下式计算所述第二近水区域内的事故人员与的当前位置坐标 ： ; 其中， 为所述无人水面艇的当前位置坐标， L为所述事故人员与所述无人水面艇权　利　要　求　书 2/3 页 3 CN 114463430 B 3