【摘要】：重慶市位于“長(zhǎng)江經(jīng)濟(jì)帶”和“絲綢之路經(jīng)濟(jì)帶”的交匯處,是長(zhǎng)江中上游最大的航運(yùn)物流集散中心與客運(yùn)中心,航運(yùn)十分繁忙。傳統(tǒng)的信息化管理方法已不能滿足港口船舶流量統(tǒng)計(jì)、停泊引導(dǎo)與監(jiān)管,沿江�；愤`禁運(yùn)輸、非法(或違規(guī))采沙以及重要水源河域的稽查和保護(hù)等航運(yùn)管理的需要。論文以實(shí)際項(xiàng)目為牽引,針對(duì)港口船舶停泊引導(dǎo)和重要水源地稽查保護(hù)急需自適應(yīng)判斷是否有船舶駛?cè)氲募夹g(shù)需求,充分利用幀間差分對(duì)于緩慢運(yùn)動(dòng)目標(biāo)檢測(cè)的穩(wěn)定性和背景差分運(yùn)算效率高、易于實(shí)現(xiàn)等優(yōu)勢(shì),對(duì)相鄰6幀圖像采用幀間差分運(yùn)算,并結(jié)合背景差分運(yùn)算,最后對(duì)運(yùn)算結(jié)果進(jìn)行邏輯且運(yùn)算,從而提出一種6幀幀間差分和背景差分的船舶自適應(yīng)檢測(cè)方法。實(shí)驗(yàn)結(jié)果表明,對(duì)于內(nèi)河行駛緩慢的船舶,該方法具有較高的自適應(yīng)檢測(cè)準(zhǔn)確性;充分利用顏色名特征的光照不變性、局部二值特征(LBP)的單調(diào)灰度不變性和良好的局部紋理表達(dá)能力并結(jié)合HOG特征在幾何和光學(xué)上的優(yōu)點(diǎn),采用加權(quán)的特征融合方式,提出多特征融合核相關(guān)濾波船舶跟蹤方法,該方法避免了單一特征的核相關(guān)濾波跟蹤算法跟蹤準(zhǔn)確低的缺點(diǎn),為自動(dòng)判斷視場(chǎng)內(nèi)是否有船舶駛?cè)爰捌渫２磿r(shí)間提供一種有效的視覺(jué)計(jì)算方法;針對(duì)港口流量統(tǒng)計(jì)、停泊引導(dǎo)、航道稽查等對(duì)船舶類型的自動(dòng)識(shí)別需要,充分利用極限學(xué)習(xí)機(jī)分類速度快的優(yōu)勢(shì),為提高CNN的分類性能,采用極限學(xué)習(xí)機(jī)代替CNN的softmax函數(shù),提出一種CNN與極限學(xué)習(xí)機(jī)相結(jié)合的識(shí)別方法。結(jié)合重慶港運(yùn)局提供的船舶圖片數(shù)據(jù)集,對(duì)比實(shí)驗(yàn)結(jié)果表明,該方法對(duì)船舶分類識(shí)別的錯(cuò)分率降低到9.49%,分類識(shí)別的精度及時(shí)效性具有明顯提高。
【學(xué)位授予單位】：重慶理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP18;U69
【圖文】：

的相同特征作出相應(yīng)的反應(yīng)。通過(guò)和近年來(lái)提出的卷積神經(jīng)網(wǎng)絡(luò)對(duì)比。該方梯度算法。但是，該方法的思想和現(xiàn)在的卷積神經(jīng)網(wǎng)絡(luò)中提出的卷積層和池，所以被廣泛的認(rèn)為是卷積神經(jīng)網(wǎng)絡(luò)的啟蒙方法。人工神經(jīng)網(wǎng)絡(luò)過(guò)和人工神經(jīng)網(wǎng)絡(luò)的對(duì)比，如圖 2.1 所示。該圖是生物神經(jīng)元主體結(jié)構(gòu)圖，胞當(dāng)作構(gòu)成神經(jīng)系統(tǒng)的最基本單位，該神經(jīng)元主要有三個(gè)主體部分構(gòu)成（樹(shù)細(xì)胞體）,可以把卷積神經(jīng)網(wǎng)絡(luò)看成是人工神經(jīng)網(wǎng)絡(luò)的一種特殊形式。卷積最初發(fā)現(xiàn)是受到人腦細(xì)胞對(duì)視覺(jué)信息處理的過(guò)程中受到啟發(fā)，人腦中最底層理最原始的特征，如圖片的紋理、邊緣等細(xì)節(jié)信息。并且通過(guò)逐層的卷積，特征的抽象程度越來(lái)越復(fù)雜。卷積神經(jīng)網(wǎng)絡(luò)正是通過(guò)卷積和池化的過(guò)程完成的提取過(guò)程。

峭ü

本文編號(hào)：2725838