發(fā)布時間：2024-12-18 03:03

　　水路航運是人類綜合交通運輸網(wǎng)必不可少的組成部分,隨著船舶使用量的不斷增加,船舶超載工作等違法行為發(fā)生頻率也越來越高,帶來了巨大的安全隱患。因此,對船舶進行超吃水判別,并對超載船舶的身份進行準確識別具有重要的研究價值�；�于深度學習的車牌識別技術(shù)目前已取得了許多重要進展,然而由于船舶銘牌并沒有統(tǒng)一的字體與安裝位置要求,相關技術(shù)在水路航運領域的應用仍然很缺乏。本文對基于深度學習的船舶超吃水判別和船牌識別系統(tǒng)進行了一定的研究,主要的工作總結(jié)如下:本文首先搭建基于YOLO v3的目標檢測算法網(wǎng)絡,通過識別圖像上是否存在船舶載重線標識的方式來對船舶的超吃水狀態(tài)做出判別。同時提出超載船舶再識別算法,計算圖像上船舶側(cè)板超出水面的像素高度實現(xiàn)再次判別,提高了超吃水狀態(tài)判別的精度。之后,提出了基于YOLO v3算法的簡易目標跟蹤方式,實現(xiàn)了對判定為超載的船舶在視頻監(jiān)控上的實時跟蹤。為了對超載船舶進行告警與糾正,需要對船舶身份進行識別,包括船牌的定位提取、傾斜矯正、字符分割與識別。本文提出了基于YOLO v3算法的銘牌定位提取方式,并將船體圖像按寬度大小三等分再輸入網(wǎng)絡進行檢測,有效解決了船牌在圖像上占比較小...

【文章頁數(shù)】：88 頁

【學位級別】：碩士

【部分圖文】：

圖１．１所示，通過將船舶銘牌圖像與車牌圖像進行對比，可以發(fā)現(xiàn)，與汽車牌??

相對于車牌印刷的格式、位置要求，船牌缺少一個具體的、統(tǒng)??一的標準。同時船舶長期工作于水上，船身或船牌本身會產(chǎn)生銹蝕，且船舶銘牌也易??收到遮擋，造成船牌背景的種類繁多、紋理復雜。??（３）印刷多行。船名標識的字符有可能印刷在多行上，造成字符分割的不易。??（４）船舶銘牌圖像分辨....

圖２．１像素的連通域??假設－幅數(shù)字圖像中的像素子集為／，如果／中的所有像素之間都具有一條通路，??■

基于深度學習的船舶超吃水判別和船牌識別系統(tǒng)研究?第２章船舶超吃水判別和船牌識別系統(tǒng)＿Ｘ：ｉ訝坪論??２．１．２像素的連通性??數(shù)字圖像由像素組成，一個像素點存儲著數(shù)字圖像在該點的顏色特征。因此在圖??像處理中，對圖像像素的相互關系進行研究是重中之屯。多個像素之間具有很多基本??的....

圖２．２數(shù)字圖像的灰度化和二值化效果圖??２．１．４圖像直方圖??

決定圖像二值化的閾值，例如Ｂｅｍｓｅｎ法［３１］、Ｋａｍｅｌ－Ｚｈａｏ??法［３２］等，局部法處理速度較慢、字符連通性不能得到很好的保證；動態(tài)閾值法通過??每個像素點的灰度值及其周圍灰度特型、像素位置來確定二值化閾值，由于參考內(nèi)??容全面二值化效果較好，缺點是算法復雜。數(shù)字圖像的....

圖２．３神經(jīng)元模型［３３］??

第２章船舶超吃水判別和船牌識別系統(tǒng)關鍵理論?基于深度學習的船舶超吃水判別和船牌識別系統(tǒng)研究??所以對較大和較小區(qū)域的目標都有很好的檢測能力。ＭＳＥＲ在時間復雜度方面已經(jīng)??可以接近線性時間。因此，ＭＳＥＲ算法常在目標檢測、字符識別等方面發(fā)揮著重要??的作用。??２．２人工神經(jīng)網(wǎng)絡....

本文編號：4016951