基于机器学习的复杂光照条件下的河道船舶自动识别算法

作者：唐凡; 陈瑜^*; 杨志臻; 朱雨晴; 封雷; 沈伟; 田琳琳

来源：水上安全, 2023, (02): 32-34.

• 深度学习
• 船舶
• 模式识别
• 复杂环境
• 图像分析

随着大数据时代的到来，尤其是在图像识别领域深度学习理论得到了迅速的发展和应用。与经典的主成分分析（PCA）等识别算法相比较，深度学习算法具有识别率高，鲁棒性强。基于卷积神经网络（CNN）原理，提出了一种在复杂环境条件下基于现场可编程门阵列（FPGA）的实时船舶识别算法，该方法提高了库区复杂环境条件下船舶自动识别的速度和准确性。该识别算法基于全面多节点的FPGA构建，实现船舶快速自动监测的目的。测试结果表明，该方法识别速度已达到360帧每秒（FPS）的传输速度，远远超过现有结果。识别率为85%。此外，该算法针对库区复杂光照环境具有很好的鲁棒性。

• 单位
  中国科学院重庆绿色智能技术研究院; 生产力促进中心