一種船舶安全監管方法及裝置與流程

本發明涉及神經網絡技術領域，特別是涉及一種船舶安全監管方法及裝置。

背景技術：

隨著國家簡政放權政策推進，對海事監管與服務提出了更高的要求，海事部門在船舶安全監管方面也在不斷改進思路，從被動管理向主動管理轉變，這就要求船舶安全監管手段要更全面、更智能、更快捷。ais是船舶自動識別系統(automaticidentificationsystem)的簡稱，由岸基(基站)設施和船載設備共同組成，是一種集網絡技術、現代通訊技術、計算機技術、電子信息顯示技術為一體的數字助航系統和設備。

目前海事部門對轄區的國內船舶安全監管手段主要是通過ais、視頻監控(個別地方輔助采用雷達技術)同時配合現場巡邏等，由于存在船舶主動關閉ais躲避監管等行為，而且目前針對國內船舶的視頻監控還無法做到自動識別船名，這樣就需要耗費大量人力，通過人眼識別視頻監控中的船舶，同時結合ais來判斷過往船舶的信息以及是否存在違規行為。

為克服上述缺點，目前已經有基于rfid技術來實現對船舶安全監管，但是國內現在安裝rfid的船舶還很少，而且也存在標準化的問題，同時rfid的感知距離有限，安裝成本較高。

由此可見，如何實現海事船舶安全監管的智能化，大大提高監管效率和服務能力是本領域技術人員亟待解決地問題。

技術實現要素：

本發明的目的是提供一種船舶安全監管方法及裝置，用于實現海事船舶安全監管的智能化，大大提高監管效率和服務能力。

為解決上述技術問題，本發明提供一種船舶安全監管方法，包括：

將各船舶的歷史圖像信息作為神經網絡的訓練樣本，并建立用于識別船舶名稱的神經網絡模型；

當目標船舶通過視頻監控范圍內時，獲取所述目標船舶的目標圖像信息，并將所述目標圖像信息輸入至所述神經網絡模型以得到目標船舶名稱；

在數據庫中判斷所述目標船舶是否需要告警提示；

如果需要告警，則輸出告警提示信息。

優選地，在得到所述目標船舶名稱之后還包括：

判斷所述目標船舶名稱是否與船舶自動識別系統ais中的船舶匹配；

如果匹配成功，則進入所述在數據庫中判斷所述目標船舶是否需要告警提示的步驟；

如果匹配不成功，則進入所述輸出告警提示信息的步驟。

優選地，如果匹配成功，則所述在數據庫中判斷所述目標船舶是否需要告警提示具體包括：

依據所述目標船舶名稱查找到與所述目標船舶名稱對應的目標船舶標志；

根據所述目標船舶標志判斷所述數據庫中的船舶黑名單中是否包含所述目標船舶，如果是，則進入所述輸出告警提示信息的步驟；

如果否，則根據所述目標船舶標志判斷所述數據庫中是否登記所述目標船舶載有危險貨物，如果是，則進入所述輸出告警提示信息的步驟；

如果否，則根據所述目標船舶標志判斷所述數據庫中是否登記所述目標船舶超載，如果是，則進入所述輸出告警提示信息的步驟。

優選地，所述歷史圖像信息具體包括船舶的正橫、船舶的正艉和船舶的側艏。

優選地，還包括：

接收新的訓練樣本，并利用新的訓練樣本校正所述神經網絡模型。

為解決上述技術問題，本發明還提供一種船舶安全監管裝置，包括：

創建模塊，用于將各船舶的歷史圖像信息作為神經網絡的訓練樣本，并建立用于識別船舶名稱的神經網絡模型；

獲取模塊，用于當目標船舶通過視頻監控范圍內時，獲取所述目標船舶的目標圖像信息，并將所述目標圖像信息輸入至所述神經網絡模型以得到目標船舶名稱；

第一判斷模塊，用于在數據庫中判斷所述目標船舶是否需要告警提示，如果需要告警，則觸發輸出模塊；

所述輸出模塊，用于輸出告警提示信息。

優選地，還包括：

第二判斷模塊，用于判斷所述目標船舶名稱是否與船舶自動識別系統ais中的船舶匹配，如果匹配成功，則觸發所述第一判斷模塊，如果匹配不成功，則觸發所述輸出模塊。

優選地，所述第一判斷模塊具體包括：

查找單元，用于依據所述目標船舶名稱查找到與所述目標船舶名稱對應的目標船舶標志；

第一判斷單元，用于根據所述目標船舶標志判斷所述數據庫中的船舶黑名單中是否包含所述目標船舶，如果是，則觸發所述輸出模塊，否則觸發第二判斷單元；

所述第二判斷單元，用于根據所述目標船舶標志判斷所述數據庫中是否登記所述目標船舶載有危險貨物，如果是，則觸發所述輸出模塊，否則觸發第二判斷單元；

第三判斷單元，用于根據所述目標船舶標志判斷所述數據庫中是否登記所述目標船舶超載，如果是，則觸發所述輸出模塊。

優選地，所述歷史圖像信息具體包括船舶的正橫、船舶的正艉和船舶的側艏。

優選地，還包括：

校正模塊，用于接收新的訓練樣本，并利用所述新的訓練樣本校正所述神經網絡模型。

本發明所提供的船舶安全監管方法，包括：將各船舶的歷史圖像信息作為神經網絡的訓練樣本，并建立用于識別船舶名稱的神經網絡模型；當目標船舶通過視頻監控范圍內時，獲取目標船舶的目標圖像信息，并將目標圖像信息輸入至神經網絡模型以得到目標船舶名稱；在數據庫中判斷目標船舶是否需要告警提示；如果需要告警，則輸出告警提示信息。由此可見，本方法無需借助ais就可以實現對船舶的自動識別，在識別之后利用數據庫中的告警信息確定目標船舶是否需要告警提示，從而實現海事船舶安全監管的智能化，大大提高監管效率和服務能力。并且，該方法能夠實現較長距離的圖像信息采集，應用范圍較廣。此外，本發明還提供一種船舶安全監管裝置，效果如上。

附圖說明

為了更清楚地說明本發明實施例，下面將對實施例中所需要使用的附圖做簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明實施例提供的一種船舶安全監管方法的流程圖；

圖2為本發明實施例提供的另一種船舶安全監管方法的流程圖；

圖3為本發明實施例提供的一種船舶安全監管裝置的結構圖。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下，所獲得的所有其他實施例，都屬于本發明保護范圍。

本發明的核心是提供一種船舶安全監管方法及裝置。

為了使本技術領域的人員更好地理解本發明方案，下面結合附圖和具體實施方式對本發明作進一步的詳細說明。

圖1為本發明實施例提供的一種船舶安全監管方法的流程圖。如圖1所示，該方法包括：

s10：將各船舶的歷史圖像信息作為神經網絡的訓練樣本，并建立用于識別船舶名稱的神經網絡模型。

由于近幾年人工智能技術得到快速發展，例如神經網絡出現了很多新的模型。本發明就是利用神經網絡模型實現對船舶的識別。另外，卷積神經網絡在圖像識別方面優勢明顯，因此，本實施例中的神經網絡可以為卷積神經網絡。

在現有的海事船舶登記和船舶檢驗系統中存在大量的國內船舶照片，因此，作為優選地實施方式，歷史圖像信息可以從海事船舶登記系統和船舶檢驗系統中獲取。歷史圖像信息具體包括船舶的正橫、船舶的正艉和船舶的側艏。

需要說明的是，訓練樣本足夠多，才能保證神經網絡的識別準確性，并且訓練時間越長，訓練次數越多，則準確性更高。由于在現有技術中，構建神經網絡模型已經非常成熟，因此，本實施例中不再展開構建的具體過程。

s11：當目標船舶通過視頻監控范圍內時，獲取目標船舶的目標圖像信息，并將目標圖像信息輸入至神經網絡模型以得到目標船舶名稱。

當目標船舶通過視頻監控范圍內時，通過視頻采集裝置就可以得到目標船舶的當前圖像信息，例如包括正橫、正艉、側艏等，輸入到預先建立好的神經網絡模型中進行自動識別，從而獲得目標船舶對應的目標船舶名稱。由此可見，即使船舶關閉了ais，也可以通過神經網絡模型現對船舶的自動識別。

s12：在數據庫中判斷目標船舶是否需要告警提示，如果需要告警，則進入s13。

s13：輸出告警提示信息。

數據庫中包含有多種船舶的相關信息，當然這里的相關信息主要是指船舶是否存在危險因素，例如是否在通緝的黑名單中，或者是否超載等。因此，將目標船舶名稱在數據庫中搜索，以查看目標船舶是否需要告警提示，如果需要則，輸出告警提示信息。工作人員在接收到告警提示信息時，就可以通過人工查看的方式進一步確定目標船舶是否存在相關的問題。

本實施例提供的船舶安全監管方法，包括：將各船舶的歷史圖像信息作為神經網絡的訓練樣本，并建立用于識別船舶名稱的神經網絡模型；當目標船舶通過視頻監控范圍內時，獲取目標船舶的目標圖像信息，并將目標圖像信息輸入至神經網絡模型以得到目標船舶名稱；在數據庫中判斷目標船舶是否需要告警提示；如果需要告警，則輸出告警提示信息。由此可見，本方法無需借助ais就可以實現對船舶的自動識別，在識別之后利用數據庫中的告警信息確定目標船舶是否需要告警提示，從而實現海事船舶安全監管的智能化，大大提高監管效率和服務能力。并且，該方法能夠實現較長距離的圖像信息采集，應用范圍較廣。

圖2為本發明實施例提供的另一種船舶安全監管方法的流程圖。在上述實施例的基礎上，在得到目標船舶名稱之后還包括：

s20：判斷目標船舶名稱是否與船舶自動識別系統ais中的船舶匹配，如果匹配成功，則進入s12，否則進入s13。

由于ais的信息相對于神經網絡模型的自動識別會更加準確，因此，本實施例在得到目標船舶名稱后與ais進行匹配，如果匹配成功，則說明自動識別的結果是準確地，可以直接到數據庫中進一步判斷是否需要告警，如果匹配不成功，則有可能是該船舶關閉ais或者神經網絡模型識別的結果不夠可靠，因此，需要告警提示。

作為優選地實施方式，匹配成功的基礎上，s12具體包括：

s120：依據目標船舶名稱查找到與目標船舶名稱對應的目標船舶標志；

s121：根據目標船舶標志判斷數據庫中的船舶黑名單中是否包含目標船舶，如果是，則進入s13；如果否，則進入s122。

s122：根據目標船舶標志判斷數據庫中是否登記目標船舶載有危險貨物，如果是，則進入s13；如果否，則進入s123。

s123：根據目標船舶標志判斷數據庫中是否登記目標船舶超載，如果是，則進入s13。

可以理解的是，在具體實施中，步驟s120-s123的順序可以靈活改變，并不代表只有這一種判斷的順序。圖2只是一種具體的應用場景。另外，除了黑名單、載有危險獲取以及超載三種告警情況外，還可以包含其它告警情況，本發明不再贅述。

在上述實施例的基礎上，還包括：

接收新的訓練樣本，并利用新的訓練樣本校正神經網絡模型。

在模型的使用過程中，會有產生新的歷史圖像信息，即產生新的訓練樣本，需要不斷利用新的訓練樣本校正神經網絡模型，使得神經網絡模型的識別結果更為準確。

上文中對于船舶安全監管方法對應的實施例進行了詳細的描述，本發明還提供一種船舶安全監管裝置。由于方法部分的實施例與裝置部分的實施例相互對應，因此裝置部分的實施例請參見裝置部分的實施例的描述，這里暫不贅述。

圖3為本發明實施例提供的一種船舶安全監管裝置的結構圖。如圖3所示，該裝置包括：

創建模塊10，用于將各船舶的歷史圖像信息作為神經網絡的訓練樣本，并建立用于識別船舶名稱的神經網絡模型；

獲取模塊11，用于當目標船舶通過視頻監控范圍內時，獲取目標船舶的目標圖像信息，并將目標圖像信息輸入至神經網絡模型以得到目標船舶名稱；

第一判斷模塊12，用于在數據庫中判斷目標船舶是否需要告警提示，如果需要告警，則觸發輸出模塊；

輸出模塊13，用于輸出告警提示信息。

作為優選地實施方式，還包括：

第二判斷模塊，用于判斷目標船舶名稱是否與船舶自動識別裝置ais中的船舶匹配，如果匹配成功，則觸發第一判斷模塊，如果匹配不成功，則觸發輸出模塊。

作為優選地實施方式，第一判斷模塊12具體包括：

查找單元，用于依據目標船舶名稱查找到與目標船舶名稱對應的目標船舶標志；

第一判斷單元，用于根據目標船舶標志判斷數據庫中的船舶黑名單中是否包含目標船舶，如果是，則觸發輸出模塊13，否則觸發第二判斷單元；

第二判斷單元，用于根據目標船舶標志判斷數據庫中是否登記目標船舶載有危險貨物，如果是，則觸發輸出模塊13，否則觸發第二判斷單元；

第三判斷單元，用于根據目標船舶標志判斷數據庫中是否登記目標船舶超載，如果是，則觸發輸出模塊13。

作為優選地實施方式，歷史圖像信息具體包括船舶的正橫、船舶的正艉和船舶的側艏。

作為優選地實施方式，還包括：

校正模塊，用于接收新的訓練樣本，并利用新的訓練樣本校正神經網絡模型。

本實施例提供的船舶安全監管裝置，無需借助ais就可以實現對船舶的自動識別，在識別之后利用數據庫中的告警信息確定目標船舶是否需要告警提示，從而實現海事船舶安全監管的智能化，大大提高監管效率和服務能力。并且，該方法能夠實現較長距離的圖像信息采集，應用范圍較廣。

以上對本發明所提供的船舶安全監管方法及裝置進行了詳細介紹。說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的系統相對應，所以描述的比較簡單，相關之處參見系統部分說明即可。應當指出，對于本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以對本發明進行若干改進和修飾，這些改進和修飾也落入本發明權利要求的保護范圍內。

還需要說明的是，在本說明書中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、系統、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、系統、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、系統、物品或者設備中還存在另外的相同要素。