基于神经网络特征提取的SSA-SVM船舶目标识别方法

运用神经网络图像特征提取联合SSA-SVM分类算法，对通航区域图像中的典型船舶目标进行识别以实现船舶目标的自动分类。首先通过摄像机获得通航区域的高分辨率图像，以AlexNet深度学习网络为基础经迁移学习后提取典型船舶目标特征，获得4种船舶类型、共5 505 024个特征数的典型船舶目标特征矩阵。以特征矩阵为训练依据训练SSA-SVM算法，在种群寻优下获得最佳识别参数，经训练得出在小数据集下具有较强辨识能力的SSA-SVM船舶目标识别模型。实验表明，相比于深度学习的大数据集驱动识别算法，使用AlexNet特征提取的SSASVM算法能够在数据量较少的情况下对散货船、集装箱船等典型船舶目标进行有效识别，识别准确率为88.87%、训练时长为1 856 s，满足实用需求，为水上监管提供了可靠的技术支持。