刘 硕,葛 愿,李媛媛,胡俊祥，叶 刚

(1.安徽工程大学 高端装备先进感知与智能控制教育部重点实验室,安徽 芜湖 241000;2.安徽工程大学 电气工程学院,安徽 芜湖 241000;3.北京优世达科技有限公司,北京 102433)

0 引 言

海上船舶障碍物识别是实现无人船海上安全航行的重要研究内容之一。在无人船航行的过程中，船舶障碍物的识别结果会大大影响无人船的避障精度，海上船舶识别本质上属于物体识别的范畴。近年来，不仅国外涌现出了很多实用的物体识别算法，国内学者也提出了许多有效可行的物体识别方法[1～5]。为了提高目标识别算法效率，Malisiewicz T等人[6]提出了一种简单高效的集成学习算法。为了提高识别大规模图像数据集的物体的准确率，Krizhevsky A等人[7]于2012年提出了基于深度卷积神经网络的图像分类算法。Sermanet P等人[8]提出了OverFeat目标识别框架，实现了图片中位置变化的目标物体的识别。为了提高识别精度，Girshick R等人[9]提出了R-CNN 算法，增强了多训练数据下的模型计算能力。Simonyan K等人[10]和Szegedy C等人[11]进一步设计了22层的深度卷积神经网络，使得卷积神级网络的深度对大范围图像识别效果显著提高，深度神经网络的性能也有所提升。Liu W等人[12]于2016年提出了基于位置回归的识别框架，解决了传统的目标识别框架对于多尺度物体的识别效果欠佳的问题。

本文针对无人船海上航行时视觉系统获取的图片中船舶障碍物识别不准确，以及识别精度偏低的问题，提出了基于改进单镜头多盒探测器(single shot multibox detector,SSD)的无人船海上船舶识别的方法。……