基于視頻圖像分析的船舶走錨識(shí)別研究.pdf

1、我國內(nèi)河航道船舶錨泊通常用錨鏈或纜繩固定在錨地，但是由于底質(zhì)松動(dòng)和纜繩斷裂等原因會(huì)導(dǎo)致走錨事故發(fā)生。船舶走錨可能引發(fā)撞船、撞橋之類事故，帶來嚴(yán)重的經(jīng)濟(jì)損失。近年隨著水上交通的發(fā)展，船舶數(shù)量與平均載重量總體增長，單次走錨事故造成的損失呈增大趨勢(shì)。
　　錨地管理處對(duì)走錨事件缺乏有效監(jiān)管手段，無法提供可靠船舶走錨安全監(jiān)控服務(wù)。常規(guī)走錨識(shí)別方法主要集中在力學(xué)模型結(jié)合張力傳感器檢測(cè)、GPS定位以及雷達(dá)測(cè)距等方面。力學(xué)模型方法計(jì)算復(fù)雜，纜繩整

2、體張力獲取困難。GPS定位方法誤差偏大，且船舶錨泊期間通常處于斷電狀態(tài)，無法獲取定位信號(hào)。目前為止，雷達(dá)測(cè)距僅提供目標(biāo)點(diǎn)信息，沒有顏色、形狀、尺寸等相關(guān)信息，難以做精細(xì)判斷。視頻圖像分析方法比較成熟，視頻數(shù)據(jù)信息豐富，實(shí)時(shí)性好，在車輛檢測(cè)與跟蹤識(shí)別中取得較好效果。但水上目標(biāo)運(yùn)動(dòng)環(huán)境與道路環(huán)境有明顯差異，擾動(dòng)多，運(yùn)動(dòng)較慢。本文通過視頻圖像分析方法對(duì)船舶走錨識(shí)別中的問題展開研究，主要工作和成果簡述如下：
　　1.研究了錨地水面環(huán)境的船

3、舶檢測(cè)方法，并提出一種最大化背景分布改進(jìn)的混合高斯背景建模（GMM）的船舶提取方法。首先分析了水面像素分布特征，對(duì)比了水面與道路的背景差異，然后針對(duì)水面波動(dòng)而誤檢造成的噪聲多問題，提出了最大化的背景高斯分布改進(jìn)方法，降低前景誤檢率。最后針對(duì)水面目標(biāo)倒影明顯，提出了鏡像特征的船舶倒影消除方法。
　　2.研究了非航行移動(dòng)船舶的跟蹤方法，根據(jù)走錨運(yùn)動(dòng)較快的特性，融合卡爾曼濾波估計(jì)提高準(zhǔn)確率。針對(duì)MeanShift（MS）算法在較快目標(biāo)跟

4、蹤中區(qū)域不準(zhǔn)確，結(jié)合卡爾曼估計(jì)初始位置，指導(dǎo)MS向量偏移，提高搜索準(zhǔn)確率。結(jié)合檢測(cè)得到的外接矩形框，在彩色圖像中根據(jù)計(jì)算直方圖搜索匹配，計(jì)算中心位置。
　　3.提出了基于距離的增量更新方法，擴(kuò)展訓(xùn)練集。經(jīng)典DBSCAN聚類結(jié)果對(duì)對(duì)參數(shù)敏感，針對(duì)在錨船舶活動(dòng)分布不均勻特點(diǎn)，借助KNN矩陣得到多個(gè)鄰域半徑，對(duì)正常錨泊中心按多領(lǐng)域半徑進(jìn)行升序聚類。用增量更新方法對(duì)待測(cè)數(shù)據(jù)試聚類，擴(kuò)展訓(xùn)練集以克服數(shù)據(jù)采集持續(xù)時(shí)間長的缺陷并降低錯(cuò)檢率。