基于視頻圖像分析的船舶走錨識別研究.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)松動和纜繩斷裂等原因會導致走錨事故發(fā)生。船舶走錨可能引發(fā)撞船、撞橋之類事故，帶來嚴重的經(jīng)濟損失。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。
　　錨地管理處對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)走錨識別方法主要集中在力學模型結(jié)合張力傳感器檢測、GPS定位以及雷達測距等方面。力學模型方法計算復雜，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。目前為止，雷達測距僅提供目標點信息，沒有顏色、形狀、尺寸等相關(guān)信息，難以做精細判斷。視頻圖像分析方法比較成熟，視頻數(shù)據(jù)信息豐富，實時性好，在車輛檢測與跟蹤識別中取得較好效果。但水上目標運動環(huán)境與道路環(huán)境有明顯差異，擾動多，運動較慢。本文通過視頻圖像分析方法對船舶走錨識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、舶檢測方法，并提出一種最大化背景分布改進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，對比了水面與道路的背景差異，然后針對水面波動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方法，降低前景誤檢率。最后針對水面目標倒影明顯，提出了鏡像特征的船舶倒影消除方法。
　　2.研究了非航行移動船舶的跟蹤方法，根據(jù)走錨運動較快的特性，融合卡爾曼濾波估計提高準確率。針對MeanShift（MS）算法在較快目標跟

4、蹤中區(qū)域不準確，結(jié)合卡爾曼估計初始位置，指導MS向量偏移，提高搜索準確率。結(jié)合檢測得到的外接矩形框，在彩色圖像中根據(jù)計算直方圖搜索匹配，計算中心位置。
　　3.提出了基于距離的增量更新方法，擴展訓練集。經(jīng)典DBSCAN聚類結(jié)果對對參數(shù)敏感，針對在錨船舶活動分布不均勻特點，借助KNN矩陣得到多個鄰域半徑，對正常錨泊中心按多領(lǐng)域半徑進行升序聚類。用增量更新方法對待測數(shù)據(jù)試聚類，擴展訓練集以克服數(shù)據(jù)采集持續(xù)時間長的缺陷并降低錯檢率。