CN104660993A - 基于ais和cctv的海事智能监控方法及系统 - Google Patents

Abstract

本发明公开了一种基于AIS和CCTV的海事智能监控方法及系统，方法包括以下步骤：获取船舶自动识别系统发送的目标基本信息，该目标基本信息为：当运动目标进入AIS接收机覆盖区域，AIS接收机接收目标的AIS信息并对其解析所得到的结果；根据目标的基本信息，估算出该目标到达视频监控边界的时间和地点；根据估算的时间和地点，通过视频监控系统CCTV的摄像机采集视频数据，并对视频数据进行处理，得到目标信息；将目标信息和AIS信息进行匹配，在视频中对目标进行标定，并保持跟踪，直到其离开监控区域。本发明将AIS和CCTV有机的整合在一个平台上，提高了水上交通应急反映速度，提升管理人员的工作效率。

Description

基于AIS和CCTV的海事智能监控方法及系统

技术领域

本发明涉及智能监控领域，尤其涉及一种基于AIS和CCTV的海事智能监控方法及系统。

背景技术

在这信息化的时代，如何利用各种信息，来提高船舶的航行安全，是当今航海信息化研究的重要内容之一，我国各地的重点水域及主要航道已经建立CCTV(Closed Circuit Television，闭路电视)监控网，CCTV视频监控系统己经成为VTS(Vessel Traffic Services，船舶交通服务)系统获取目标信息的重要途径。CCTV系统自投入使用以来，在增进船舶航行安全，促进港行水路运输发展，减少水上交通事故，提高船舶通航率，尤其在近岸海难船舶救助、重要船舶监控、重点水域(如桥区、港区)的目标监视、船舶违章操作监控等方面，CCTV系统发挥了不可替代的功能。

AIS(Automatic Identification System，船舶自动识别系统)是继ARPA(雷达自动标绘仪)和ECDIS(电子海图显示和信息系统)后随着计算机与电信技术的飞速发展而产生的一种新型船舶助航设备。具有信息量大、能越障碍传输、抗天气干扰能力强、显示近距离目标等优点，与电子海图相结合使用可以在电子海图上显示船名等标识、船位、航向、航速、船首向和航行状态等信息，AIS作为一种新兴的科学技术促进了海事管理的信息化和智能化建设，AIS与其他信息技术(如GPS)的结合更是积极地推动了“数字海事"的建设。

目前在海事监管领域，包括水上交通管理，航运管理，航道通航管理，船闸管理，港口物流管理等水上交通管理中，存在着两套独立的监管系统，一个是基于AIS/GPS/RFID无线通讯手段的船舶航道管理系统，一个是基于视频的CCTV视频监控系统。这两套系统是独立运行，虽然形式上统一在管理部门的信息中心，但两套系统之间互不关联。比如，通过视频监控系统，发现图像中船舶发生事故，或者偏离航道，或者发生漏油污染，管理人员必须切换到AIS管理系统去调取船舶的信息，并且要通过VHF无线通讯对话，人工的分辨出视频图像中对应的是哪条船，工作效率比较低，影响水上交通应急反映的速度。

由于CCTV和AIS是两个独立的系统，CCTV中的视频虽然直观但是信息量繁多，必要的时候如果查询起来仅仅靠人工工作量非常的大和复杂。而AIS信息虽然可以在电子海图上显示，但是毕竟没有视频信息直观。故将CCTV和AIS两者结合，提供一种能更直观的显示方式是急待解决的问题。

发明内容

本发明的目的在于，提供一种将AIS和CCTV两者结合的海事智能监控系统及方法，而不需要工作人员对着视频和电子地图及AIS信息查找船舶。

本发明解决其技术问题所采用的技术方案是：

提供一种基于AIS和CCTV的海事智能监控方法，其特征在于，包括以下步骤：

S1、获取船舶自动识别系统发送的目标基本信息，该目标基本信息为：当运动目标进入AIS接收机覆盖区域，AIS接收机接收目标的AIS信息并对其解析所得到的结果；

S2、根据目标的基本信息，估算出该目标到达视频监控边界的时间和地点；

S3、根据估算的时间和地点，通过视频监控系统CCTV的摄像机采集视频数据，并对视频数据进行处理，得到目标信息；

S4、将目标信息和AIS信息进行匹配，在视频中对目标进行标定，并保持跟踪，直到其离开监控区域。

本发明所述的方法中，所述目标的基本信息包括船舶位置信息、大小、速度、航向以及船舶标识号。

本发明所述的方法中，步骤S2还包括步骤：

定期修正所估算的目标到达视频监控边界的时间和地点。

本发明所述的方法中，步骤S3中对视频数据进行处理，得到目标信息具体包括：

检测运动目标；

计算运动目标的特征数据，并根据其特征数据判定运动目标类型。

本发明所述的方法中，步骤S4中将目标信息和AIS信息进行匹配具体包括步骤：

当船舶在估算的时间和地点进入视频监控区域，将所述目标信息与AIS信息进行初步匹配；

将所述目标基本信息与所述特征数据进行关联匹配，识别出运动船舶，并进行进一步关联并判断，如果与初步匹配的信息一致，则在视频中显示船舶AIS信息，否则隔一时间段重新转到步骤S3。

本发明还提供一种基于AIS和CCTV的海事智能监控系统，包括：

信息获取模块，用于获取船舶自动识别系统发送的目标基本信息，该目标基本信息为：当运动目标进入AIS接收机覆盖区域，AIS接收机接收目标的AIS信息并对其解析所得到的结果；

估算模块，用于根据目标的基本信息，估算出该目标到达视频监控边界的时间和地点；

视频数据处理模块，用于根据估算的时间和地点，通过视频监控系统CCTV的摄像机采集视频数据，并对视频数据进行处理，得到目标信息；

匹配模块，用于将目标信息和AIS信息进行匹配，在视频中对目标进行标定，并保持跟踪，直到其离开监控区域。

本发明所述的系统中，所述目标的基本信息包括船舶位置信息、大小、速度、航向以及船舶标识号。

本发明所述的系统中，所述估算模块还用于定期修正所估算的目标到达视频监控边界的时间和地点。

本发明所述的系统中，所述视频数据处理模块具体用于检测运动目标，并计算运动目标的特征数据，再根据其特征数据判定运动目标类型。

本发明所述的系统中，所述匹配模块具体用于当船舶在估算的时间和地点进入视频监控区域，将所述目标信息与AIS信息进行初步匹配；将所述目标基本信息与所述特征数据进行关联匹配，识别出运动船舶，并进行进一步关联并判断，如果与初步匹配的信息一致，则在视频中显示船舶AIS信息，否则隔一时间段重新通过视频数据处理模块进行处理。

本发明产生的有益效果是：本发明将视频监控，智能视频分析和AIS海事信息系统有机的整合在一个平台上，提高水上交通应急反映速度，提升管理人员的的工作效率。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为本发明实施例基于AIS和CCTV的海事智能监控方法流程图；

图2为本发明实施例中AIS和监控区域对应示意图；

图3为本发明另一实施例基于AIS和CCTV的海事智能监控方法流程图；

图4为本发明实施例的海事智能监控系统组成结构图一；

图5为本发明实施例的海事智能监控系统组成结构图二。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例的基于AIS和CCTV的海事智能监控方法主要包括以下步骤：

S1、获取船舶自动识别系统发送的目标基本信息，该目标基本信息为：当运动目标进入AIS接收机覆盖区域，AIS接收机接收目标的AIS信息并对其解析所得到的结果；

S2、根据目标的基本信息，估算出该目标到达视频监控边界的时间和地点；

S3、根据估算的时间和地点，通过视频监控系统CCTV的摄像机采集视频数据，并对视频数据进行处理，得到目标信息；

S4、将目标信息和AIS信息进行匹配，在视频中对目标进行标定，并保持跟踪，直到其离开监控区域。

在本发明的另一实施例中，首先监控区域的范围如图2所示，监控区域的范围在图中为一四边形，其顶角分别为(X1，Y1)、(X2，Y2)、(X3，Y3)、(X4，Y4)，进而得到监控区域边界的地理信息。

步骤S101、当船舶进入到AIS接收机的区域范围，AIS接收机接收到数据并解析船舶位置信息、大小、速度和航向以及船舶标识号等信息，传到服务器，服务器根据船舶所在位置和视频监控区域的位置，估算出该目标到达视频监控边界的时间t0和地点(X0,Y0)，并每隔一段时间修正一次；

步骤S102：当船舶在估算的时间t0和估算的地点(X0,Y0),进入视频监控区域，完成该运动目标和AIS信息的初步匹配；

步骤S103：对每一帧视频数据分析，得到目标的信息，其过程包括：

1、运动目标的检测，首先采用混合高斯模型对背景进行建模，例如对350帧背景图像(不含目标的图像)的像素进行统计，利用像素在此时间段内的大量样本值并假设其概率密度服从高斯分布，建立每一个像素的多模态高斯分布函数，并得到对应的均值、方差信息。设像素为随机变量X{x₁,x₂,…x_N},N＝350,x_t为t时刻像素的样本，则其服从的混合高斯分布概率密度函数如下：

$p\left(x_t\right)=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}[w_{i,t}\×\frac{1}{{\left|{\mathrm{\τ}}_{i,t}\right|}^{1/2}}{e}^{-\frac{1}{2}{(x_t-u_{i,t})}^T{u_{i,t}}^{-1}(x_t-u_{i,t})}]$

${\mathrm{\τ}}_{i,t}={\mathrm{\δ}}_{i,t}^{2}I$

其中K为分布模式总数，w_i,t为t时刻第i个高斯分布的权值，u_i,t为其均值，τ_i,t为其协方差矩阵，δ_i,t为方差，I为三维单位矩阵。

然后，使用统计差分(3σ原则)对之后待检测的图像进行目标像素判断。每一个新像素x_t同当前每个模式进行比较，符合|x_t-u_i,t|≤2.5σ_i,t则属于背景，否则属于前景(运动目标)。

2、运动目标的特征计算，可以利用图像不变矩获取运动目标的精确信息，包括位置、面积，运动速度等信息；例如第(p+q)阶不变矩公式如下：

$m_{\mathrm{pq}}=\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{i}^p{j}^{q}f(i,j)$

其中，i,j分别为图像的行、列，f(i,j)为图像灰度值。

根据不变矩特性，求得目标的质心位置和图像中所占的面积大小，并以此推断出目标在实际场景中的运动速度。设(x_o,y_o)为目标在图像当中的质心位置，s为其面积，v为其速度，已知图像像素的大小与实际场景尺寸(m)的缩放比例为q，则

$\begin{array}{cc}{x}_o=\frac{m_{10}}{m_{00}}& y_o=\frac{m_{01}}{m_{00}}\end{array}$

s＝m₀₀

$v=q\frac{\sqrt{{(x_{o,n}-x_{o,n-1})}^2+{(y_{o,n}-y_{o,n-1})}^2}}{1/\mathrm{fps}}(m/s)$

其中，(x_o，n,y_o.n)为当前帧目标的质心位置，(x_o，n-1,y_o.n-1)为上一帧目标的质心位置，fps为摄像机的帧率。

3、运动目标的识别和判定，根据上述特征数据判定运动目标类型：(a)因为一般船舶的面积都要大于水上漂浮物，而且船舶的形状一般具备固定模型，根据模型大小和形状信息首先判定该运动目标是船舶还是一般的水上漂浮物，如果是船舶，再根据它的形状模型和服务器中的数据进行目标匹配，初步判别出它的类型信息；

步骤S104：进行AIS和船舶信息的匹配，包含如下步骤：对接收到的运动船舶的AIS信息进行解析并与上述计算的船舶特征进行关联匹配，识别出运动船舶来，实现AIS信息与船舶信息的进一步关联并判断，如果与初步匹配的信息一致即在视频中显示船舶AIS信息，否则需要隔一时间段重新转到步骤S103计算并比较；

步骤S105：对船舶进行标定并采用基于多特征融合的自适应Mean-shift目标跟踪算法对运动船舶进行跟踪，直到该运动船舶离开监控区域；Mean-shift算法的思想是利用概率密度的梯度爬升寻找局部最优。当运用上述运动检测算法将目标船舶与背景分割开来之后，目标船舶的轮廓及图像特征信息可以从原图中获取，如采用目标的颜色直方图、纹理作为特征。算法利用这些特征信息进行反向投影从而得到反向投影图。反向投影图实际上是一张代表目标船舶在全图中各个像素位置存在的可能性的概率密度图，可以用以下公式表示：

$K_{h_s,h_r}\left(x\right)=\frac{C}{{h_s}^2{h}_r^2}K\left({\left|\right|\frac{x^s-x_i^s}{h_s}\left|\right|}^2\right)K\left({\left|\right|\frac{x^r-x_i^r}{h_r}\left|\right|}^2\right)$

其中，K()为高斯核函数。x^r为位置向量，h_r为相应半径，x^s为特征向量，h_s为相应半径。最后，根据反向投影图和物体的轮廓进行meanshift迭代求优，由于算法不断向重心移动的特性，即反向投影图中概率大的地方移动，所以始终对目标保持准确跟踪。

本发明实施例基于AIS和CCTV的海事智能监控系统，其基于上述监控方法，如图4所示，包括：

信息获取模块，用于获取船舶自动识别系统发送的目标基本信息，该目标基本信息为：当运动目标进入AIS接收机覆盖区域，AIS接收机接收目标的AIS信息并对其解析所得到的结果；目标的基本信息包括船舶位置信息、大小、速度、航向以及船舶标识号。

估算模块，用于根据目标的基本信息，估算出该目标到达视频监控边界的时间和地点；

视频数据处理模块，用于根据估算的时间和地点，通过视频监控系统CCTV的摄像机采集视频数据，并对视频数据进行处理，得到目标信息；本发明的一实施例中，该视频数据处理模块具体用于检测运动目标，并计算运动目标的特征数据，再根据其特征数据判定运动目标类型。

匹配模块，用于将目标信息和AIS信息进行匹配，在视频中对目标进行标定，并保持跟踪，直到其离开监控区域。

估算模块还用于定期修正所估算的目标到达视频监控边界的时间和地点。

匹配模块具体用于当船舶在估算的时间和地点进入视频监控区域，将所述目标信息与AIS信息进行初步匹配；将所述目标基本信息与所述特征数据进行关联匹配，识别出运动船舶，并进行进一步关联并判断，如果与初步匹配的信息一致，则在视频中显示船舶AIS信息，否则隔一时间段重新通过视频数据处理模块进行处理。

本发明的另一实施例中，如图5所示，基于AIS和CCTV的海事智能监控系统_，采集服务器将采集的视频信息存储起来，数据处理服务器将采集的视频信息和AIS信息进行融合、比较判别、匹配，后对目标进行标定并保持跟踪，数据库服务器对数据处理服务器的数据进行保存。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种基于AIS和CCTV的海事智能监控方法，其特征在于，包括以下步骤：

S1、获取船舶自动识别系统发送的目标基本信息，该目标基本信息为：当运动目标进入AIS接收机覆盖区域，AIS接收机接收目标的AIS信息并对其解析所得到的结果；

S2、根据目标的基本信息，估算出该目标到达视频监控边界的时间和地点；

S3、根据估算的时间和地点，通过视频监控系统CCTV的摄像机采集视频数据，并对视频数据进行处理，得到目标信息；

S4、将目标信息和AIS信息进行匹配，在视频中对目标进行标定，并保持跟踪，直到其离开监控区域。

2.根据权利要求1所述的方法，其特征在于，所述目标的基本信息包括船舶位置信息、大小、速度、航向以及船舶标识号。

3.根据权利要求1所述的方法，其特征在于，步骤S2还包括步骤：

定期修正所估算的目标到达视频监控边界的时间和地点。

4.根据权利要求1所述的方法，其特征在于，步骤S3中对视频数据进行处理，得到目标信息具体包括：

检测运动目标；

计算运动目标的特征数据，并根据其特征数据判定运动目标类型。

5.根据权利要求4所述的方法，其特征在于，步骤S4中将目标信息和AIS信息进行匹配具体包括步骤：

当船舶在估算的时间和地点进入视频监控区域，将所述目标信息与AIS信息进行初步匹配；

将所述目标基本信息与所述特征数据进行关联匹配，识别出运动船舶，并进行进一步关联并判断，如果与初步匹配的信息一致，则在视频中显示船舶AIS信息，否则隔一时间段重新转到步骤S3。

6.一种基于AIS和CCTV的海事智能监控系统，其特征在于，包括：

信息获取模块，用于获取船舶自动识别系统发送的目标基本信息，该目标基本信息为：当运动目标进入AIS接收机覆盖区域，AIS接收机接收目标的AIS信息并对其解析所得到的结果；

估算模块，用于根据目标的基本信息，估算出该目标到达视频监控边界的时间和地点；

视频数据处理模块，用于根据估算的时间和地点，通过视频监控系统CCTV的摄像机采集视频数据，并对视频数据进行处理，得到目标信息；

匹配模块，用于将目标信息和AIS信息进行匹配，在视频中对目标进行标定，并保持跟踪，直到其离开监控区域。

7.根据权利要求6所述的系统，其特征在于，所述目标的基本信息包括船舶位置信息、大小、速度、航向以及船舶标识号。

8.根据权利要求6所述的系统，其特征在于，所述估算模块还用于定期修正所估算的目标到达视频监控边界的时间和地点。

9.根据权利要求6所述的系统，其特征在于，所述视频数据处理模块具体用于检测运动目标，并计算运动目标的特征数据，再根据其特征数据判定运动目标类型。

10.根据权利要求6所述的系统，其特征在于，所述匹配模块具体用于当船舶在估算的时间和地点进入视频监控区域，将所述目标信息与AIS信息进行初步匹配；将所述目标基本信息与所述特征数据进行关联匹配，识别出运动船舶，并进行进一步关联并判断，如果与初步匹配的信息一致，则在视频中显示船舶AIS信息，否则隔一时间段重新通过视频数据处理模块进行处理。