CN107886051A - 基于图像的船舶身份识别方法 - Google Patents

基于图像的船舶身份识别方法 Download PDF

Info

Publication number
CN107886051A
CN107886051A CN201710981682.2A CN201710981682A CN107886051A CN 107886051 A CN107886051 A CN 107886051A CN 201710981682 A CN201710981682 A CN 201710981682A CN 107886051 A CN107886051 A CN 107886051A
Authority
CN
China
Prior art keywords
mrow
msub
image
ship
mtd
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710981682.2A
Other languages
English (en)
Inventor
高东
王珂
魏华卓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 28 Research Institute
Original Assignee
CETC 28 Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CETC 28 Research Institute filed Critical CETC 28 Research Institute
Priority to CN201710981682.2A priority Critical patent/CN107886051A/zh
Publication of CN107886051A publication Critical patent/CN107886051A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像的船舶身份识别方法，该方法首先对图像序列中的运动船舶进行目标检测，然后根据摄像机成像模型提取船舶目标的物理位置、尺寸、颜色等参数特征，并以ATS信息作为参考，对船舶目标身份进行快速判别，对异常船舶进行告警。该方法计算量小，易于工程实现，实验结果表明，本发明中的船舶目标能够实现快速、准确提取和身份识别，在海警、海事、船舶管理系统等军事和民事领域有着广泛的应用前景。

Description

基于图像的船舶身份识别方法
技术领域
本发明涉及的是一种图像处理技术领域的方法，特别是一种基于图像的船舶身份识别方法。
背景技术
在海警、海事、船舶管理系统等军民用领域中，视频监控成为一种重要的信息来源，从实时视频监控中快速有效的提取船舶目标，对船舶身份进行自动判别，对船舶异常行为进行告警，成为一个重要的应用领域。在目标检测技术中，应用比较广泛的有背景差分法、帧间差分法、光流法等，背景差分法易受环境光线变化的影响，不适用于背景变化很大的情况；帧间差分法帧间时间间隔的选取很重要，只能提取出目标边界；光流法对硬件要求比较高，计算较复杂，抗噪性差。因此，如何快速有效的检测船舶目标，结合其它来源信息，对船舶身份和行为进行判别成为一个重要发展趋势。
发明内容
发明目的：为了解决现有技术存在的问题，提供一种简单、有效的船舶目标提取和身份判别方法，从而实现异常船舶身份识别与告警，本发明提供一种基于图像的船舶身份识别方法。
技术方案：一种基于图像的船舶身份识别方法，包括以下步骤：
(1)利用摄像头实时采集图像，得到原始图像；
(2)采用平均帧间差分法对原始图像的背景进行重建与自动更新，得到参考背景图像；
(3)利用背景差分法将原始图像与参考背景图像进行差分，提取运动船舶目标，得到船舶目标的二值图像；
(4)从船舶目标的二值图像中提取运动船舶目标的参数信息，所述参数信息包括船舶的位置、尺寸几颜色；
(5)提供AIS信息，以AIS信息为参考，对船舶身份进行印证、判别，若判断为异常船舶，则进行告警。
有益效果：本发明提供的一种基于图像的船舶身份识别方法，与现有技术相比，具有如下技术效果：
(1)采用平均帧间差分法实现图像背景的快速重建和自动更新，采用改进的背景差分法实现目标快速有效地检测；
(2)提取船舶目标的参数信息，同时结合AIS参数信息，进行船舶身份判别和告警处理；
(3)该方法计算量小，易于工程实现，实验结果表明，本发明中的船舶目标能够实现快速、准确提取和身份识别，并在海警、海事、船舶管理系统等军事和民事领域有着广泛的应用前景。
附图说明
图1是本发明基于图像的船舶身份识别方法的流程图；
图2是摄像机标定模型示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示，基于图像的船舶身份识别方法包括以下步骤：
1、利用摄像头实时采集图像，得到原始图像。其中，摄像头采用云台全方位移动及镜头变倍、变焦控制的PTZ摄像头，可以全方位采集，不会遗漏船舶。
2、采用平均帧间差分法对原始图像的背景进行重建与自动更新，得到参考背景图像。
(21)连续采集最新的k幅原始图像，并对原始图像进行灰度化处理，得到灰度图像，记为图像序列fi(x，y)(i＝1，2，...，k)，其中(x，y)表示图像中像素坐标，fi(x，y)表示第i帧图像中坐标(x，y)处像素的灰度值；
(22)对步骤(21)得到的灰度图像作两两帧间差分处理，得到差分图像，所述差分图像的计算公式为：
Δfi(x，y)＝|fi(x，y)-fi-1(x，y)|(i＝2，3，...，k) (1)
式中，Δfi(x，y)表示差分图像，fi-1(x，y)表示第i-1帧中坐标(x，y)处的像素灰度值；
(23)设定帧差阈值T，将差分图像与帧差阈值T进行比较，对原始图像的背景进行重建：
式中，Bi(x，y)为重建的第i帧背景图像，N为重建的背景图像总数，B(x，y)为重建后的参考背景图像。
3、利用背景差分法将原始图像与参考背景图像进行差分，提取运动船舶目标，得到船舶目标的二值图像。这里采用的背景差分法是在现有技术的背景差分法上做的改进，改进后的背景差分法为：
(31)在原始图像中设置“虚拟线圈”矩形触发区域，矩形触发区域的宽度和高度根据原始图像的宽度和高度取值；设定矩形触发区域位于图像的中心位置，取原始图像的宽度作为矩形触发区域的宽度，矩形触发区域的高度设为原始图像高度的1/4。
(32)设定差分阈值T0，对于步骤(2)实时输入的图像序列，在矩形触发区域内将原始图像和参考背景图像作差分处理，并将差分结果与T0相比较，再更新差分结果：
Di(x，y)＝|fi(x，y)-B(x，y)| (4)
式中，Di(x，y)为矩形触发区域内的原始图像与参考背景图像的差分结果；
设置触发阈值，统计Di(x，y)中大于0的像素的个数，若大于0的像素的个数大于触发阈值，则原始图像被成功触发，执行步骤(33)；否则丢弃该原始图像，继续处理下一帧；
(33)设定二值化阈值T1，对于成功触发的原始图像，将原始图像中的所有像素与参考背景图像做差分，如果差分值大于二值化阈值T1，则将该处的像素灰度值置为255，否则置为0，从而得到船舶目标的二值图像；
(34)对步骤(33)得到的船舶目标的二值图像进行滤波等去噪处理；利用图像开闭运算等形态学方法去除二值图像中的孔洞，从而得到完整的船舶目标的二值图像。
本实施例中采用的改进的背景差分法与传统背景差分法不相同，并不对图像所有像素做差分，而是首先进行条件判断，即对矩形触发区域内的像素做差分，满足触发条件的进行全局差分计算，否则不满足触发条件，丢弃该帧图像；其次，本文中进行背景差分法计算时对图像的背景进行实时重建，使得图像的背景能够得到及时更新，有效的去除背景变化对目标检测的影响。
4、从船舶目标的二值图像中提取运动船舶目标的参数信息，所述参数信息包括船舶的位置、尺寸几颜色。
(41)所述步骤4中提取运动船舶目标的位置的方法为：
利用Canny边缘检测方法提取二值图像中船舶目标的轮廓，计算船舶目标轮廓外接矩形触发区域的重心所在处的像素坐标，记为(u，v)；如图2所示，标定摄像机模型，并获取摄像机的焦距、高度、姿态参数；利用摄像机标定模型将船舶重心像素坐标(u，v)转换为物理坐标(Xw，Yw，0)：
在摄像机标定模型中，原点位于图像中心；(Xw，Yw，0)为转换后的船舶物理坐标，原点为摄像机光轴与地面交点，记为点Q；f为摄像机焦距，H为摄像机高度，t为摄像机俯仰角，p为偏角，s为旋转角；
根据得到的物理坐标(Xw，Yw，0)利用大地坐标系转换即可得到船舶目标的经纬度。
(42)所述步骤4中提取运动船舶目标的尺寸的方法为：
采用最小二乘法进行拟合，确定船舶目标外接矩形区域的中心和主轴，计算船舶轮廓与主轴交点坐标，记为点A(X1，Y1)、点B(X2，Y2)，利用上述的摄像机标定模型将点A和点B坐标分别转换为物理坐标Wa和Wb，取Wa和Wb间的距离为船舶的长度；计算船舶目标外接矩形轮廓上垂直到主轴的最大距离作为船舶的宽度，利用上述的摄像机标定模型和摄像机焦距将像素坐标宽度转换为物理坐标系船舶实际宽度。
(43)所述步骤4中提取运动船舶目标的颜色的方法为：
利用船舶目标的外接矩形触发区域参数将采集的原始图像中的船舶目标提取出来，根据RGB色彩空间信息提取目标的主色彩特征，判断船舶目标的颜色。
5、提供AIS信息，以AIS信息为参考，对船舶身份进行印证、判别，若判断为异常船舶，则进行告警。具体步骤为：
(51)将图像采集的时刻记为基准时间T，设定时间误差T1，在(T-T1，T+T1)时间范围内，提取AIS接收机实时接收的AIS信息参数，AIS信息参数包括时间、经纬度、船长、船宽、船名、呼号等；
(52)将图像采集时刻T提取的运动船舶目标的参数信息，与步骤(51)获得的AIS信息参数作位置相关、船舶尺寸相关比较，在容差范围内的初判为相关；否则为不相关，不想关的船舶判为异类船舶，并进行告警。

Claims (8)

1.一种基于图像的船舶身份识别方法，其特征在于，包括以下步骤：
(1)利用摄像头实时采集图像，得到原始图像；
(2)采用平均帧间差分法对原始图像的背景进行重建与自动更新，得到参考背景图像；
(3)利用背景差分法将原始图像与参考背景图像进行差分，提取运动船舶目标，得到船舶目标的二值图像；
(4)从船舶目标的二值图像中提取运动船舶目标的参数信息，所述参数信息包括船舶的位置、尺寸几颜色；
(5)提供AIS信息，以AIS信息为参考，对船舶身份进行印证、判别，若判断为异常船舶，则进行告警。
2.根据权利要求1所述的基于图像的船舶身份识别方法，其特征在于，所述步骤(2)采用平均帧间差分法对原始图像的背景进行重建与自动更新的步骤包括：
(21)连续采集最新的k幅原始图像，并对原始图像进行灰度化处理，得到灰度图像，记为图像序列fi(x，y)(i＝1，2，...，k)，其中(x，y)表示图像中像素坐标，fi(x，y)表示第i帧图像中坐标(x，y)处像素的灰度值；
(22)对步骤(21)得到的灰度图像作两两帧间差分处理，得到差分图像，所述差分图像的计算公式为：
Δfi(x，y)＝|fi(x，y)-fi-1(x，y)|(i＝2，3，...，k)
式中，Δfi(x，y)表示差分图像，fi-1(x，y)表示第i-1帧中坐标(x，y)处的像素灰度值；
(23)设定帧差阈值T，将差分图像与帧差阈值T进行比较，对原始图像的背景进行重建：
<mrow> <msub> <mi>B</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>f</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <msub> <mi>&amp;Delta;f</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&lt;</mo> <mi>T</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <msub> <mi>&amp;Delta;f</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
<mrow> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;Sigma;B</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mi>N</mi> </mfrac> </mrow>
式中，Bi(x，y)为重建的第i帧背景图像，N为重建的背景图像总数，B(x，y)为重建后的参考背景图像。
3.根据权利要求2所述的基于图像的船舶身份识别方法，其特征在于，所述步骤(3)中利用背景差分法提取运动船舶目标包括以下步骤：
(31)在原始图像中设置矩形触发区域，矩形触发区域位于图像的中心位置，取原始图像的宽度作为矩形触发区域的宽度，矩形触发区域的高度设为原始图像高度的1/4；
(32)设定差分阈值T0，对于步骤(2)实时输入的图像序列，在矩形触发区域内将原始图像和参考背景图像作差分处理，并将差分结果与T0相比较，再更新差分结果：
Di(x，y)＝|fi(x，y)-B(x，y)|
<mrow> <msub> <mi>D</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <msub> <mi>D</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <msub> <mi>T</mi> <mn>0</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <msub> <mi>D</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&lt;</mo> <msub> <mi>T</mi> <mn>0</mn> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
式中，Di(x，y)为矩形触发区域内的原始图像与参考背景图像的差分结果；
设置触发阈值，统计Di(x，y)中大于0的像素的个数，若大于0的像素的个数大于触发阈值，则原始图像被成功触发，执行步骤(33)；否则丢弃该原始图像，继续处理下一帧；
(33)设定二值化阈值T1，对于成功触发的原始图像，将原始图像中的所有像素与参考背景图像做差分，如果差分值大于二值化阈值T1，则将该处的像素灰度值置为255，否则置为0，从而得到船舶目标的二值图像；
(34)对步骤(33)得到的船舶目标的二值图像进行滤波去噪处理；利用图像开闭运算去除二值图像中的孔洞，得到完整的船舶目标的二值图像。
4.根据权利要求3所述的基于图像的船舶身份识别方法，其特征在于，所述步骤(4)中提取运动船舶目标的位置的方法为：
利用Canny边缘检测方法提取二值图像中船舶目标的轮廓，计算船舶目标轮廓外接矩形触发区域的重心所在处的像素坐标，记为(u，v)；标定摄像机模型，并获取摄像机的焦距、高度、姿态参数；利用摄像机标定模型将船舶重心像素坐标(u，v)转换为物理坐标(Xw，Yw，0)：
<mrow> <mi>u</mi> <mo>=</mo> <mfrac> <mrow> <mo>-</mo> <mi>f</mi> <mo>&amp;lsqb;</mo> <mi>cos</mi> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mi>cos</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> <msub> <mi>X</mi> <mi>w</mi> </msub> <mo>-</mo> <mi>sin</mi> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mi>cos</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> <msub> <mi>Y</mi> <mi>w</mi> </msub> <mo>+</mo> <mi>sin</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>sin</mi> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mi>sin</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> <msub> <mi>X</mi> <mi>w</mi> </msub> <mo>+</mo> <mi>sin</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>cos</mi> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mi>sin</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> <msub> <mi>Y</mi> <mi>w</mi> </msub> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mo>(</mo> <mi>cos</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>sin</mi> <mo>(</mo> <mi>p</mi> <mo>)</mo> <msub> <mi>X</mi> <mi>w</mi> </msub> <mo>+</mo> <mi>cos</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>cos</mi> <mo>(</mo> <mi>p</mi> <mo>)</mo> <msub> <mi>Y</mi> <mi>w</mi> </msub> <mo>+</mo> <mfrac> <mi>H</mi> <mrow> <mi>sin</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>)</mo> </mrow> </mfrac> </mrow>
<mrow> <mi>v</mi> <mo>=</mo> <mfrac> <mrow> <mo>-</mo> <mi>f</mi> <mo>&amp;lsqb;</mo> <mi>cos</mi> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mi>sin</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> <msub> <mi>X</mi> <mi>w</mi> </msub> <mo>-</mo> <mi>sin</mi> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mi>sin</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> <msub> <mi>Y</mi> <mi>w</mi> </msub> <mo>-</mo> <mi>sin</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>sin</mi> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mi>cos</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> <msub> <mi>X</mi> <mi>w</mi> </msub> <mo>-</mo> <mi>sin</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>cos</mi> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mi>cos</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> <msub> <mi>Y</mi> <mi>w</mi> </msub> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mo>(</mo> <mi>cos</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>sin</mi> <mo>(</mo> <mi>p</mi> <mo>)</mo> <msub> <mi>X</mi> <mi>w</mi> </msub> <mo>+</mo> <mi>cos</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>cos</mi> <mo>(</mo> <mi>p</mi> <mo>)</mo> <msub> <mi>Y</mi> <mi>w</mi> </msub> <mo>+</mo> <mfrac> <mi>H</mi> <mrow> <mi>sin</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>)</mo> </mrow> </mfrac> </mrow>
在摄像机标定模型中，原点位于图像中心；(Xw，Yw，0)为转换后的船舶物理坐标，原点为摄像机光轴与地面交点，记为点Q；f为摄像机焦距，H为摄像机高度，t为摄像机俯仰角，p为偏角，s为旋转角；
根据得到的物理坐标(Xw，Yw，0)利用大地坐标系转换即可得到船舶目标的经纬度。
5.根据权利要求3所述的基于图像的船舶身份识别方法，其特征在于，所述步骤(4)中提取运动船舶目标的尺寸的方法为：
采用最小二乘法进行拟合，确定船舶目标外接矩形区域的中心和主轴，计算船舶轮廓与主轴交点坐标，记为点A(X1，Y1)、点B(X2，Y2)，利用上述的摄像机标定模型将点A和点B坐标分别转换为物理坐标Wa和Wb，取Wa和Wb间的距离为船舶的长度；计算船舶目标外接矩形轮廓上垂直到主轴的最大距离作为船舶的宽度，利用上述的摄像机标定模型和摄像机焦距将像素坐标宽度转换为物理坐标系船舶实际宽度。
6.根据权利要求3所述的基于图像的船舶身份识别方法，其特征在于，所述步骤(4)中提取运动船舶目标的颜色的方法为：
利用船舶目标的外接矩形触发区域参数将采集的原始图像中的船舶目标提取出来，根据RGB色彩空间信息提取目标的主色彩特征，判断船舶目标的颜色。
7.根据权利要求1至6任一所述的基于图像的船舶身份识别方法，其特征在于，步骤(5)以AIS信息为参考，对船舶身份进行印证、判别，对异常船舶进行告警判断的步骤为：
(51)将图像采集的时刻记为基准时间T，设定时间误差T1，在(T-T1，T+T1)时间范围内，提取AIS接收机实时接收的AIS信息参数，AIS信息参数包括时间、经纬度、船长、船宽、船名、呼号；
(52)将图像采集时刻T提取的运动船舶目标的参数信息，与步骤(51)获得的AIS信息参数作位置相关、船舶尺寸相关比较，在容差范围内的初判为相关；否则为不相关，不想关的船舶判为异类船舶，并进行告警。
8.根据权利要求1至6任一所述的基于图像的船舶身份识别方法，其特征在于，所述步骤(1)中的摄像头采用云台全方位移动及镜头变倍、变焦控制的PTZ摄像头。
CN201710981682.2A 2017-10-19 2017-10-19 基于图像的船舶身份识别方法 Pending CN107886051A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710981682.2A CN107886051A (zh) 2017-10-19 2017-10-19 基于图像的船舶身份识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710981682.2A CN107886051A (zh) 2017-10-19 2017-10-19 基于图像的船舶身份识别方法

Publications (1)

Publication Number Publication Date
CN107886051A true CN107886051A (zh) 2018-04-06

Family

ID=61781744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710981682.2A Pending CN107886051A (zh) 2017-10-19 2017-10-19 基于图像的船舶身份识别方法

Country Status (1)

Country Link
CN (1) CN107886051A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806334A (zh) * 2018-04-27 2018-11-13 中船重工鹏力（南京）大气海洋信息系统有限公司 一种基于图像的智能船舶身份识别方法
CN109431681A (zh) * 2018-09-25 2019-03-08 吉林大学 一种检测睡眠质量的智能眼罩及其检测方法
CN109544472A (zh) * 2018-11-08 2019-03-29 苏州佳世达光电有限公司 对象驱动装置及对象驱动方法
CN109583451A (zh) * 2018-11-28 2019-04-05 上海鹰觉科技有限公司 基于舰船舷号的自动识别方法和系统
CN109902618A (zh) * 2019-02-26 2019-06-18 青岛海之声科技有限公司 一种海面船只识别方法和装置
CN110561414A (zh) * 2019-06-23 2019-12-13 大国重器自动化设备(山东)股份有限公司 基于手持终端控制的机器人
CN110852985A (zh) * 2019-09-12 2020-02-28 武汉理工大学 基于视频和ais信息融合的碰标船舶身份追溯方法
CN111523465A (zh) * 2020-04-23 2020-08-11 中船重工鹏力（南京）大气海洋信息系统有限公司 基于摄像机标定及深度学习算法的船舶身份识别系统
CN111985475A (zh) * 2020-08-26 2020-11-24 苏州工图智能科技有限公司 船舶船牌识别方法、计算设备及存储介质
CN112037411A (zh) * 2020-02-26 2020-12-04 刘纪君 基于区块链数据库的权限验证平台
CN116303523A (zh) * 2022-11-30 2023-06-23 杭州数聚链科技有限公司 一种货船自动识别采样方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231786A (zh) * 2007-12-28 2008-07-30 北京航空航天大学 一种基于视频图像特征的车辆检测方法
CN103514448A (zh) * 2013-10-24 2014-01-15 北京国基科技股份有限公司 船形识别方法和系统
CN103996049A (zh) * 2014-05-05 2014-08-20 南京大学 一种基于视频图像的船舶超长超宽检测方法
CN105306892A (zh) * 2015-10-26 2016-02-03 中国电子科技集团公司第二十八研究所 一种证据链形式的船舶视频的生成及显示方法
CN107230390A (zh) * 2017-06-26 2017-10-03 山东中创软件工程股份有限公司 一种船舶安全监管方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231786A (zh) * 2007-12-28 2008-07-30 北京航空航天大学 一种基于视频图像特征的车辆检测方法
CN103514448A (zh) * 2013-10-24 2014-01-15 北京国基科技股份有限公司 船形识别方法和系统
CN103996049A (zh) * 2014-05-05 2014-08-20 南京大学 一种基于视频图像的船舶超长超宽检测方法
CN105306892A (zh) * 2015-10-26 2016-02-03 中国电子科技集团公司第二十八研究所 一种证据链形式的船舶视频的生成及显示方法
CN107230390A (zh) * 2017-06-26 2017-10-03 山东中创软件工程股份有限公司 一种船舶安全监管方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
何楠楠等: "智能视频监控中高效运动目标检测方法研究", 《北京工商大学学报(自然科学版)》 *
张顺淼等: "一种基于Surendra背景更新的背景减除运动目标检测方法", 《南京工程学院学报（自然科学版）》 *
杨高星: "基于计算机视觉的船舶跟踪及类型识别研究", 《中国优秀硕士学位论文全文数据库_信息科技辑》 *
赵伟等: "复杂环境下的车辆目标检测方法研究", 《森林工程》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806334A (zh) * 2018-04-27 2018-11-13 中船重工鹏力（南京）大气海洋信息系统有限公司 一种基于图像的智能船舶身份识别方法
CN109431681A (zh) * 2018-09-25 2019-03-08 吉林大学 一种检测睡眠质量的智能眼罩及其检测方法
CN109431681B (zh) * 2018-09-25 2023-12-19 吉林大学 一种检测睡眠质量的智能眼罩及其检测方法
CN109544472A (zh) * 2018-11-08 2019-03-29 苏州佳世达光电有限公司 对象驱动装置及对象驱动方法
CN109583451A (zh) * 2018-11-28 2019-04-05 上海鹰觉科技有限公司 基于舰船舷号的自动识别方法和系统
CN109902618A (zh) * 2019-02-26 2019-06-18 青岛海之声科技有限公司 一种海面船只识别方法和装置
CN110561414A (zh) * 2019-06-23 2019-12-13 大国重器自动化设备(山东)股份有限公司 基于手持终端控制的机器人
CN110561414B (zh) * 2019-06-23 2024-02-27 大国重器自动化设备(山东)股份有限公司 基于手持终端控制的机器人
CN110852985A (zh) * 2019-09-12 2020-02-28 武汉理工大学 基于视频和ais信息融合的碰标船舶身份追溯方法
CN112037411A (zh) * 2020-02-26 2020-12-04 刘纪君 基于区块链数据库的权限验证平台
CN112037411B (zh) * 2020-02-26 2021-05-07 青岛科技大学 基于区块链数据库的权限验证平台
CN111523465B (zh) * 2020-04-23 2023-06-27 中船鹏力(南京)大气海洋信息系统有限公司 基于摄像机标定及深度学习算法的船舶身份识别系统
CN111523465A (zh) * 2020-04-23 2020-08-11 中船重工鹏力（南京）大气海洋信息系统有限公司 基于摄像机标定及深度学习算法的船舶身份识别系统
CN111985475A (zh) * 2020-08-26 2020-11-24 苏州工图智能科技有限公司 船舶船牌识别方法、计算设备及存储介质
CN116303523A (zh) * 2022-11-30 2023-06-23 杭州数聚链科技有限公司 一种货船自动识别采样方法及系统
CN116303523B (zh) * 2022-11-30 2023-10-17 杭州数聚链科技有限公司 一种货船自动识别采样方法及系统

Similar Documents

Publication Publication Date Title
CN107886051A (zh) 基于图像的船舶身份识别方法
CN115439424B (zh) 一种无人机航拍视频图像智能检测方法
CN111462200A (zh) 一种跨视频行人定位追踪方法、系统及设备
CN107093188A (zh) 一种基于全景摄像机和高速球机的智能联动与跟踪方法
CN103810475B (zh) 一种目标物识别方法及装置
CN103778645B (zh) 一种基于图像的圆形目标实时跟踪方法
CN101521740A (zh) 基于多尺度不变特征的实时运动估计方法
CN103581614A (zh) 基于ptz的视频中目标跟踪方法及系统
CN101406390A (zh) 检测人体部位和人的方法和设备以及对象检测方法和设备
CN109544635B (zh) 一种基于枚举试探的相机自动标定方法
CN105046649A (zh) 一种去除运动视频中运动物体的全景图拼接方法
CN105488811A (zh) 一种基于深度梯度的目标跟踪方法与系统
CN108521554A (zh) 大场景多目标协同跟踪方法、智能监控系统、交通系统
CN108550258A (zh) 车辆排队长度检测方法、装置、存储介质和电子设备
CN115100423B (zh) 一种基于视图采集数据实现实时定位系统及方法
CN111723801A (zh) 鱼眼相机图片中目标检测矫正的方法与系统
Bell et al. Accurate vehicle speed estimation from monocular camera footage
CN107346547A (zh) 基于单目平台的实时前景提取方法及装置
CN105374051A (zh) 智能移动终端防镜头抖动视频运动目标检测方法
CN110827375B (zh) 一种基于微光图像的红外图像真彩着色方法及系统
CN108520496B (zh) 一种基于光流法的海空背景监控视频图像拼接方法
CN106780541B (zh) 一种改进的背景减除方法
KR20230003827A (ko) 차량 번호판 인식율 개선을 위한 이미지 처리 장치 및 이를 이용한 이미지 처리 방법
Ramirez et al. Panoramic stitching for driver assistance and applications to motion saliency-based risk analysis
CN116434202A (zh) 基于目标和关键点检测的低光照驾驶员分心检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180406

RJ01 Rejection of invention patent application after publication