CN109460740A - 基于ais与视频数据融合的船舶身份识别方法 - Google Patents

基于ais与视频数据融合的船舶身份识别方法 Download PDF

Info

Publication number
CN109460740A
CN109460740A CN201811360912.4A CN201811360912A CN109460740A CN 109460740 A CN109460740 A CN 109460740A CN 201811360912 A CN201811360912 A CN 201811360912A CN 109460740 A CN109460740 A CN 109460740A
Authority
CN
China
Prior art keywords
ais
target
ship
data
follows
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.)
Granted
Application number
CN201811360912.4A
Other languages
English (en)
Other versions
CN109460740B (zh
Inventor
袁敏
彭树林
钱伟
倪侃俊
王新雅
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.)
SHANGHAI AIWEI AEROSPACE ELECTRONIC CO Ltd
Original Assignee
SHANGHAI AIWEI AEROSPACE ELECTRONIC CO Ltd
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 SHANGHAI AIWEI AEROSPACE ELECTRONIC CO Ltd filed Critical SHANGHAI AIWEI AEROSPACE ELECTRONIC CO Ltd
Priority to CN201811360912.4A priority Critical patent/CN109460740B/zh
Publication of CN109460740A publication Critical patent/CN109460740A/zh
Priority to PCT/CN2019/078720 priority patent/WO2020098195A1/zh
Priority to GB2018957.7A priority patent/GB2586766B/en
Priority to CA3100569A priority patent/CA3100569C/en
Application granted granted Critical
Publication of CN109460740B publication Critical patent/CN109460740B/zh
Priority to US17/097,057 priority patent/US11410002B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • G06V10/443—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 by matching or filtering
    • G06V10/446—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 by matching or filtering using Haar-like filters, e.g. using integral image techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G08G3/02—Anti-collision systems

Abstract

本发明公开了一种基于AIS与视频数据融合的船舶身份识别方法，包括：采集船舶样本训练船舶目标分类器；运用船舶目标分类器对云台相机采集到的视频帧进行船舶目标检测；对比已识别船舶库，过滤已识别船舶；采集AIS数据并从时间和空间两个尺度对数据过滤；运用线性外推法预估AIS目标当前位置并转换到图像坐标系下；将待匹配目标与转换后的AIS目标进行位置匹配，对匹配成功的目标进行特征提取并与船舶身份信息存入已识别船舶库。实验结果表明，本发明能快速、准确的提取监控视频中船舶目标并对其进行身份识别，有效的降低了人力成本，在船舶交通，港口管理等领域具有广泛应用前景。

Description

基于AIS与视频数据融合的船舶身份识别方法
技术领域
本发明涉及一种船舶交通服务系统(VTS)领域的信息处理方法，尤其涉及一种基于AIS与视频数据融合的船舶身份识别方法。
背景技术
视频监控因直观、及时、准确和信息量大等特点成为船舶交通、港口管理等领域重要的信息采集手段。
监控视频中的船舶目标提取及身份识别方法能有效降低人力成本，提高海事管理智能化程度，具有极高的研究和应用价值。
专利文献CN201210543644.6公布的基于特征的船舶快速识别方法，通过手动标注的船舶特征库训练基于船舶特征的决策树分类器，再利用该分类器对视频中的图像进行检测。该方法能够快速的从航道中提取船舶目标，但不能对船舶的身份信息进行有效识别。
专利文献CN201710981682.2公布的基于图像的船舶身份识别方法，通过改进的背景减除法检测视频中的船舶目标，将其与采集到的AIS信息进行位置对比从而得到船舶身份信息。该方法在一定程度上实现了船舶身份识别，但单一的运动检测方法易漏检静止或低航速船舶目标，易将其他运动物体误检为船舶目标，该方法通过标定摄像机模型实现图像坐标与地理坐标的转换，导致云台相机不能转动及缩放。
发明内容
本发明所要解决的技术问题是提供一种基于AIS与视频数据融合的船舶身份识别方法，能够有效识别船舶身份，降低人力成本，提高海事管理智能化程度。
本发明为解决上述技术问题而采用的技术方案是提供一种基于AIS与视频数据融合的船舶身份识别方法，包括如下步骤：步骤S1：采集船舶样本，训练船舶目标分类器；步骤S2：运用船舶目标分类器对云台相机采集到的视频帧进行船舶目标检测；步骤S3：根据已识别船舶库，对比过滤出已识别船舶，若是新目标继续执行后续步骤；步骤S4：持续采集AIS数据并从时间和空间两个尺度上对数据过滤；步骤S5：运用线性外推法预估AIS目标当前位置；步骤S6：将AIS目标位置由地理坐标系转换到图像坐标系下；步骤S7：对步骤S3中新目标与步骤S4处理后AIS目标进行位置匹配，匹配失败的新目标等待下一个匹配过程；步骤S8：对匹配成功的目标进行特征提取并与船舶身份信息一起存入已识别船舶库，作为步骤S3的过滤标准。
进一步地，所述的步骤S1的具体过程为：在监控场景中采集若干个包含不同类型及不同姿态船舶图片样本以及若干个不包含船舶的图片样本分别作为正负样本，通过离线训练的方式，训练基于Haar特征的船舶目标分类器。
进一步地，所述的步骤S2具体过程为：通过训练好的船舶目标分类器对云台相机采集到的视频帧进行船舶目标检测，提取船舶目标下边沿中心点作为该目标的位置参与后续步骤的位置匹配。
进一步地，所述的步骤S4对接收到的AIS目标数据进行如下过滤：在时间上，超出预设时间未更新的AIS数据视为无效数据；在空间上，位置超出预设范围的AIS目标视为无效数据。
进一步地，所述预设时间为3分钟，所述预设范围为摄像头视野范围±15°。
进一步地，所述的步骤S5具体过程为：根据接收到的AIS数据预测当前时刻t0实际位置(x1,y1)，AIS目标数据包括航行速度V、航行方向θ、位置(x0,y0)、AIS数据发送时间t-1，预测公式如下：
其中D为AIS目标从t-1时刻航行至t0时刻的航行距离，D＝V(t0-t-1)，R为地球半径。
进一步地，所述的步骤S6包括：
步骤6.1、进行摄像机参数校准，获取云台摄像机零方位角与水平面的夹角θH、在水平方向上与地理真北的夹角θN，具体方法为：
选取n个参考点，n为自然数，第n个参考点的地理位置表示为(xn,yn)，图像坐标系下坐标为(un,vn)，像素坐标系原点在图像坐标系下坐标为(u0,v0)，θH和θN计算公式如下：
其中An为第n个参考点与摄像机的方位角，Bn为第n个参考点和摄像机的连线与水平面夹角；
步骤6.2、将AIS目标位置由地理坐标转换至摄像机图像坐标，转换后的坐标(u,v)计算如下：
其中A为AIS目标与摄像机的方位角，B为AIS目标和摄像机的连线与水平面夹角，(u0,v0)为像素坐标系原点在图像坐标系下的坐标，VP、VT、VZ为当前云台参数，f0为云台摄像机基础焦距，w为单位像素宽度，h为单位像素高度。
进一步地，所述的步骤S4、步骤S5和步骤S6执行于整个识别过程，持续接收范围内的船舶AIS数据并对接收到的AIS数据进行处理。
进一步地，所述的步骤S7具体过程如下：计算待匹配船舶位置与转换后AIS目标位置的欧氏距离D，计算公式如下：
其中待匹配船舶位置为(u1,v1)，转换后AIS目标位置为(u,v)；计算匹配成功置信度C，计算公式如下：
其中D为待匹配船舶位置与转换后AIS目标位置的欧氏距离，T为预设阈值；匹配规则为：当D大于预设阈值T时直接判断目标匹配失败；当D小于预设阈值T时，选择与待匹配目标匹配成功置信度C最大的AIS目标作为匹配成功目标。
进一步地，所述的步骤S3和步骤S8具体过程为：对已匹配成功船舶目标提取纹理，轮廓，颜色和位置特征构建目标模板，与匹配信息一起存入已识别船舶数据库；当有新目标产生时，首先将其与已识别船舶库对比，若为已识别船舶则过滤，只有确认为新出现的船舶才执行匹配过程。
本发明对比现有技术有如下的有益效果：本发明提供的基于AIS与视频数据融合的船舶身份识别方法，通过图像处理、信息处理等技术手段，融合AIS与视频数据，快速、准确地提取监控视频中船舶目标并对其进行身份识别，有效降低了人力成本，在船舶交通，港口管理等领域具有广泛应用前景。
附图说明
图1为本发明基于AIS与视频数据融合的船舶身份识别方法流程图；
图2为本发明云台相机成像示意图；
图3为本发明图像坐标系与相机坐标系关系图；
图4为本发明云台相机成像俯视图；
图5为本发明云台相机成像侧视图。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
图1为本发明基于AIS与视频数据融合的船舶身份识别方法流程图。
请参见图1，本发明提供的基于AIS与视频数据融合的船舶身份识别方法包括：
步骤S1：采集船舶样本，训练船舶目标分类器；
步骤S2：运用船舶目标分类器对云台相机采集到的视频帧进行船舶目标检测；
步骤S3：对比已识别船舶库，过滤已识别船舶，新目标继续执行后续步骤；
步骤S4：持续采集AIS数据并从时间和空间两个尺度上对数据过滤；
步骤S5：运用线性外推法预估AIS目标当前位置；
步骤S6：将AIS目标位置由地理坐标系转换到图像坐标系下；
步骤S7：步骤S3中新目标与步骤S4处理后AIS目标进行位置匹配，匹配失败的新目标等待下一个匹配过程；
步骤S8：对匹配成功的目标进行特征提取并与船舶身份信息存入已识别船舶库，作为步骤S3的过滤标准。
前述步骤S1为离线训练且参与训练的船舶样本数量是船舶目标分类器检测率的重要影响因素；
前述步骤S2中视频采集传感器为高清云台相机；提取船舶目标下边沿中心点表征船舶位置；
前述步骤S3将检测到的船舶目标从轮廓，颜色，纹理、位置等特征与已识别船舶库对比，过滤已识别船舶，仅对新目标执行识别过程，提高系统运行效率；
前述步骤S4、步骤S5并不表示执行顺序，实际上步骤S4、步骤S5执行于整个识别过程，持续接收范围内的船舶AIS数据。
前述步骤S7根据云台实时参数及安装参数实现地理坐标系与图像坐标系的转换，允许云台运动及视野缩放；
前述步骤S8提取船舶目标的特征包括轮廓、颜色、纹理、位置，身份信息包括mmsi、船名、类型、尺寸等。
本发明包括船舶目标检测、AIS目标数据过滤及位置预估、目标位置匹配、已识别船舶库构建四个部分；下面对四个部分展开详细描述。
1、船舶目标检测
在监控场景中采集2000个包含不同类型及不同姿态船舶图片样本以及6000个不包含船舶的图片样本分别作为正负样本，并将样本统一缩放至20×20，训练基于Haar特征的船舶目标分类器，再通过训练好的船舶目标分类器对云台相机采集到的视频帧进行船舶目标检测，提取船舶目标下边沿中心点作为该目标的位置参与后续步骤的位置匹配。
需要说明的是，本发明采用离线训练的方式训练船舶目标分类器，训练过程不影响船舶目标分类器检测船舶目标效率。参与训练的船舶样本数量是船舶目标分类器检测率的重要影响因素，本发明在综合考虑检测率以及训练时间等因素的情况下，分别选取2000个正样本和6000个负样本参与训练，样本数量为优选值而非固定值。
需要说明的是，图像中船舶高度会导致船舶目标位置偏移，因此本发明选取图像中船舶目标下边沿中心点作为船舶目标的位置进行匹配，从而提高身份识别准确率。
2、AIS目标数据过滤及位置预估
在时间和空间两个尺度上对接收到的AIS目标数据进行过滤，从而消除无效的AIS目标数据，提高匹配识别效率。过滤依据如下：
(2.1)在时间上，超出3分钟未更新的AIS数据视为无效数据；
(2.2)在空间上，位置超出摄像头视野范围±15°的AIS目标视为无效数据。
因为AIS数据更新速度低于监控视频更新速度，因此接收到的AIS目标位置总是滞后于当前目标实际位置。本发明根据AIS目标航速度V、航行方向θ、位置(x0,y0)、AIS数据发送时间t-1等数据预测当前时刻t0实际位置(x1,y1)，提高身份识别准确率。预测公式如下：
其中AIS目标从t-1时刻航行至t0时刻的航行距离D＝V(t0-t-1)，R为地球半径。
3、目标位置匹配
图2是实施方式采用的云台相机的成像示意图。
附图标记：
21云台摄像机；22摄像机光轴；23建筑物；24地理真北；25目标相对于摄像机的方位角；26目标和摄像机的连线在水平面的投影线；27目标和摄像机的连线与水平面夹角；28海平面；29摄像机成像平面；
为了更好的展示各个夹角之间的关系，附图3是图像坐标系与相机坐标系关系图，附图4是云台相机成像俯视图，附图5是云台相机成像侧视图，其中各图之间标记相同的夹角表示该夹角在不同角度的展示。
需要说明的是，Oc-XcYcZc为相机坐标系，O'-UV为像素坐标系，云台摄像机云台参数分别表示为VP、VT、VZ，f为摄像机焦距，α为目标在U轴上的投影点与相机中心的连线与光轴的夹角，β为目标在V轴上的投影点与相机中心的连线与光轴的夹角，θH为云台摄像机零方位角与水平面的夹角，θN为云台摄像机零方位角在水平方向上与地理真北的夹角。
本发明提出的位置匹配方法，包括如下步骤：
步骤一：进行摄像机安装参数校准，获取云台摄像机零方位角与水平面的夹角θH、在水平方向上与地理真北的夹角θN；
步骤二：将AIS目标位置由地理坐标转换至摄像机像平面坐标；
步骤三：计算待匹配船舶位置与转换后AIS目标位置的欧氏距离；
步骤四：计算匹配成功置信度并根据置信度判断是否匹配成功。
需要说明的是，步骤一云台摄像机零方位角表示云台参数VP、VT均为零度的方向线，云台摄像机零方位角与水平面的夹角θH、在水平方向上与地理真北的夹角θN校准方法如下：
选取n个参考点，n为自然数，第n个参考点的地理位置表示为(xn,yn)，图像坐标系下坐标为(un,vn)，像素坐标系原点坐标为(u0,v0)，当前云台参数为VP、VT、VZ，云台摄像机基础焦距为f0，单位像素宽度为w，高度为h，θH与θN的计算计算公式如下：
其中An为第n个参考点与摄像机的方位角，Bn为第n个参考点和摄像机的连线与水平面夹角，n为大于2的整数，优选值为6。
需要说明的是，步骤二将AIS目标位置由地理坐标转换至摄像机像平面坐标的计算公式如下：
其中A为AIS目标与摄像机的方位角，B为AIS目标和摄像机的连线与水平面夹角，(u0,v0)为像素坐标系原点在图像坐标系下的坐标，VP、VT、VZ为当前云台参数，f0为云台摄像机基础焦距，θH为云台摄像机零方位角与水平面的夹角，θN为在水平方向上与地理真北的夹角，w为单位像素宽度，h为单位像素高度。
需要说明的是，步骤三计算待匹配船舶位置与转换后AIS目标位置的欧氏距离D的公式如下：
其中待匹配船舶位置为(u1,v1)，转换后AIS目标位置为(u,v)。
需要说明的是，步骤四匹配成功置信度C计算公式如下：
其中D为待匹配船舶位置与转换后AIS目标位置的欧氏距离，T为阈值，阈值T优选100像素。
匹配规则为：当D大于阈值T时直接判断目标匹配失败；当D小于阈值T时，选择与待匹配目标匹配成功置信度C最大的AIS目标作为匹配成功目标。
4、已识别船舶库构建
为了避免船舶目标重复执行匹配过程，提高运行速度，本发明对已匹配成功船舶目标提取纹理，轮廓，颜色和位置等特征构建目标模板，与匹配信息一起存入已识别船舶数据库。当有新目标产生时，首先将其与已识别船舶库对比，若为已识别船舶则过滤，只有新目标才会执行匹配过程。
综上所述，本发明能快速、准确的提取监控视频中船舶目标并对其进行身份识别，有效的降低了人力成本，在船舶交通，港口管理等领域具有广泛应用前景。具体优点如下：
⑴通过船舶目标分类器检测视频中的船舶目标，降低了漏检率、误检率；
⑵通过从时间和空间两个尺度上对AIS数据过滤，降低了计算量，提高了运行速度；
⑶通过线性外推预测AIS目标位置，解决了AIS数据更新慢的缺点，提高了身份识别准确率；
⑷区别于校准摄像机模型，本发明通过云台实时参数及相机安装参数实现地理坐标与图像坐标转换，允许在识别过程中云台运动及视野缩放；
⑸通过构建已识别船舶库，避免船舶目标重复执行匹配过程，提高了运行速度。
虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。

Claims (10)

1.一种基于AIS与视频数据融合的船舶身份识别方法，其特征在于，包括如下步骤：
步骤S1：采集船舶样本，训练船舶目标分类器；
步骤S2：运用船舶目标分类器对云台相机采集到的视频帧进行船舶目标检测；
步骤S3：根据已识别船舶库，对比过滤出已识别船舶，若是新目标继续执行后续步骤；
步骤S4：持续采集AIS数据并从时间和空间两个尺度上对数据过滤；
步骤S5：运用线性外推法预估AIS目标当前位置；
步骤S6：将AIS目标位置由地理坐标系转换到图像坐标系下；
步骤S7：对步骤S3中新目标与步骤S4处理后AIS目标进行位置匹配，匹配失败的新目标等待下一个匹配过程；
步骤S8：对匹配成功的目标进行特征提取并与船舶身份信息一起存入已识别船舶库，作为步骤S3的过滤标准。
2.根据权利要求1所述的基于AIS与视频数据融合的船舶身份识别方法，其特征在于，所述的步骤S1的具体过程为：
在监控场景中采集若干个包含不同类型及不同姿态船舶图片样本以及若干个不包含船舶的图片样本分别作为正负样本，通过离线训练的方式，训练基于Haar特征的船舶目标分类器。
3.根据权利要求1所述的基于AIS与视频数据融合的船舶身份识别方法，其特征在于，所述的步骤S2具体过程为：
通过训练好的船舶目标分类器对云台相机采集到的视频帧进行船舶目标检测，提取船舶目标下边沿中心点作为该目标的位置参与后续步骤的位置匹配。
4.根据权利要求1所述的基于AIS与视频数据融合的船舶身份识别方法，其特征在于，所述的步骤S4对接收到的AIS目标数据进行如下过滤：
在时间上，超出预设时间未更新的AIS数据视为无效数据；
在空间上，位置超出预设范围的AIS目标视为无效数据。
5.根据权利要求4所述的基于AIS与视频数据融合的船舶身份识别方法，其特征在于，所述预设时间为3分钟，所述预设范围为摄像头视野范围±15°。
6.根据权利要求1所述的基于AIS与视频数据融合的船舶身份识别方法，其特征在于，所述的步骤S5具体过程为：
根据接收到的AIS数据预测当前时刻t0实际位置(x1,y1)，AIS目标数据包括航行速度V、航行方向θ、位置(x0,y0)、AIS数据发送时间t-1，预测公式如下：
其中D为AIS目标从t-1时刻航行至t0时刻的航行距离，D＝V(t0-t-1)，R为地球半径。
7.根据权利要求1所述的基于AIS与视频数据融合的船舶身份识别方法，其特征在于，所述的步骤S6包括：
步骤6.1、进行摄像机参数校准，获取云台摄像机零方位角与水平面的夹角θH、在水平方向上与地理真北的夹角θN，具体方法为：
选取n个参考点，n为自然数，第n个参考点的地理位置表示为(xn,yn)，图像坐标系下坐标为(un,vn)，像素坐标系原点在图像坐标系下坐标为(u0,v0)，θH和θN计算公式如下：
其中An为第n个参考点与摄像机的方位角，Bn为第n个参考点和摄像机的连线与水平面夹角；
步骤6.2、将AIS目标位置由地理坐标转换至摄像机图像坐标，转换后的坐标(u,v)计算如下：
其中A为AIS目标与摄像机的方位角，B为AIS目标和摄像机的连线与水平面夹角，(u0,v0)为像素坐标系原点在图像坐标系下的坐标，VP、VT、VZ为当前云台参数，f0为云台摄像机基础焦距，w为单位像素宽度，h为单位像素高度。
8.根据权利要求1所述的基于AIS与视频数据融合的船舶身份识别方法，其特征在于，所述的步骤S4、步骤S5和步骤S6执行于整个识别过程，持续接收范围内的船舶AIS数据并对接收到的AIS数据进行处理。
9.根据权利要求1所述的基于AIS与视频数据融合的船舶身份识别方法，其特征在于，所述的步骤S7具体过程如下：
计算待匹配船舶位置与转换后AIS目标位置的欧氏距离D，计算公式如下：
其中待匹配船舶位置为(u1,v1)，转换后AIS目标位置为(u,v)；
计算匹配成功置信度C，计算公式如下：
其中D为待匹配船舶位置与转换后AIS目标位置的欧氏距离，T为预设阈值；
匹配规则为：当D大于预设阈值T时直接判断目标匹配失败；当D小于预设阈值T时，选择与待匹配目标匹配成功置信度C最大的AIS目标作为匹配成功目标。
10.根据权利要求1所述的基于AIS与视频数据融合的船舶身份识别方法，其特征在于，所述的步骤S3和步骤S8具体过程为：
对已匹配成功船舶目标提取纹理，轮廓，颜色和位置特征构建目标模板，与匹配信息一起存入已识别船舶数据库；当有新目标产生时，首先将其与已识别船舶库对比，若为已识别船舶则过滤，只有确认为新出现的船舶才执行匹配过程。
CN201811360912.4A 2018-11-15 2018-11-15 基于ais与视频数据融合的船舶身份识别方法 Active CN109460740B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201811360912.4A CN109460740B (zh) 2018-11-15 2018-11-15 基于ais与视频数据融合的船舶身份识别方法
PCT/CN2019/078720 WO2020098195A1 (zh) 2018-11-15 2019-03-19 基于ais与视频数据融合的船舶身份识别方法
GB2018957.7A GB2586766B (en) 2018-11-15 2019-03-19 Ship identity recognition method based on fusion of AIS data and video data
CA3100569A CA3100569C (en) 2018-11-15 2019-03-19 Ship identity recognition method base on fusion of ais data and video data
US17/097,057 US11410002B2 (en) 2018-11-15 2020-11-13 Ship identity recognition method based on fusion of AIS data and video data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811360912.4A CN109460740B (zh) 2018-11-15 2018-11-15 基于ais与视频数据融合的船舶身份识别方法

Publications (2)

Publication Number Publication Date
CN109460740A true CN109460740A (zh) 2019-03-12
CN109460740B CN109460740B (zh) 2020-08-11

Family

ID=65610570

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811360912.4A Active CN109460740B (zh) 2018-11-15 2018-11-15 基于ais与视频数据融合的船舶身份识别方法

Country Status (5)

Country Link
US (1) US11410002B2 (zh)
CN (1) CN109460740B (zh)
CA (1) CA3100569C (zh)
GB (1) GB2586766B (zh)
WO (1) WO2020098195A1 (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110175535A (zh) * 2019-05-08 2019-08-27 广州中交通信有限公司 一种基于深度学习的船舶识别系统及其识别方法
CN110718095A (zh) * 2019-09-12 2020-01-21 广州中交通信有限公司 一种内河航道船舶的ais监控系统及监控方法
CN111046831A (zh) * 2019-12-20 2020-04-21 上海中信信息发展股份有限公司 家禽识别方法、装置及服务器
WO2020098195A1 (zh) * 2018-11-15 2020-05-22 上海埃威航空电子有限公司 基于ais与视频数据融合的船舶身份识别方法
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
CN111611836A (zh) * 2019-12-27 2020-09-01 珠海大横琴科技发展有限公司 基于背景消除法的船只检测模型训练及船只跟踪方法
CN111724629A (zh) * 2020-06-23 2020-09-29 上海埃威航空电子有限公司 用于视频监控系统的ais船舶航迹外推方法
CN111931555A (zh) * 2020-06-14 2020-11-13 交通运输部科学研究院 一种利用视频图像识别船舶ais是否开启的方法
CN111968046A (zh) * 2020-07-21 2020-11-20 南京莱斯网信技术研究院有限公司 一种基于拓扑结构的雷达光电传感器目标关联融合方法
CN111985362A (zh) * 2020-08-06 2020-11-24 武汉理工大学 一种基于深度学习框架的船舶名称检测系统及方法
CN112232269A (zh) * 2020-10-29 2021-01-15 南京莱斯网信技术研究院有限公司 一种基于孪生网络的船舶身份智能识别方法及系统
CN112507965A (zh) * 2020-12-23 2021-03-16 北京海兰信数据科技股份有限公司 一种电子瞭望系统的目标识别方法及系统
CN112598733A (zh) * 2020-12-10 2021-04-02 广州市赋安电子科技有限公司 一种基于多模态数据融合补偿自适应优化的船舶检测方法
CN113569647A (zh) * 2021-06-29 2021-10-29 广州市赋安电子科技有限公司 一种基于ais的船舶高精度坐标映射方法
CN113657160A (zh) * 2021-07-13 2021-11-16 武汉理工大学 一种船舶关联方法、船舶关联装置及电子设备
CN113705502A (zh) * 2021-09-02 2021-11-26 浙江索思科技有限公司 一种融合目标检测和目标跟踪的船舶目标行为理解系统
CN113743163A (zh) * 2020-05-29 2021-12-03 中移(上海)信息通信科技有限公司 交通目标识别模型训练方法、交通目标定位方法、装置
CN113763484A (zh) * 2021-09-17 2021-12-07 交通运输部水运科学研究所 基于视频图像分析技术的船舶目标定位及速度估算方法
CN113808282A (zh) * 2021-08-26 2021-12-17 交通运输部水运科学研究所 一种多通航要素数据融合方法
CN113947714A (zh) * 2021-09-29 2022-01-18 广州市赋安电子科技有限公司 一种视频监控和遥感的多模态协同优化方法及系统
CN114332454A (zh) * 2021-12-29 2022-04-12 湖南华诺星空电子技术有限公司 一种基于图像的船舶抓拍方法和系统
CN114821494A (zh) * 2022-06-27 2022-07-29 杭州声飞光电技术有限公司 船舶信息匹配方法及装置
CN114926522A (zh) * 2022-04-29 2022-08-19 湖北国际物流机场有限公司 基于ais系统和视频技术的目标船舶探测系统及方法
CN116129332A (zh) * 2023-04-12 2023-05-16 武汉理工大学 多船舶目标的跟踪识别方法、装置、电子设备及存储介质

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232295B (zh) * 2020-11-09 2021-10-15 珠海大横琴科技发展有限公司 一种新增目标船只的确认方法、装置及电子设备
CN113239854B (zh) * 2021-05-27 2023-12-19 北京环境特性研究所 一种基于深度学习的船舶身份识别方法及系统
CN113392883A (zh) * 2021-05-28 2021-09-14 杭州电子科技大学 一种基于深度神经网络和注意力机制的坐标融合方法
CN113538970A (zh) * 2021-06-04 2021-10-22 南京汇海交通科技有限公司 基于流式计算的船舶卡口检测方法
CN113450597B (zh) * 2021-06-09 2022-11-29 浙江兆晟科技股份有限公司 基于深度学习的船舶辅助航行方法及系统
CN113378920A (zh) * 2021-06-09 2021-09-10 东南大学 一种面向低分辨率雷达的舰船分类识别方法
IL284251A (en) * 2021-06-21 2023-01-01 Orca Ai Ltd Automatic registration and calibration using marine sensors
CN113592934B (zh) * 2021-06-29 2024-02-06 浙江工业大学 一种基于单目相机的目标深度与高度测量方法及装置
CN113344148A (zh) * 2021-08-06 2021-09-03 北京航空航天大学 一种基于深度学习的海上舰船目标识别方法
CN113705503A (zh) * 2021-09-02 2021-11-26 浙江索思科技有限公司 一种基于多模态信息融合的异常行为检测系统及方法
CN114112297B (zh) * 2021-11-12 2023-08-18 中国船舶科学研究中心 一种基于视觉的随船海浪观测装置及方法
CN114487327A (zh) * 2022-01-17 2022-05-13 青岛百发海水淡化有限公司 一种海洋水质监测及可疑船舶取证系统及方法
CN114464015B (zh) * 2022-02-08 2023-05-02 北京百度网讯科技有限公司 数据处理方法、装置、电子设备以及存储介质
CN114972918B (zh) * 2022-05-30 2024-04-19 中国人民解放军国防科技大学 基于集成学习与ais数据的遥感图像舰船目标识别方法
CN115225815B (zh) * 2022-06-20 2023-07-25 南方科技大学 目标智能追踪拍摄方法、服务器、拍摄系统、设备及介质
CN115265382B (zh) * 2022-07-05 2023-08-22 浙江海莱云智科技有限公司 一种基于视频图像的船舶高度测量识别方法
CN115442531A (zh) * 2022-09-05 2022-12-06 深圳奇迹智慧网络有限公司 一种用于确定摄像头方向的方法以及摄像头方向确定装置
CN115292542B (zh) * 2022-10-09 2023-01-20 江西风向标智能科技有限公司 基于试题配图的试题搜索方法、系统、存储介质及设备
CN116188519B (zh) * 2023-02-07 2023-10-03 中国人民解放军海军航空大学 一种基于视频卫星的舰船目标运动状态估计方法及系统
CN115995032B (zh) * 2023-03-23 2023-06-06 中国船舶集团有限公司第七一九研究所 一种多模态特征融合的舰船智能识别方法和系统
CN116543398B (zh) * 2023-07-06 2023-09-08 浙江华是科技股份有限公司 一种船名和违章识别方法及系统
CN116805277B (zh) * 2023-08-18 2024-01-26 吉奥时空信息技术股份有限公司 一种视频监控目标节点像素坐标转换方法及系统
CN117148373B (zh) * 2023-10-30 2024-01-26 浙江华是科技股份有限公司 基于激光雷达和ais全局匹配的船舶识别方法及系统
CN117455940B (zh) * 2023-12-25 2024-02-27 四川汉唐云分布式存储技术有限公司 基于云值守的顾客行为检测方法、系统、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105116392A (zh) * 2015-09-09 2015-12-02 电子科技大学 一种针对ais与主动雷达航迹融合及识别的方法
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
CN106991687A (zh) * 2016-01-20 2017-07-28 深圳中兴力维技术有限公司 船舶监控方法和装置
EP3349147A2 (en) * 2017-01-17 2018-07-18 Harris Corporation System for monitoring marine vessels using a satellite network with determination at a terrestrial station of a rendezvous between the vessels which pass within a threshold distance using the satellite data.
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

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7574045B2 (en) * 2001-07-27 2009-08-11 Matrox Electronic Systems Ltd. Model-based recognition of objects using a calibrated image system
US8411969B1 (en) * 2010-08-06 2013-04-02 The United States Of America As Represented By The Secretary Of The Navy Method for fusing overhead imagery with automatic vessel reporting systems
JP5665677B2 (ja) * 2011-07-12 2015-02-04 株式会社東芝 追尾装置
CN103034870B (zh) * 2012-12-14 2016-11-23 南京思创信息技术有限公司 基于特征的船舶快速识别方法
CN108055068B (zh) * 2017-12-08 2020-08-25 上海埃威航空电子有限公司 一种机载接收海上ais信号的模拟仿真系统的测试方法
US10884138B2 (en) * 2018-06-21 2021-01-05 Eagle Technology, Llc Satellite automatic identification system (AIS) for tracking a plurality of maritime vessels and related methods
CN109460740B (zh) * 2018-11-15 2020-08-11 上海埃威航空电子有限公司 基于ais与视频数据融合的船舶身份识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105116392A (zh) * 2015-09-09 2015-12-02 电子科技大学 一种针对ais与主动雷达航迹融合及识别的方法
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
CN106991687A (zh) * 2016-01-20 2017-07-28 深圳中兴力维技术有限公司 船舶监控方法和装置
EP3349147A2 (en) * 2017-01-17 2018-07-18 Harris Corporation System for monitoring marine vessels using a satellite network with determination at a terrestrial station of a rendezvous between the vessels which pass within a threshold distance using the satellite data.
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
雷进宇等: "《基于AIS 的桥区船舶轨迹三维可视化模型》", 《交通运输系统工程与信息》 *

Cited By (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2586766A (en) * 2018-11-15 2021-03-03 Shanghai Advanced Avionics Co Ltd Ship identity recognition method based on fusion of AIS data and video data
WO2020098195A1 (zh) * 2018-11-15 2020-05-22 上海埃威航空电子有限公司 基于ais与视频数据融合的船舶身份识别方法
GB2586766B (en) * 2018-11-15 2021-08-25 Shanghai Advanced Avionics Co Ltd Ship identity recognition method based on fusion of AIS data and video data
CN110175535A (zh) * 2019-05-08 2019-08-27 广州中交通信有限公司 一种基于深度学习的船舶识别系统及其识别方法
CN110718095A (zh) * 2019-09-12 2020-01-21 广州中交通信有限公司 一种内河航道船舶的ais监控系统及监控方法
CN111046831A (zh) * 2019-12-20 2020-04-21 上海中信信息发展股份有限公司 家禽识别方法、装置及服务器
CN111046831B (zh) * 2019-12-20 2023-06-30 上海信联信息发展股份有限公司 家禽识别方法、装置及服务器
CN111611836A (zh) * 2019-12-27 2020-09-01 珠海大横琴科技发展有限公司 基于背景消除法的船只检测模型训练及船只跟踪方法
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
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
CN113743163A (zh) * 2020-05-29 2021-12-03 中移(上海)信息通信科技有限公司 交通目标识别模型训练方法、交通目标定位方法、装置
CN111931555B (zh) * 2020-06-14 2023-08-08 交通运输部科学研究院 一种利用视频图像识别船舶ais是否开启的方法
CN111931555A (zh) * 2020-06-14 2020-11-13 交通运输部科学研究院 一种利用视频图像识别船舶ais是否开启的方法
CN111724629A (zh) * 2020-06-23 2020-09-29 上海埃威航空电子有限公司 用于视频监控系统的ais船舶航迹外推方法
CN111968046B (zh) * 2020-07-21 2024-02-23 南京莱斯网信技术研究院有限公司 一种基于拓扑结构的雷达光电传感器目标关联融合方法
CN111968046A (zh) * 2020-07-21 2020-11-20 南京莱斯网信技术研究院有限公司 一种基于拓扑结构的雷达光电传感器目标关联融合方法
CN111985362A (zh) * 2020-08-06 2020-11-24 武汉理工大学 一种基于深度学习框架的船舶名称检测系统及方法
CN112232269B (zh) * 2020-10-29 2024-02-09 南京莱斯网信技术研究院有限公司 一种基于孪生网络的船舶身份智能识别方法及系统
CN112232269A (zh) * 2020-10-29 2021-01-15 南京莱斯网信技术研究院有限公司 一种基于孪生网络的船舶身份智能识别方法及系统
CN112598733A (zh) * 2020-12-10 2021-04-02 广州市赋安电子科技有限公司 一种基于多模态数据融合补偿自适应优化的船舶检测方法
CN112507965A (zh) * 2020-12-23 2021-03-16 北京海兰信数据科技股份有限公司 一种电子瞭望系统的目标识别方法及系统
CN113569647B (zh) * 2021-06-29 2024-02-20 广州赋安数字科技有限公司 一种基于ais的船舶高精度坐标映射方法
CN113569647A (zh) * 2021-06-29 2021-10-29 广州市赋安电子科技有限公司 一种基于ais的船舶高精度坐标映射方法
CN113657160A (zh) * 2021-07-13 2021-11-16 武汉理工大学 一种船舶关联方法、船舶关联装置及电子设备
CN113657160B (zh) * 2021-07-13 2023-11-28 武汉理工大学 一种船舶关联方法、船舶关联装置及电子设备
CN113808282A (zh) * 2021-08-26 2021-12-17 交通运输部水运科学研究所 一种多通航要素数据融合方法
CN113808282B (zh) * 2021-08-26 2023-09-26 交通运输部水运科学研究所 一种多通航要素数据融合方法
CN113705502A (zh) * 2021-09-02 2021-11-26 浙江索思科技有限公司 一种融合目标检测和目标跟踪的船舶目标行为理解系统
CN113763484A (zh) * 2021-09-17 2021-12-07 交通运输部水运科学研究所 基于视频图像分析技术的船舶目标定位及速度估算方法
CN113947714A (zh) * 2021-09-29 2022-01-18 广州市赋安电子科技有限公司 一种视频监控和遥感的多模态协同优化方法及系统
CN113947714B (zh) * 2021-09-29 2022-09-13 广州赋安数字科技有限公司 一种视频监控和遥感的多模态协同优化方法及系统
CN114332454A (zh) * 2021-12-29 2022-04-12 湖南华诺星空电子技术有限公司 一种基于图像的船舶抓拍方法和系统
CN114926522A (zh) * 2022-04-29 2022-08-19 湖北国际物流机场有限公司 基于ais系统和视频技术的目标船舶探测系统及方法
CN114926522B (zh) * 2022-04-29 2024-03-15 湖北国际物流机场有限公司 基于ais系统和视频技术的目标船舶探测系统及方法
CN114821494B (zh) * 2022-06-27 2022-10-14 杭州声飞光电技术有限公司 船舶信息匹配方法及装置
CN114821494A (zh) * 2022-06-27 2022-07-29 杭州声飞光电技术有限公司 船舶信息匹配方法及装置
CN116129332A (zh) * 2023-04-12 2023-05-16 武汉理工大学 多船舶目标的跟踪识别方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
GB2586766B (en) 2021-08-25
CA3100569C (en) 2023-10-24
US20210073573A1 (en) 2021-03-11
GB2586766A (en) 2021-03-03
GB202018957D0 (en) 2021-01-13
WO2020098195A1 (zh) 2020-05-22
CN109460740B (zh) 2020-08-11
US11410002B2 (en) 2022-08-09
CA3100569A1 (en) 2020-05-22

Similar Documents

Publication Publication Date Title
CN109460740A (zh) 基于ais与视频数据融合的船舶身份识别方法
WO2018028103A1 (zh) 一种基于人眼视觉特性的电力线路无人机巡检方法
CN110850723B (zh) 一种基于变电站巡检机器人系统的故障诊断及定位方法
CN110142785A (zh) 一种基于目标检测的巡检机器人视觉伺服方法
CN101511022B (zh) 一种机载视频压缩与目标跟踪联合实现方法
CN112766274A (zh) 一种基于Mask RCNN算法的水尺图像水位自动读数方法及系统
CN109118479A (zh) 基于胶囊网络的绝缘子缺陷识别定位装置及方法
CN109887040A (zh) 面向视频监控的运动目标主动感知方法及系统
CN113052876B (zh) 一种基于深度学习的视频接力跟踪方法及系统
CN111968046B (zh) 一种基于拓扑结构的雷达光电传感器目标关联融合方法
CN106370160A (zh) 一种机器人室内定位系统和方法
CN112801184A (zh) 一种云跟踪方法、系统及装置
CN109982044A (zh) 一种基于cctv传感网的目标定位跟踪系统的跟踪方法
CN113033315A (zh) 一种稀土开采高分影像识别与定位方法
CN109684914A (zh) 基于无人机影像智能识别方法
CN111879292A (zh) 一种海岸线动态监控方法、监控设备及存储介质
CN104182992A (zh) 一种基于全景视觉的海上弱小目标检测方法
CN115880231A (zh) 一种基于深度学习的输电线路隐患检测方法和系统
CN108759773A (zh) 一种应用于机器人抓取的单目视觉测距方法
CN111220619A (zh) 一种绝缘子自爆检测方法
CN114639023A (zh) 一种基于机器学习的屋顶光伏潜力评估方法
CN113763484A (zh) 基于视频图像分析技术的船舶目标定位及速度估算方法
CN112733680A (zh) 一种基于监控视频流生成高质量人脸图像的模型训练方法、提取方法、装置和终端设备
CN111950524A (zh) 一种基于双目视觉和rtk的果园局部稀疏建图方法和系统
CN115082509B (zh) 一种对无特征目标的追踪方法

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
GR01 Patent grant
GR01 Patent grant