CN109725310B - 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统 - Google Patents
一种基于yolo算法以及岸基雷达系统的船舶定位监管系统 Download PDFInfo
- Publication number
- CN109725310B CN109725310B CN201811449413.2A CN201811449413A CN109725310B CN 109725310 B CN109725310 B CN 109725310B CN 201811449413 A CN201811449413 A CN 201811449413A CN 109725310 B CN109725310 B CN 109725310B
- Authority
- CN
- China
- Prior art keywords
- ship
- identification
- system based
- shore
- target
- 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.)
- Active
Links
Images
Abstract
一种基于YOLO算法以及岸基雷达系统的船舶定位监管系统,包括三个部分基于YOLO算法图像识别技术的船舶识别系统、基于岸基雷达的船舶定位系统和基于数据融合的船舶监管系统:所述基于YOLO算法图像识别技术的船舶识别系统:是由港口设立的摄像头捕捉港口海域的实时视频信息,通过滑动窗口的选择,输入到一个大型的卷积神经网络进行目标识别,最后对识别出的目标窗口进行极大值抑制算法;本发明的优点是:该系统可以对船舶进行实时定位与监控,船舶在获得进/出港审批之后,可以利用该系统实现全自动运行。
Description
技术领域
本发明涉及一种基于YOLO算法以及岸基雷达系统的船舶定位监管系统,属于船配技术领域。
背景技术
随着世界经济发展,各个国家之间的经济紧密相连,海洋运输业作为国家经济之间的连接纽带受到越来越多的重视。随着科技的进步,世界上的一些大型港口开始使用自动化设施辅助船舶卸货运货。但是由于缺少先进的技术,指挥船舶靠港还需要较多人力物力,使得港口的全面自动化无法实现。
本发明针对这一技术难题,利用了图像识别算法(由港口摄像头采集)、岸基雷达定位以及数据融合技术,实现了进/出港船舶的实时定位监管系统。该系统可以对船舶进行实时定位与监控,船舶在获得进/出港审批之后,可以利用该系统实现全自动运行,系统也可以自动记录船舶的移动轨迹以及注意事项,极大的减少人力物力的使用,也避免了人为因素所造成的损失。
发明内容
本发明的目的是提供一种基于YOLO算法以及岸基雷达系统的船舶定位监管系统。
本发明要解决的问题是目前缺少先进的技术,指挥船舶靠港还需要较多人力物力,使得港口的全面自动化无法实现的问题。
为实现本发明的目的,本发明采用的技术方案是:
一种基于YOLO算法以及岸基雷达系统的船舶定位监管系统,包括三个部分基于YOLO算法图像识别技术的船舶识别系统、基于岸基雷达的船舶定位系统和基于数据融合的船舶监管系统:
所述基于YOLO算法图像识别技术的船舶识别系统:
是由港口设立的摄像头捕捉港口海域的实时视频信息,通过滑动窗口的选择,输入到一个大型的卷积神经网络进行目标识别,最后对识别出的目标窗口进行极大值抑制算法,从而精确的识别目标船只在图像中的位置并框选出来,通过收集大量经过仔细分类的目标船只图片,并利用该数据集对该大型卷积神经网络进行训练,该神经网络的输出值包括以下几个方面:图片中是否包含船只、船只的类别以及船只的位置,该船舶通过对比数据库中的船舶图像,可以得到该船舶的船名、呼号、MMSI、IMO静态AIS信息;
该船舶的位置图像通过透视变换算法可以转换为俯视图,根据预先测定的港口位置经纬度,可以得到船舶的精确经纬度坐标以及船舶的轮廓位置;
所述基于岸基雷达的船舶定位系统,利用岸基雷达的工作原理,可以精确测量船舶的经纬度坐标位置,并实时的返回数据,该系统和船舶AIS系统配合使用,当船舶AIS系统没有开启时可以利用该系统对船舶实时定位;
所述基于数据融合的船舶监管系统,该系统对基于YOLO算法图像识别技术的船舶识别系统和基于岸基雷达的船舶定位系统进行数据融合,可以对监测目标进行身份识别、位置识别以及船舶外轮廓识别,可以对目标的位置进行识别,根据数据的精度分析,在船舶距离港口位置较远处可以使用船舶定位系统进行船舶定位,并利用船舶识别系统进行身份识别,在船舶距离港口位置较近处可以直接依赖船舶识别系统进行身份以及位置的精准识别,并利用船舶定位系统辅助进行位置识别。
本发明的优点是:通过实际测量港口的靠泊位、停泊位以及进/离港航道的精密坐标,在定位系统内生成港口范围的精准二维模型图,系统根据目标船舶实时位置可以在港口电子海图上面实时生成船舶影像,系统可以通过港口网络实时把目标船舶的进/出港电子海图发送给船舶,给目标船舶提供引航服务,系统还可以自动跟踪船舶目标,把目标信息以及航行轨迹记录在数据库中,并且可以对船舶的一些危险行为进行预警和报警。
附图说明
图1为本发明实施例基于YOLO算法图像识别技术的船舶识别系统的设计流程图。
图2为本发明实施例卷积神经网络参数图,其中layer代表层数,conv代表卷积层,max代表最大池化层,filters代表卷积核的数目,size代表卷积核的大小(单位:像素),input代表输入该层的图片大小,output代表该层输出的图片大小。值得说明的是最后一层detection层利用softmax函数,输出测试目标的结果。
图3为本发明实施例的船舶识别图片。
图4为本发明实施例的船舶监管系统结构图。
图5为本发明的港口航道、泊位范围示意图。
具体实施方式
下面结合附图及实施例对本发明作进一步的说明。
本发明一种基于YOLO算法以及岸基雷达系统的船舶定位监管系统,包括三个部分基于YOLO算法图像识别技术的船舶识别系统、基于岸基雷达的船舶定位系统和基于数据融合的船舶监管系统:
所述基于YOLO算法图像识别技术的船舶识别系统:
是由港口设立的摄像头捕捉港口海域的实时视频信息,通过滑动窗口的选择,输入到一个大型的卷积神经网络进行目标识别,最后对识别出的目标窗口进行极大值抑制算法,从而精确的识别目标船只在图像中的位置并框选出来,通过收集大量经过仔细分类的目标船只图片,并利用该数据集对该大型卷积神经网络进行训练,该神经网络的输出值包括以下几个方面:图片中是否包含船只、船只的类别以及船只的位置,该船舶通过对比数据库中的船舶图像,可以得到该船舶的船名、呼号、MMSI、IMO静态AIS信息;
该船舶的位置图像通过透视变换算法可以转换为俯视图,根据预先测定的港口位置经纬度,可以得到船舶的精确经纬度坐标以及船舶的轮廓位置;
船舶识别系统通过设置在港口高处的摄像头捕捉港口的实时图片,通过实时通讯传递给系统进行下一步处理。系统接收到摄像头的视频信息,可以转换成图片流输入到预先训练好的YOLO算法模型中。实施例中设定长宽为416像素、步长为100像素的滑动窗口来对图片进行处理,处理后的窗口图片输入到预先训练好的30层卷积神经网络中进行处理,神经网络的参数如图2所示。神经网络最后一层采用softmax函数进行处理,输出的格式为:。其中P代表目标图片中是否有目标船只,lx、 ly代表目标船只识别框左上角位于图片中的位置,rx、ry代表目标船只识别框右下角位于图片中的位置,通过lx、ly、rx、ry四个参数可以在图片中画出目标船只的框图,如图3所示。Pn代表船舶的类别代号。YOLO算法的预测结果(包括船舶类型、名称等静态AIS信息)直接输入到数据库里储存,该预测结果与图片流中的图片结合,可以生成船舶目标识别的视频(如图3所示)并存入数据库中。
对处理后的视频进行透视转换,可以把图片转成港口俯视图。通过俯视图可以清楚的界定船舶的轮廓以及船舶的精准位置。
所述基于岸基雷达的船舶定位系统,利用岸基雷达的工作原理,可以精确测量船舶的经纬度坐标位置,并实时的返回数据,该系统和船舶AIS系统配合使用,当船舶AIS系统没有开启时可以利用该系统对船舶实时定位。
所述基于数据融合的船舶监管系统,该系统是对基于YOLO算法图像识别技术的船舶识别系统和基于岸基雷达的船舶定位系统的进行数据融合,可以对监测目标进行身份识别、位置识别以及船舶外轮廓识别,可以对目标的位置进行识别,根据数据的精度分析,在船舶距离港口位置较远处可以使用船舶定位系统进行船舶定位,并利用船舶识别系统进行身份识别,在船舶距离港口位置较近处可以直接依赖船舶识别系统进行身份以及位置的精准识别,并利用船舶定位系统辅助进行位置识别;
并提供船舶行为的自动分析以及引航服务、报警/预警服务。
其中船舶识别系统会把船舶名称、类型以及位置坐标传入船舶监管系统,船舶定位系统会把船舶的位置坐标传入船舶监管系统。根据船舶的位置坐标,可以把目标船舶的名称、型号跟船舶的精准位置利用聚类算法进行匹配。对匹配置信率高的船舶信息进行关联,并且把关联后的结果存储在数据库中。
根据数据的精度分析,在船舶距离港口位置较远处可以使用船舶定位系统进行船舶定位,并利用船舶识别系统进行身份识别,在船舶距离港口位置较近处可以直接依赖船舶识别系统进行身份以及位置的精准识别,并利用船舶定位系统辅助进行位置识别。
本发明通过实际测量港口的靠泊位、停泊位以及进/离港航道的精密范围坐标,在定位系统内生成港口范围的精准2维模型图,如图5所示,系统根据目标船舶的身份以及实时位置可以在港口电子海图上面实时生成船舶影像,并且通过监控中心展示港口的实时状态。系统通过港口网络实时把目标船舶的进/出港电子海图发送给船舶,给目标船舶提供引航服务。系统还可以自动跟踪船舶目标,把目标信息以及航行轨迹记录在数据库中,并且可以对船舶的一些危险行为进行预警和报警,该预警/报警信息会实时的传送给中央控制台以及目标船舶,进行双向预警、报警。
Claims (1)
1.一种基于YOLO算法以及岸基雷达系统的船舶定位监管系统,包括三个部分基于YOLO算法图像识别技术的船舶识别系统、基于岸基雷达的船舶定位系统和基于数据融合的船舶监管系统,其特征是:
所述基于YOLO算法图像识别技术的船舶识别系统:
是由港口设立的摄像头捕捉港口海域的实时视频信息,通过滑动窗口的选择,输入到一个大型的卷积神经网络进行目标识别,最后对识别出的目标窗口进行极大值抑制算法,从而精确的识别目标船只在图像中的位置并框选出来,通过收集大量经过仔细分类的目标船只图片,并利用该数据集对该大型卷积神经网络进行训练,该神经网络的输出值包括以下几个方面:图片中是否包含船只、船只的类别以及船只的位置,该船舶通过对比数据库中的船舶图像,可以得到该船舶的船名、呼号、MMSI、IMO静态AIS信息;
该船舶的位置图像通过透视变换算法可以转换为俯视图,根据预先测定的港口位置经纬度,可以得到船舶的精确经纬度坐标以及船舶的轮廓位置;
所述基于岸基雷达的船舶定位系统,利用岸基雷达的工作原理,可以精确测量船舶的经纬度坐标位置,并实时的返回数据,该系统和船舶AIS系统配合使用,当船舶AIS系统没有开启时可以利用该系统对船舶实时定位;
所述基于数据融合的船舶监管系统,该系统对基于YOLO算法图像识别技术的船舶识别系统和基于岸基雷达的船舶定位系统进行数据融合,可以对监测目标进行身份识别、位置识别以及船舶外轮廓识别,可以对目标的位置进行识别,根据数据的精度分析,在船舶距离港口位置较远处可以使用船舶定位系统进行船舶定位,并利用船舶识别系统进行身份识别,在船舶距离港口位置较近处可以直接依赖船舶识别系统进行身份以及位置的精准识别,并利用船舶定位系统辅助进行位置识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811449413.2A CN109725310B (zh) | 2018-11-30 | 2018-11-30 | 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811449413.2A CN109725310B (zh) | 2018-11-30 | 2018-11-30 | 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109725310A CN109725310A (zh) | 2019-05-07 |
CN109725310B true CN109725310B (zh) | 2022-11-15 |
Family
ID=66295802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811449413.2A Active CN109725310B (zh) | 2018-11-30 | 2018-11-30 | 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109725310B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582013A (zh) * | 2019-12-27 | 2020-08-25 | 珠海大横琴科技发展有限公司 | 一种基于灰度共生矩阵特征船只检索方法及装置 |
CN111223129A (zh) * | 2020-01-10 | 2020-06-02 | 深圳中兴网信科技有限公司 | 检测方法、检测装置、监控设备和计算机可读存储介质 |
CN111862389B (zh) * | 2020-07-21 | 2022-10-21 | 武汉理工大学 | 一种智能航行感知及增强现实可视化系统 |
CN111899450B (zh) * | 2020-07-24 | 2022-04-29 | 宁波盛洋电子科技有限公司 | 一种监控进出港口船舶并发现危险船舶的方法及系统 |
CN112101158A (zh) * | 2020-09-04 | 2020-12-18 | 四川智海联科技有限公司 | 一种基于深度学习和视觉slam的船舶航行辅助系统与方法 |
CN112085642A (zh) * | 2020-09-27 | 2020-12-15 | 广州海事科技有限公司 | 船港管理方法、系统、计算机设备、及存储介质 |
CN112750163A (zh) * | 2021-01-19 | 2021-05-04 | 武汉理工大学 | 一种港口船舶岸电对接方法、系统及计算机可读存储介质 |
CN112857360B (zh) * | 2021-03-22 | 2022-06-17 | 哈尔滨工程大学 | 一种船舶航行多信息融合方法 |
CN113781842B (zh) * | 2021-09-30 | 2022-08-30 | 海南超船电子商务有限公司 | 一种船舶识别控制方法 |
CN113990108B (zh) * | 2021-10-22 | 2023-01-20 | 苏交科集团股份有限公司 | 一种船舶优化识别和实时跟踪方法及防撞预警系统 |
CN114924477B (zh) * | 2022-05-26 | 2023-07-18 | 西南大学 | 基于图像识别及pid智能控制的电拦鱼过船装置 |
CN115308726B (zh) * | 2022-10-10 | 2023-02-10 | 中船(浙江)海洋科技有限公司 | 一种面向渔船导航雷达信号的分布式直接定位方法 |
CN116630764B (zh) * | 2023-07-21 | 2023-09-26 | 武汉理工大学三亚科教创新园 | 水面目标融合辨识方法、系统、存储介质、计算机设备及终端 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9183711B2 (en) * | 2010-08-03 | 2015-11-10 | Selex Sistemi Integrati S.P.A. | Anti-piracy system for the maritime navigation in critical areas, and device for data extraction from on board sensors |
KR101313264B1 (ko) * | 2012-02-14 | 2013-09-30 | 이주환 | 멀티센서와 선박의 운항패턴분석을 통한 밀수의심선박 자동분석시스템 및 그것을 이용한 분석방법 |
CN206400639U (zh) * | 2016-12-26 | 2017-08-11 | 中国船舶重工集团南京鹏力科技集团有限公司 | 基于雷达的智能航道卡口船舶监管系统 |
CN108828550A (zh) * | 2018-08-03 | 2018-11-16 | 国网福建省电力有限公司 | 一种海缆区界船舶目标位置检测方法 |
-
2018
- 2018-11-30 CN CN201811449413.2A patent/CN109725310B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109725310A (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109725310B (zh) | 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统 | |
CN110175186B (zh) | 一种智能船舶环境威胁目标感知系统及方法 | |
CN108806334A (zh) | 一种基于图像的智能船舶身份识别方法 | |
CN103971543A (zh) | 一种融合多种数据源的船舶自动识别监控方法及监管系统 | |
CN110348304A (zh) | 一种可搭载于无人机的海事遇险人员搜索系统以及目标识别方法 | |
CN113052876B (zh) | 一种基于深度学习的视频接力跟踪方法及系统 | |
Wawrzyniak et al. | Automatic watercraft recognition and identification on water areas covered by video monitoring as extension for sea and river traffic supervision systems | |
Bloisi et al. | Camera based target recognition for maritime awareness | |
US11948344B2 (en) | Method, system, medium, equipment and terminal for inland vessel identification and depth estimation for smart maritime | |
CN111163290A (zh) | 一种夜间航行船舶检测并跟踪的装置和方法 | |
CN114049624A (zh) | 一种基于机器视觉的船舶舱室智能检测方法及系统 | |
CN114596536A (zh) | 无人船沿岸巡检方法、装置、计算机设备及存储介质 | |
Wu et al. | Cooperative unmanned surface vehicles and unmanned aerial vehicles platform as a tool for coastal monitoring activities | |
CN116384597B (zh) | 基于地理信息系统的渔港船舶进出港动态预测方法及系统 | |
CN107767366B (zh) | 一种输电线路拟合方法及装置 | |
CN114331961A (zh) | 用于对象的缺陷检测的方法 | |
KR102053906B1 (ko) | 지리공간정보를 이용하는 실시간 감독 학습 방법 및 시스템 | |
CN115355952B (zh) | 一种原油储罐智能巡检系统 | |
CN115187936B (zh) | 一种海上平台防登临监控系统及方法 | |
KR102558387B1 (ko) | 실시간 레이더 이미지 기반 선박 운동정보 및 크기정보 제공시스템 및 방법 | |
He et al. | An improved yolo v4 algorithm-based object detection method for maritime vessels | |
CN115723919A (zh) | 一种船舶偏航的辅助航行方法及装置 | |
Kujawski et al. | Concept of using unmanned aerial vehicle (UAV) in the analysis of traffic parameters on Oder Waterway | |
Marques et al. | An unmanned aircraft system for maritime operations: The automatic detection subsystem | |
CN106952503A (zh) | 一种基于自适应多传感器管理的海上态势感知方法 |
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 |