CN112200175B - 船舶密度观测方法、系统、可读存储介质及计算机设备 - Google Patents
船舶密度观测方法、系统、可读存储介质及计算机设备 Download PDFInfo
- Publication number
- CN112200175B CN112200175B CN202011426093.6A CN202011426093A CN112200175B CN 112200175 B CN112200175 B CN 112200175B CN 202011426093 A CN202011426093 A CN 202011426093A CN 112200175 B CN112200175 B CN 112200175B
- Authority
- CN
- China
- Prior art keywords
- ship
- point cloud
- video image
- laser point
- data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
- 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
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种船舶密度观测方法、系统、可读存储介质及计算机设备,该方法包括:获取航道断面的激光点云数据,并将激光点云数据与船舶激光点云特征数据库进行对比,以识别出船舶;根据所识别出的船舶的激光点云数据,提取船舶的个性化特征数据;获取联动部署在航道断面的摄像机所拍摄的视频图像,以获取船舶的视频图像特征实例,并在数据库中存储视频图像特征实例与个性化特征数据之间的对应关系;获取覆盖在观测水域的摄像机所拍摄的目标视频图像,得到目标视频图像特征实例;在数据库中获取对应的目标个性化特征数据,以计算观测水域中的船舶密度。本发明融合视频与激光点云数据,能够实现开阔水域内船舶密度的精确观测。
Description
技术领域
本发明涉及航运管理数据处理技术领域,特别是涉及一种船舶密度观测方法、系统、可读存储介质及计算机设备。
背景技术
船舶密度是指在特定水域中统计单位水域面积中船舶的数量、航向、船型、尺度、空重载等信息,反映了水域中船舶的密集程度,与船舶航行安全密切相关,是海事管理及航道建设的基础数据。
由于以往观测技术的不足,海事、航道等部门长期依赖依靠人工进行观测,由于观测连续性差、观测结果依赖观测者的经验,所取得的观测数据精度较差。随着水运交通发展,航道拓宽及航线的增加,新船型的相继出现,船型、船种的构成比及分布随之变化;为保障船舶航行安全,减少生命和财产的损失,需要对船舶密度进行更准确的观测。
近年来,在水路交通系统中主要出现了以下几种方式以获取目标船舶密度信息:雷达成像技术、视频监控技术、红外成像技术、AIS数据采集技术、RFID数据采集技术和激光扫测建模技术等,但这些技术均无法实现开阔水域内船舶密度的精确观测。
发明内容
为此,本发明的一个目的在于提出一种船舶密度观测方法,以实现开阔水域内船舶密度的精确观测。
本发明提供一种船舶密度观测方法,所述方法包括:
获取航道断面的激光点云数据,并将所述激光点云数据与船舶激光点云特征数据库进行对比,以识别出船舶;
根据所识别出的船舶的激光点云数据,提取所述船舶的个性化特征数据;
获取联动部署在航道断面的摄像机所拍摄的视频图像,以获取所述船舶的视频图像特征实例,并在数据库中存储所述船舶的视频图像特征实例与所述船舶的个性化特征数据之间的对应关系;
获取覆盖在观测水域的摄像机所拍摄的目标视频图像,并对所述目标视频图像进行分析,以得到目标视频图像特征实例;
在所述数据库中获取与所述目标视频图像特征实例对应的目标个性化特征数据,以计算观测水域中的船舶密度。
根据本发明提供的船舶密度观测方法,融合视频与激光点云数据,结合了激光观测精度高和视频观测的观测域广的优点,利用激光点云数据采集船舶的个性化特征数据,利用视频图像识别进行船舶轨迹的标绘,并通过船舶激光特征标注与视频特征标注匹配的方法,形成船舶在被观测水域的时空连续数据表达,从而实现了开阔水域内船舶密度的精确观测。
另外,根据本发明上述的船舶密度观测方法,还可以具有如下附加的技术特征:
进一步地,获取航道断面的激光点云数据,并将所述激光点云数据与船舶激光点云特征数据库进行对比,以识别出船舶的步骤具体包括:
在航道断面部署激光扫测装置,并实时采集部署在航道断面的激光扫测装置的激光点云数据;
将所述激光点云数据与船舶激光点云特征数据库进行对比,根据特征吻合度以识别是否有船舶通过航道断面;
当识别出有船舶通过航道断面时,对所述激光点云数据进行分析,获取所述船舶的个性化特征数据。
进一步地,所述个性化特征数据包括船舶长度信息、宽度信息、空重载信息、航向信息、船型信息。
进一步地,获取联动部署在航道断面的摄像机所拍摄的视频图像,以获取所述船舶的视频图像特征实例的步骤包括:
联动部署在航道断面的摄像机对当前通过航道断面的船舶进行视频图像抓拍,并对特征部位进行标记,以得到标记数据,所述标记数据包括各特征部位的颜色、形态、在船舶总体结构中的相对位置与体积占比,从而形成所述船舶的视频图像特征实例。
进一步地,所述特征部位包括船首、船尾、船舷、驾驶舱、货舱。
本发明的另一个目的在于提出一种船舶密度观测系统,以实现开阔水域内船舶密度的精确观测。
本发明提供一种船舶密度观测系统,包括:
第一获取模块,用于获取航道断面的激光点云数据,并将所述激光点云数据与船舶激光点云特征数据库进行对比,以识别出船舶;
提取模块,用于根据所识别出的船舶的激光点云数据,提取所述船舶的个性化特征数据;
第二获取模块,用于获取联动部署在航道断面的摄像机所拍摄的视频图像,以获取所述船舶的视频图像特征实例,并在数据库中存储所述船舶的视频图像特征实例与所述船舶的个性化特征数据之间的对应关系;
第三获取模块,用于获取覆盖在观测水域的摄像机所拍摄的目标视频图像,并对所述目标视频图像进行分析,以得到目标视频图像特征实例;
获取计算模块,用于在所述数据库中获取与所述目标视频图像特征实例对应的目标个性化特征数据,以计算观测水域中的船舶密度。
根据本发明提供的船舶密度观测系统,融合视频与激光点云数据,结合了激光观测精度高和视频观测的观测域广的优点,利用激光点云数据采集船舶的个性化特征数据,利用视频图像识别进行船舶轨迹的标绘,并通过船舶激光特征标注与视频特征标注匹配的方法,形成船舶在被观测水域的时空连续数据表达,从而实现了开阔水域内船舶密度的精确观测。
另外,根据本发明上述的船舶密度观测系统,还可以具有如下附加的技术特征:
进一步地,所述第一获取模块具体用于:
在航道断面部署激光扫测装置,并实时采集部署在航道断面的激光扫测装置的激光点云数据;
将所述激光点云数据与船舶激光点云特征数据库进行对比,根据特征吻合度以识别是否有船舶通过航道断面;
当识别出有船舶通过航道断面时,对所述激光点云数据进行分析,获取所述船舶的个性化特征数据。
进一步地,所述个性化特征数据包括船舶长度信息、宽度信息、空重载信息、航向信息、船型信息。
进一步地,所述第二获取模块具体用于:
联动部署在航道断面的摄像机对当前通过航道断面的船舶进行视频图像抓拍,并对特征部位进行标记,以得到标记数据,所述标记数据包括各特征部位的颜色、形态、在船舶总体结构中的相对位置与体积占比,从而形成所述船舶的视频图像特征实例。
进一步地,所述特征部位包括船首、船尾、船舷、驾驶舱、货舱。
本发明还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
本发明还提出一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实施例了解到。
附图说明
本发明实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一实施例的船舶密度观测方法的流程图;
图2是图1中步骤S101的详细流程图;
图3是根据本发明一实施例的船舶密度观测系统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明一实施例提出的船舶密度观测方法,包括步骤S101~S105:
S101,获取航道断面的激光点云数据,并将所述激光点云数据与船舶激光点云特征数据库进行对比,以识别出船舶。
其中,在要求进行船舶密度观测的水域附近建立观测断面,观测断面位置的选择应保证船舶密度观测水域的船舶均能行经该断面。
请参阅图2,获取航道断面的激光点云数据,并将所述激光点云数据与船舶激光点云特征数据库进行对比,以识别出船舶的步骤具体包括步骤S1011~S1013:
S1011,在航道断面部署激光扫测装置,并实时采集部署在航道断面的激光扫测装置的激光点云数据;
S1012,将所述激光点云数据与船舶激光点云特征数据库进行对比,根据特征吻合度以识别是否有船舶通过航道断面;
S1013,当识别出有船舶通过航道断面时,对所述激光点云数据进行分析,获取所述船舶的个性化特征数据。
其中,所述个性化特征数据具体包括船舶长度信息、宽度信息、空重载信息、航向信息、船型信息。
S102,根据所识别出的船舶的激光点云数据,提取所述船舶的个性化特征数据。
其中,根据所识别出的船舶的激光点云数据,就能够提取到所述船舶的个性化特征数据。
步骤S101至步骤102是通过采集航道断面的实时点云数据并与特征数据库进行对比,识别船舶;并在此基础上通过对点云数据的分析,获得船舶个性化特征数据。
采用激光扫测作为船舶数据采集手段,可以直接获得观测断面船舶三维尺度,其精度高、不受环境光照条件影响,且测量精度和适用范围优于视频、雷达等手段。通过船舶激光点云特征库对比的方式,可以提高处理速度。船舶激光点云特征库包含典型船型的船首、船尾、船舷、驾驶舱、货舱等点云数据样本,船舶激光点云特征库的建立可以通过人工标注等手段获得和优化。通过设置特征库匹配度阈值,可动态调节匹配的严苛程度,适用于不同的应用场景。
S103,获取联动部署在航道断面的摄像机所拍摄的视频图像,以获取所述船舶的视频图像特征实例,并在数据库中存储所述船舶的视频图像特征实例与所述船舶的个性化特征数据之间的对应关系。
其中,获取联动部署在航道断面的摄像机所拍摄的视频图像,以获取所述船舶的视频图像特征实例的步骤包括:
联动部署在航道断面的摄像机对当前通过航道断面的船舶进行视频图像抓拍,并对特征部位进行标记,以得到标记数据,所述标记数据包括各特征部位的颜色、形态、在船舶总体结构中的相对位置与体积占比,从而形成所述船舶的视频图像特征实例。
其中,所述特征部位具体包括船首、船尾、船舷、驾驶舱、货舱。
步骤S103的目的是建立船舶的视频特征实例,以备在广阔的被观测水域中搜寻船舶并与步骤S101和S102所判别的船舶进行匹配:当步骤S101识别出船舶时,联动部署在航道断面的摄像机对当前通过断面的船舶进行图像抓拍,并对其船首、船尾、船舷、驾驶舱、货舱等特征部位进行标记,标记数据包括各特征部位的颜色、形态、在船舶总体结构中的相对位置与体积占比等,从而形成该艘船舶的视频特征实例。
本实施例中,在观测断面设置激光扫测装置和视频抓拍与图像分析装置,激光扫测装置作为核心采集手段,对观测断面进行连续的激光点云数据采集,并将获取的数据与船舶激光点云数据特征库进行对比,当匹配度达到设定阈值时,判断为有船舶经过。此时,一方面对激光点云数据进行分析解算,获得船舶的航向、尺度、船型等个性化特征数据;另一方面,联动视频抓拍装置获取船舶图像、并通过图像分析方法获取当前船舶的图像特征实例。
S104,获取覆盖在观测水域的摄像机所拍摄的目标视频图像,并对所述目标视频图像进行分析,以得到目标视频图像特征实例。
其中,可以在观测水域部署1台或多台摄像机,步骤S104的目的是建立被观测水域的全视频覆盖,并采用图像对比方法,在该全覆盖的视场内搜寻特定的视频特征实例,使观测水域中的所有船舶都可通过视频特征匹配上通过激光观测断面所采集到的船舶,能够自动匹配水域内的船舶。
S105,在所述数据库中获取与所述目标视频图像特征实例对应的目标个性化特征数据,以计算观测水域中的船舶密度。
其中,根据数据库中视频图像特征实例与个性化特征数据之间的对应关系,能够获得目标个性化特征数据,通过将被观测水域中所有船舶的船舶个性化特征数据,实现水域内船舶密度的精确测量。
具体的,在被观测水域建设一个或多个视频观测点,形成水域的视频全覆盖,在该视频场域中搜寻观测断面视频装备获取的船舶图像特征实例,实现所有船舶的个性化特征数据代入,从而实现被观测水域的船舶密度观测数据计算。具体实施时,可以通过一个船舶密度的结果数据表格实现船舶密度的统计。
综上,根据本实施例提供的船舶密度观测方法,融合视频与激光点云数据,结合了激光观测精度高和视频观测的观测域广的优点,利用激光点云数据采集船舶的个性化特征数据,利用视频图像识别进行船舶轨迹的标绘,并通过船舶激光特征标注与视频特征标注匹配的方法,形成船舶在被观测水域的时空连续数据表达,从而实现了开阔水域内船舶密度的精确观测。
请参阅图3,本发明一实施例提出的船舶密度观测系统,包括:
第一获取模块,用于获取航道断面的激光点云数据,并将所述激光点云数据与船舶激光点云特征数据库进行对比,以识别出船舶;
提取模块,用于根据所识别出的船舶的激光点云数据,提取所述船舶的个性化特征数据;
第二获取模块,用于获取联动部署在航道断面的摄像机所拍摄的视频图像,以获取所述船舶的视频图像特征实例,并在数据库中存储所述船舶的视频图像特征实例与所述船舶的个性化特征数据之间的对应关系;
第三获取模块,用于获取覆盖在观测水域的摄像机所拍摄的目标视频图像,并对所述目标视频图像进行分析,以得到目标视频图像特征实例;
获取计算模块,用于在所述数据库中获取与所述目标视频图像特征实例对应的目标个性化特征数据,以计算观测水域中的船舶密度。
本实施例中,所述第一获取模块具体用于:
在航道断面部署激光扫测装置,并实时采集部署在航道断面的激光扫测装置的激光点云数据;
将所述激光点云数据与船舶激光点云特征数据库进行对比,根据特征吻合度以识别是否有船舶通过航道断面;
当识别出有船舶通过航道断面时,对所述激光点云数据进行分析,获取所述船舶的个性化特征数据。
本实施例中,所述个性化特征数据包括船舶长度信息、宽度信息、空重载信息、航向信息、船型信息。
本实施例中,所述第二获取模块具体用于:
联动部署在航道断面的摄像机对当前通过航道断面的船舶进行视频图像抓拍,并对特征部位进行标记,以得到标记数据,所述标记数据包括各特征部位的颜色、形态、在船舶总体结构中的相对位置与体积占比,从而形成所述船舶的视频图像特征实例。
本实施例中,所述特征部位包括船首、船尾、船舷、驾驶舱、货舱。
根据本实施例提供的船舶密度观测系统,融合视频与激光点云数据,结合了激光观测精度高和视频观测的观测域广的优点,利用激光点云数据采集船舶的个性化特征数据,利用视频图像识别进行船舶轨迹的标绘,并通过船舶激光特征标注与视频特征标注匹配的方法,形成船舶在被观测水域的时空连续数据表达,从而实现了开阔水域内船舶密度的精确观测。
此外,本发明的实施例还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例中所述方法的步骤。
此外,本发明的实施例还提出一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述实施例中所述方法的步骤。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种船舶密度观测方法,其特征在于,包括:
获取航道断面的激光点云数据,并将所述激光点云数据与船舶激光点云特征数据库进行对比,以识别出船舶;
根据所识别出的船舶的激光点云数据,提取所述船舶的个性化特征数据;
获取联动部署在航道断面的摄像机所拍摄的视频图像,以获取所述船舶的视频图像特征实例,并在数据库中存储所述船舶的视频图像特征实例与所述船舶的个性化特征数据之间的对应关系;
获取覆盖在观测水域的摄像机所拍摄的目标视频图像,并对所述目标视频图像进行分析,以得到目标视频图像特征实例;
在存储了所述船舶的视频图像特征实例与所述船舶的个性化特征数据之间的对应关系的数据库中获取与所述目标视频图像特征实例对应的目标个性化特征数据,以计算观测水域中的船舶密度。
2.根据权利要求1所述的船舶密度观测方法,其特征在于,获取航道断面的激光点云数据,并将所述激光点云数据与船舶激光点云特征数据库进行对比,以识别出船舶的步骤具体包括:
在航道断面部署激光扫测装置,并实时采集部署在航道断面的激光扫测装置的激光点云数据;
将所述激光点云数据与船舶激光点云特征数据库进行对比,根据特征吻合度以识别是否有船舶通过航道断面;
当识别出有船舶通过航道断面时,对所述激光点云数据进行分析,获取所述船舶的个性化特征数据。
3.根据权利要求2所述的船舶密度观测方法,其特征在于,所述个性化特征数据包括船舶长度信息、宽度信息、空重载信息、航向信息、船型信息。
4.根据权利要求1所述的船舶密度观测方法,其特征在于,获取联动部署在航道断面的摄像机所拍摄的视频图像,以获取所述船舶的视频图像特征实例的步骤包括:
联动部署在航道断面的摄像机对当前通过航道断面的船舶进行视频图像抓拍,并对特征部位进行标记,以得到标记数据,所述标记数据包括各特征部位的颜色、形态、在船舶总体结构中的相对位置与体积占比,从而形成所述船舶的视频图像特征实例。
5.根据权利要求4所述的船舶密度观测方法,其特征在于,所述特征部位包括船首、船尾、船舷、驾驶舱、货舱。
6.一种船舶密度观测系统,其特征在于,包括:
第一获取模块,用于获取航道断面的激光点云数据,并将所述激光点云数据与船舶激光点云特征数据库进行对比,以识别出船舶;
提取模块,用于根据所识别出的船舶的激光点云数据,提取所述船舶的个性化特征数据;
第二获取模块,用于获取联动部署在航道断面的摄像机所拍摄的视频图像,以获取所述船舶的视频图像特征实例,并在数据库中存储所述船舶的视频图像特征实例与所述船舶的个性化特征数据之间的对应关系;
第三获取模块,用于获取覆盖在观测水域的摄像机所拍摄的目标视频图像,并对所述目标视频图像进行分析,以得到目标视频图像特征实例;
获取计算模块,用于在存储了所述船舶的视频图像特征实例与所述船舶的个性化特征数据之间的对应关系的数据库中获取与所述目标视频图像特征实例对应的目标个性化特征数据,以计算观测水域中的船舶密度。
7.根据权利要求6所述的船舶密度观测系统,其特征在于,所述第一获取模块具体用于:
在航道断面部署激光扫测装置,并实时采集部署在航道断面的激光扫测装置的激光点云数据;
将所述激光点云数据与船舶激光点云特征数据库进行对比,根据特征吻合度以识别是否有船舶通过航道断面;
当识别出有船舶通过航道断面时,对所述激光点云数据进行分析,获取所述船舶的个性化特征数据。
8.根据权利要求6所述的船舶密度观测系统,其特征在于,所述第二获取模块具体用于:
联动部署在航道断面的摄像机对当前通过航道断面的船舶进行视频图像抓拍,并对特征部位进行标记,以得到标记数据,所述标记数据包括各特征部位的颜色、形态、在船舶总体结构中的相对位置与体积占比,从而形成所述船舶的视频图像特征实例。
9.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5任意一项所述的方法。
10.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011426093.6A CN112200175B (zh) | 2020-12-09 | 2020-12-09 | 船舶密度观测方法、系统、可读存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011426093.6A CN112200175B (zh) | 2020-12-09 | 2020-12-09 | 船舶密度观测方法、系统、可读存储介质及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112200175A CN112200175A (zh) | 2021-01-08 |
CN112200175B true CN112200175B (zh) | 2021-02-23 |
Family
ID=74034537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011426093.6A Active CN112200175B (zh) | 2020-12-09 | 2020-12-09 | 船舶密度观测方法、系统、可读存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200175B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117496134B (zh) * | 2024-01-03 | 2024-03-22 | 思创数码科技股份有限公司 | 船舶目标检测方法、系统、可读存储介质及计算机 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007122969A1 (ja) * | 2006-04-20 | 2007-11-01 | Nok Kluber Co., Ltd. | 含油軸受用潤滑剤組成物 |
CN103971543A (zh) * | 2014-05-26 | 2014-08-06 | 浙江省嘉兴市港航管理局 | 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 |
CN106205214A (zh) * | 2016-08-31 | 2016-12-07 | 刘泽西 | 一种基于三维激光点云数据的船舶靠泊监测系统 |
CN107131934A (zh) * | 2017-06-26 | 2017-09-05 | 中华人民共和国太仓出入境检验检疫局 | 一种货物计重装置及船舶货物计重系统 |
CN109831655A (zh) * | 2019-03-21 | 2019-05-31 | 苏州大学 | 基于多摄像头数据融合的船舶环境感知与预警系统 |
CN109919113A (zh) * | 2019-03-12 | 2019-06-21 | 北京天合睿创科技有限公司 | 船舶监测方法和系统以及港口运营预测方法和系统 |
CN111899450A (zh) * | 2020-07-24 | 2020-11-06 | 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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942843A (zh) * | 2014-04-23 | 2014-07-23 | 河海大学常州校区 | 一种基于视频的航道船舶三维模型动态呈现方法 |
CN105711768B (zh) * | 2016-01-26 | 2018-08-17 | 武汉德尔达科技有限公司 | 一种船载式船舶吃水自动检测系统 |
US10088660B2 (en) * | 2017-02-10 | 2018-10-02 | Amgen Inc. | Imaging system for counting and sizing particles in fluid-filled vessels |
-
2020
- 2020-12-09 CN CN202011426093.6A patent/CN112200175B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007122969A1 (ja) * | 2006-04-20 | 2007-11-01 | Nok Kluber Co., Ltd. | 含油軸受用潤滑剤組成物 |
CN103971543A (zh) * | 2014-05-26 | 2014-08-06 | 浙江省嘉兴市港航管理局 | 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 |
CN106205214A (zh) * | 2016-08-31 | 2016-12-07 | 刘泽西 | 一种基于三维激光点云数据的船舶靠泊监测系统 |
CN107131934A (zh) * | 2017-06-26 | 2017-09-05 | 中华人民共和国太仓出入境检验检疫局 | 一种货物计重装置及船舶货物计重系统 |
CN109919113A (zh) * | 2019-03-12 | 2019-06-21 | 北京天合睿创科技有限公司 | 船舶监测方法和系统以及港口运营预测方法和系统 |
CN109831655A (zh) * | 2019-03-21 | 2019-05-31 | 苏州大学 | 基于多摄像头数据融合的船舶环境感知与预警系统 |
CN111899450A (zh) * | 2020-07-24 | 2020-11-06 | 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 |
Non-Patent Citations (2)
Title |
---|
智能化集中控制在智慧船闸建设中的应用研究;尚明洋;《科学技术创新》;20200701;第84-85页 * |
航道截面管理系统在水上交通管理中的应用;钱利屏;赵阳;《交通世界》;20190305;第174-176页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112200175A (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711320B (zh) | 一种值班人员违规行为检测方法及系统 | |
CN110910341B (zh) | 一种输电线路锈蚀区缺陷检测方法及装置 | |
CN109948684A (zh) | 点云数据标注质量的质检方法、装置及其相关设备 | |
KR101445739B1 (ko) | 도로표지판의 위치검출 방법 | |
CN109697860A (zh) | 车位检测和跟踪系统及方法及车辆 | |
CN114581855B (zh) | 一种基于大数据的信息收集方法与系统 | |
WO2012142548A1 (en) | Method and system of rail component detection using vision technology | |
CN112200175B (zh) | 船舶密度观测方法、系统、可读存储介质及计算机设备 | |
CN110135307A (zh) | 基于注意力机制的交通标志检测方法和装置 | |
CN101815665A (zh) | 对通过加工工艺的幅材特征的准确跟踪 | |
KR101999158B1 (ko) | 카트형 지표 투과 레이더 탐사 시스템 | |
CN103632247A (zh) | 一种基于智能仓储系统的表计信息识别系统及方法 | |
CN115995032B (zh) | 一种多模态特征融合的舰船智能识别方法和系统 | |
Yamazaki et al. | Vehicle extraction and speed detection from digital aerial images | |
CN112639803B (zh) | 用于识别设施处的物体的方法和组件 | |
CN118038489A (zh) | 视觉算法测试过程及数据的优化方法 | |
Ralph et al. | An image metric-based ATR performance prediction testbed | |
CN111754474A (zh) | 一种基于图像清晰度的能见度识别的方法及设备 | |
Kujawski et al. | Concept of using unmanned aerial vehicle (UAV) in the analysis of traffic parameters on Oder Waterway | |
CN112241691B (zh) | 基于无人机巡检与图像特征的渠道冰情智能识别方法 | |
CN118411731B (zh) | 基于多模态的智能表计读数方法、装置、设备及存储介质 | |
CN112070164A (zh) | 干湿污泥分类方法和装置 | |
CN113419075B (zh) | 基于双目视觉的船舶测速方法、系统、装置和介质 | |
CN114283371B (zh) | 一种游艇码头泊位平台智能监控方法及装置 | |
DE4128039A1 (de) | Anordnung zum erfassen von niederschlag |
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 |