CN113536948A - 一种渔船捕捞行为识别方法及装置 - Google Patents
一种渔船捕捞行为识别方法及装置 Download PDFInfo
- Publication number
- CN113536948A CN113536948A CN202110688512.1A CN202110688512A CN113536948A CN 113536948 A CN113536948 A CN 113536948A CN 202110688512 A CN202110688512 A CN 202110688512A CN 113536948 A CN113536948 A CN 113536948A
- Authority
- CN
- China
- Prior art keywords
- fishing
- track
- boat
- fishing boat
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种渔船捕捞行为识别方法及装置,所述方法包括:获取AIS数据,并对AIS数据进行预处理,得到每条渔船的连续轨迹点;根据移动轨迹分割算法将每条渔船的连续轨迹点分割为多段连续移动轨迹;将多段连续移动轨迹中的每段连续移动轨迹进行网格映射,生成网格移动轨迹;设置窗口大小不同的至少两个滑动检测窗口,并通过至少两个滑动检测窗口对网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。本发明基于AIS数据对渔船捕捞行为进行识别,可避免数据造假,提高渔船数据的准确性和时效性,从而提高渔船捕捞行为识别的准确性;并通过至少两个滑动检测窗口对网格移动轨迹进行识别,提高了渔船捕捞行为识别的高效性和识全率。
Description
技术领域
本发明涉及渔船和渔业资源管理以及渔情预报分析技术领域,具体涉及一种渔船捕捞行为识别方法及装置。
背景技术
海洋渔业是现代农业和海洋经济的重要组成部分,但是伴随着我国海洋渔业快速发展、海产品需求大幅增长、海洋渔船数量增加、装备与技术快速提升,我国面临着近海渔业资源严重衰退、海洋环境污染严重、部分水域过度捕捞等诸多问题。所以如何兼顾发展现代化海洋渔业和保障海洋生态环境可持续发展已经成为渔业管理部门所面临的重要问题。
要解决上述问题,则需要对渔船捕捞行为进行识别,现有技术中,针对渔船捕捞行为识别主要依靠商业渔船的捕捞日志及渔业组织公布的渔获数据,通过标准化处理得到捕捞努力量,利用渔场重心公式等方法求得中心渔场位置,并结合海表温度、叶绿素等遥感影像分析中心渔场与海洋环境因子关系。然而捕捞作业时间通常在一年以上,渔船往往延后一两年提交捕捞日志,且部分企业在作业位置、渔获量及重量等关键信息上也存在乱填漏填的现象,因此渔捞日志的准确性和时效性上都存在着不足,从而导致对渔船捕捞行为的识别不准确。
发明内容
本发明提供一种渔船捕捞行为识别方法及装置,旨在解决现有技术中存在的由于渔捞日志的准确性和时效性上都存在着不足,导致对渔船捕捞行为的识别不准确的技术问题。
一方面,本发明提供一种渔船捕捞行为识别方法,包括:
获取AIS数据,并对所述AIS数据进行预处理,得到每条渔船的连续轨迹点;
根据移动轨迹分割算法将每条渔船的所述连续轨迹点分割为多段连续移动轨迹;
将所述多段连续移动轨迹中的每段连续移动轨迹进行网格映射,生成网格移动轨迹;
设置窗口大小不同的至少两个滑动检测窗口,并通过所述至少两个滑动检测窗口对所述网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。
在本发明一种可能的实现方式中,所述至少两个滑动检测窗口包括第一滑动检测窗口、第二滑动检测窗口以及第三滑动检测窗口;所述通过所述至少两个滑动检测窗口对所述网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为包括:
分别通过所述第一滑动检测窗口、第二滑动检测窗口以及第三滑动检测窗口对所述网格移动轨迹进行识别,获得航行特征量;
建立初始轨迹点集合,所述初始轨迹点集合为空集;
根据所述航行特征量判断所述网格移动轨迹是否满足渔船捕捞行为,若满足,则将满足渔船捕捞行为的网格移动轨迹中的所有轨迹点加入至所述初始轨迹点集合,生成过渡轨迹点集合;
将所述过渡轨迹点集合中重复的轨迹点去除,生成目标轨迹点集合;
根据所述预设分段间隔将所述目标轨迹点集合中的轨迹点分割为多段捕捞轨迹,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。
在本发明一种可能的实现方式中,所述网格移动轨迹包括多个网格,所述航行特征量为:
式中,ψ为所述航行特征量;n为所述网格移动轨迹划过的网格数量;c为直线连接所述网格移动轨迹的起、止轨迹点所划过的网格数量。
在本发明一种可能的实现方式中,所述根据所述航行特征量判断所述网格移动轨迹是否满足渔船捕捞行为包括:
判断所述航行特征量是否小于阈值航行特征量;
若所述航行特征量大于或等于所述阈值航行特征量,则所述网格移动轨迹满足渔船捕捞行为。
在本发明一种可能的实现方式中,所述AIS数据中包括渔船的经纬度、时间格式、水上移动通信业务标识码、信息报送时间以及对地航速;所述对所述AIS数据进行预处理包括:
基于所述经纬度、时间格式、水上移动通信业务标识码以及对地航速对所述AIS数据进行去噪,获得备选数据;
对所述备选数据按照信息报送时间从小到大的顺序进行排序。
在本发明一种可能的实现方式中,在所述根据移动轨迹分割算法将每条渔船的所述连续轨迹点分割为多段连续移动轨迹之前还包括:
将对地航速小于阈值航速的连续轨迹点中的轨迹点删除。
在本发明一种可能的实现方式中,所述根据移动轨迹分割算法将每条渔船的所述连续轨迹点分割为多段连续移动轨迹具体为:
设置标准时间间隔,根据所述标准时间间隔将每条渔船的所述连续轨迹点分割为多段连续移动轨迹。
在本发明一种可能的实现方式中,所述方法还包括:
获取在目标区域内目标时间段内的渔船捕捞轨迹数据;
使用DBSCAN算法对所述渔船捕捞轨迹数据进行密度聚类,获得多个捕捞轨迹簇;
确定每一捕捞轨迹簇的渔船的作业次数,并根据所述作业次数判断所述捕捞轨迹簇是否为热点作业区域;
若所述捕捞轨迹簇为热点作业区域,则根据凸包算法对所述捕捞轨迹簇进行边界提取,获得热点捕捞区域轮廓。
在本发明一种可能的实现方式中,所述根据所述作业次数判断所述捕捞轨迹簇是否为热点作业区域包括:
判断所述作业次数是否大于热点频次阈值,若所述作业次数大于热点频次阈值,则所述捕捞轨迹簇为所述热点作业区域,若所述作业次数小于或等于热点频次阈值,则所述捕捞轨迹簇不为所述热点作业区域。
另一方面,本发明提供一种渔船捕捞行为识别装置,包括:
数据处理单元,用于获取AIS数据,并对所述AIS数据进行预处理,得到每条渔船的连续轨迹点;
轨迹分割单元,用于根据移动轨迹分割算法将每条渔船的所述连续轨迹点分割为多段连续移动轨迹;
网格映射单元,用于将所述多段连续移动轨迹中的每段连续移动轨迹进行网格映射,生成网格移动轨迹;
轨迹识别单元,用于设置窗口大小不同的至少两个滑动检测窗口,并通过所述至少两个滑动检测窗口对所述网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。
另一方面,本发明还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现上述任一项所述的渔船捕捞行为识别方法。
另一方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行上述任一项所述的渔船捕捞行为识别方法中的步骤。
本发明通过获取AIS数据,基于AIS数据对渔船捕捞行为进行识别,可避免数据造假,提高渔船数据的准确性和时效性,从而提高渔船捕捞行为识别的准确性。进一步地,通过设置窗口大小不同的至少两个滑动检测窗口,并通过至少两个滑动检测窗口对网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为,可快速、高效的从无序AIS数据中挖掘到渔船捕捞轨迹数据及对应的渔船捕捞行为,实现了渔船捕捞行为识别的高效性。并且,通过设置至少两个滑动检测窗口对网格移动轨迹进行识别,还可提高渔船捕捞轨迹数据的识全率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的渔船捕捞行为识别方法的一个实施例流程示意图;
图2是本发明实施例提供的S104的一个实施例流程示意图;
图3是本发明实施例提供的网格移动轨迹的一个实施例结构示意图;;
图4是本发明实施例提供的S203的一个实施例流程示意图;
图5是本发明实施例提供的S101的一个实施例流程示意图;
图6是本发明实施例提供的在S104之后的一个实施例流程示意图;
图7是本发明实施例提供的渔船捕捞行为识别装置的一个实施例结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明提供了一种渔船捕捞行为识别方法及装置,以下分别进行详细说明。
如图1所示,为本发明实施例提供的渔船捕捞行为识别方法的一个实施例流程示意图,该方法包括:
S101、获取AIS数据,并对AIS数据进行预处理,得到每条渔船的连续轨迹点;
S102、根据移动轨迹分割算法将每条渔船的连续轨迹点分割为多段连续移动轨迹;
其中,S102具体为:设置标准间隔时间,根据标准时间间隔将每条渔船的连续轨迹点分割为多段连续移动轨迹。
具体地:如果轨迹点之间的间隔时间超过3分钟则进行分割。在本发明的一些实施例中,标准时间间隔为3分钟。即:如果轨迹点之间的间隔时间超过3分钟则进行分割。
S103、将多段连续移动轨迹中的每段连续移动轨迹进行网格映射,生成网格移动轨迹;
S104、设置窗口大小不同的至少两个滑动检测窗口,并通过至少两个滑动检测窗口对网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。
本发明实施例提供的渔船捕捞行为识别方法,通过获取AIS数据,基于AIS数据对渔船捕捞行为进行识别,可避免数据造假,提高渔船数据的准确性和时效性,从而提高渔船捕捞行为识别的准确性。进一步地,通过设置窗口大小不同的至少两个滑动检测窗口,并通过至少两个滑动检测窗口对网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为,可快速、高效的从无序AIS数据中挖掘到渔船捕捞轨迹数据,实现了渔船捕捞行为识别的高效性。并且,通过设置至少两个滑动检测窗口对网格移动轨迹进行识别,还可提高渔船捕捞轨迹数据的识全率。
进一步地,通过获取每条渔船的连续轨迹点,可实时掌握各渔船活动动态,实时报警在海洋生态保护区、禁渔区的违规作业渔船,能极大地提高监管部门的监管能力。
在本发明的一些实施例中,至少两个滑动检测窗口包括第一滑动检测窗口、第二滑动检测窗口以及第三滑动检测窗口,第一滑动检测窗口、第二滑动检测窗口以及第三滑动检测窗口的窗口大小不同。通过三个窗口大小不同的滑动检测窗口对网格移动轨迹进行识别,可进一步提高识全率,进而进一步提高渔船捕捞行为识别的准确性。
进一步地,在本发明的一些实施例中,如图2所示,S104包括:
S201、分别通过第一滑动检测窗口、第二滑动检测窗口以及第三滑动检测窗口对网格移动轨迹进行识别,获得航行特征量;
S202、建立初始轨迹点集合,初始轨迹点集合为空集;
S203、根据航行特征量判断网格移动轨迹是否满足渔船捕捞行为,若满足,则将满足渔船捕捞行为的网格移动轨迹中的所有轨迹点加入至初始轨迹点集合,生成过渡轨迹点集合;
S204、将过渡轨迹点集合中重复的轨迹点去除,生成目标轨迹点集合;
S205、根据移动轨迹分割算法将目标轨迹点集合中的轨迹点分割为多段捕捞轨迹,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。
进一步地,网格移动轨迹包括多个网格,航行特征量为:
式中,ψ为航行特征量;n为网格移动轨迹划过的网格数量;c为直线连接网格移动轨迹的起、止轨迹点所划过的网格数量。
具体地,如图3所示,图中黑色曲线代表网格移动轨迹,灰色网格代表的是网格移动轨迹划过的网格,斜划线网格代表的是直线连接网格移动轨迹的起、止轨迹点所划过的网格数量,由图3中可以看出:n为27,c为10,则根据上述计算公式,ψ为2.7。
进一步地,在本发明的一些实施例中,如图4所示,S203包括:
S401、判断航行特征量是否小于阈值航行特征量;
S402、若航行特征量大于或等于阈值航行特征量,则网格移动轨迹满足渔船捕捞行为。
具体地,若阈值航行特征量为2,则图3中的网格移动轨迹的航行特征量为2.7,大于阈值航行特征量,则图3中的网格移动轨迹满足渔船捕捞行为,即:图3中的渔船存在捕捞行为。
进一步地,AIS数据中包括渔船的经纬度、时间格式、水上移动通信业务标识码、信息报送时间以及对地航速;则如图5所示,S101包括:
S501、基于经纬度、时间格式、水上移动通信业务标识码以及对地航速对AIS数据进行去噪,获得备选数据;
具体地去噪过程为:当AIS数据中的数据的经纬度越界、时间格式错误、水上移动通信业务标识码为0或对地航速小于0时,此数据为噪声数据,将此数据删除。
其中,经纬度越界指的是:经度大于180°,或纬度大于90°。
S502、对备选数据按照信息报送时间从小到大的顺序进行排序。
进一步地,在本发明的一些实施例中,在S102之前还包括:
将对地航速小于阈值航速的连续轨迹点中的轨迹点删除。
阈值航速指的是渔船停留的航速,通过上述设置,通过速度特征将渔船停留时的轨迹点删除,可减少轨迹点的数量,提高渔船捕捞行为识别的速度。
进一步地,在本发明的一些实施例中,阈值航速为1节。即:小于1节的轨迹点认为此轨迹点为停留轨迹点,大于或等于1节的轨迹点为移动轨迹点。
为了在渔船捕捞轨迹数据的基础上,获知热点捕捞区域,进一步地,在本发明的一些实施例中,如图6所示,在S104之后还包括:
S601、获取在目标区域内目标时间段内的渔船捕捞轨迹数据;
S602、使用DBSCAN算法对渔船捕捞轨迹数据进行密度聚类,获得多个捕捞轨迹簇;
S603、确定每一捕捞轨迹簇的渔船的作业次数,并根据作业次数判断捕捞轨迹簇是否为热点作业区域;
S604、若捕捞轨迹簇为热点作业区域,则根据凸包算法对捕捞轨迹簇进行边界提取,获得热点捕捞区域轮廓。
通过上述设置,在对渔船捕捞行为进行识别,获得渔船捕捞轨迹数据之后,对渔船捕捞轨迹数据进行处理,获得热点捕捞区域轮廓,可通过热点捕捞区域轮廓确定是否存在过度捕捞问题,可辅助海洋资源分配管理布局、保障海洋资源可持续发展。
进一步地,S603具体包括:判断作业次数是否大于热点频次阈值,若作业次数大于热点频次阈值,则捕捞轨迹簇为热点作业区域,若作业次数小于或等于热点频次阈值,则捕捞轨迹簇不为热点作业区域。
为了更好实施本发明实施例中的渔船捕捞行为识别方法,在渔船捕捞行为识别方法基础之上,对应的,如图7所示,本发明实施例中还提供一种渔船捕捞行为识别装置,渔船捕捞行为识别装置700包括:
数据处理单元701,用于获取AIS数据,并对AIS数据进行预处理,得到每条渔船的连续轨迹点;
轨迹分割单元702,用于根据移动轨迹分割算法将每条渔船的连续轨迹点分割为多段连续移动轨迹;
其中,在本发明的一些实施例中,预设分段间隔为3分钟。即:如果轨迹点之间的间隔时间超过3分钟则进行分割。
网格映射单元703,用于将多段连续移动轨迹中的每段连续移动轨迹进行网格映射,生成网格移动轨迹;
轨迹识别单元704,用于设置窗口大小不同的至少两个滑动检测窗口,并通过至少两个滑动检测窗口对网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。
本发明实施例提供的渔船捕捞行为识别装置,数据处理单元701通过获取AIS数据,基于AIS数据对渔船捕捞行为进行识别,可避免数据造假,提高渔船数据的准确性和时效性,从而提高渔船捕捞行为识别的准确性。进一步地,轨迹识别单元704通过设置窗口大小不同的至少两个滑动检测窗口,并通过至少两个滑动检测窗口对网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为,可快速、高效的从无序AIS数据中挖掘到渔船捕捞轨迹数据,实现了渔船捕捞行为识别的高效性。并且,通过设置至少两个滑动检测窗口对网格移动轨迹进行识别,还可提高渔船捕捞轨迹数据的识全率。
进一步地,通过获取每条渔船的连续轨迹点,可实时掌握各渔船活动动态,实时报警在海洋生态保护区、禁渔区的违规作业渔船,能极大地提高监管部门的监管能力。
进一步地,在本发明的一些实施例中,如图7所示,渔船捕捞行为识别装置700还包括:
目标轨迹数据获取单元705,用于获取在目标区域内目标时间段内的渔船捕捞轨迹数据;
捕捞轨迹簇获取单元706,用于使用DBSCAN算法对渔船捕捞轨迹数据进行密度聚类,获得多个捕捞轨迹簇;
判断单元707,用于确定每一捕捞轨迹簇的渔船的作业次数,并根据作业次数判断捕捞轨迹簇是否为热点作业区域;
轮廓提取单元708,用于当捕捞轨迹簇为热点作业区域时,根据凸包算法对捕捞轨迹簇进行边界提取,获得热点捕捞区域轮廓。
通过上述设置,在对渔船捕捞行为进行识别,获得渔船捕捞轨迹数据之后,对渔船捕捞轨迹数据进行处理,获得热点捕捞区域轮廓,可通过热点捕捞区域轮廓确定是否存在过度捕捞问题,可辅助海洋资源分配管理布局、保障海洋资源可持续发展。
另一方面,本发明实施例还提供一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行上述渔船捕捞行为识别方法实施例中任一实施例中所述的渔船捕捞行为识别方法中的步骤。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明实施例提供一种计算机可读存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行本发明实施例所提供的任一种渔船捕捞行为识别方法中的步骤。例如,所述计算机程序被处理器进行加载可以执行如下步骤:
获取AIS数据,并对所述AIS数据进行预处理,得到每条渔船的连续轨迹点;
根据移动轨迹分割算法将每条渔船的所述连续轨迹点分割为多段连续移动轨迹;
将所述多段连续移动轨迹中的每段连续移动轨迹进行网格映射,生成网格移动轨迹;
设置窗口大小不同的至少两个滑动检测窗口,并通过所述至少两个滑动检测窗口对所述网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上对本发明所提供的一种渔船捕捞行为识别方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种渔船捕捞行为识别方法,其特征在于,包括:
获取AIS数据,并对所述AIS数据进行预处理,得到每条渔船的连续轨迹点;
根据移动轨迹分割算法将每条渔船的所述连续轨迹点分割为多段连续移动轨迹;
将所述多段连续移动轨迹中的每段连续移动轨迹进行网格映射,生成网格移动轨迹;
设置窗口大小不同的至少两个滑动检测窗口,并通过所述至少两个滑动检测窗口对所述网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。
2.根据权利要求1所述的渔船捕捞行为识别方法,其特征在于,所述至少两个滑动检测窗口包括第一滑动检测窗口、第二滑动检测窗口以及第三滑动检测窗口;所述通过所述至少两个滑动检测窗口对所述网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为包括:
分别通过所述第一滑动检测窗口、第二滑动检测窗口以及第三滑动检测窗口对所述网格移动轨迹进行识别,获得航行特征量;
建立初始轨迹点集合,所述初始轨迹点集合为空集;
根据所述航行特征量判断所述网格移动轨迹是否满足渔船捕捞行为,若满足,则将满足渔船捕捞行为的网格移动轨迹中的所有轨迹点加入至所述初始轨迹点集合,生成过渡轨迹点集合;
将所述过渡轨迹点集合中重复的轨迹点去除,生成目标轨迹点集合;
根据所述移动轨迹分割算法将所述目标轨迹点集合中的轨迹点分割为多段捕捞轨迹,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。
4.根据权利要求3所述的渔船捕捞行为识别方法,其特征在于,所述根据所述航行特征量判断所述网格移动轨迹是否满足渔船捕捞行为包括:
判断所述航行特征量是否小于阈值航行特征量;
若所述航行特征量大于或等于所述阈值航行特征量,则所述网格移动轨迹满足渔船捕捞行为。
5.根据权利要求1所述的渔船捕捞行为识别方法,其特征在于,所述AIS数据中包括渔船的经纬度、时间格式、水上移动通信业务标识码、信息报送时间以及对地航速;所述对所述AIS数据进行预处理包括:
基于所述经纬度、时间格式、水上移动通信业务标识码以及对地航速对所述AIS数据进行去噪,获得备选数据;
对所述备选数据按照信息报送时间从小到大的顺序进行排序。
6.根据权利要求5所述的渔船捕捞行为识别方法,其特征在于,在所述根据移动轨迹分割算法将每条渔船的所述连续轨迹点分割为多段连续移动轨迹之前还包括:
将对地航速小于阈值航速的连续轨迹点中的轨迹点删除。
7.根据权利要求1所述的渔船捕捞行为识别方法,其特征在于,所述根据移动轨迹分割算法将每条渔船的所述连续轨迹点分割为多段连续移动轨迹具体为:
设置标准时间间隔,根据所述标准时间间隔将每条渔船的所述连续轨迹点分割为多段连续移动轨迹。
8.根据权利要求1所述的渔船捕捞行为识别方法,其特征在于,所述方法还包括:
获取在目标区域内目标时间段内的渔船捕捞轨迹数据;
使用DBSCAN算法对所述渔船捕捞轨迹数据进行密度聚类,获得多个捕捞轨迹簇;
确定每一捕捞轨迹簇的渔船的作业次数,并根据所述作业次数判断所述捕捞轨迹簇是否为热点作业区域;
若所述捕捞轨迹簇为热点作业区域,则根据凸包算法对所述捕捞轨迹簇进行边界提取,获得热点捕捞区域轮廓。
9.根据权利要求8所述的渔船捕捞行为识别方法,其特征在于,所述根据所述作业次数判断所述捕捞轨迹簇是否为热点作业区域包括:
判断所述作业次数是否大于热点频次阈值,若所述作业次数大于热点频次阈值,则所述捕捞轨迹簇为所述热点作业区域,若所述作业次数小于或等于热点频次阈值,则所述捕捞轨迹簇不为所述热点作业区域。
10.一种渔船捕捞行为识别装置,其特征在于,包括:
数据处理单元,用于获取AIS数据,并对所述AIS数据进行预处理,得到每条渔船的连续轨迹点;
轨迹分割单元,用于根据移动轨迹分割算法将每条渔船的所述连续轨迹点分割为多段连续移动轨迹;
网格映射单元,用于将所述多段连续移动轨迹中的每段连续移动轨迹进行网格映射,生成网格移动轨迹;
轨迹识别单元,用于设置窗口大小不同的至少两个滑动检测窗口,并通过所述至少两个滑动检测窗口对所述网格移动轨迹进行识别,获得渔船捕捞轨迹数据及对应的渔船捕捞行为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110688512.1A CN113536948B (zh) | 2021-06-22 | 2021-06-22 | 一种渔船捕捞行为识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110688512.1A CN113536948B (zh) | 2021-06-22 | 2021-06-22 | 一种渔船捕捞行为识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113536948A true CN113536948A (zh) | 2021-10-22 |
CN113536948B CN113536948B (zh) | 2022-12-09 |
Family
ID=78125426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110688512.1A Active CN113536948B (zh) | 2021-06-22 | 2021-06-22 | 一种渔船捕捞行为识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113536948B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114547130A (zh) * | 2022-01-05 | 2022-05-27 | 广东海聊科技有限公司 | 基于渔船轨迹的渔场寻址方法、系统、计算机及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110352A (zh) * | 2019-03-20 | 2019-08-09 | 浙江海洋大学 | 一种基于重叠网格的船舶纵向航态与阻力预报方法 |
CN110175633A (zh) * | 2019-04-29 | 2019-08-27 | 杭州电子科技大学 | 一种基于北斗卫星传输数据的渔船轨迹异常检测方法 |
CN110210352A (zh) * | 2019-05-23 | 2019-09-06 | 中国人民解放军海军工程大学 | 基于航道模型的船舶轨迹异常检测方法 |
CN111222526A (zh) * | 2018-11-27 | 2020-06-02 | 中电科海洋信息技术研究院有限公司 | 一种渔船实时捕捞行为识别方法、装置、设备及存储介质 |
CN112182133A (zh) * | 2020-09-29 | 2021-01-05 | 南京北斗创新应用科技研究院有限公司 | 一种基于ais数据的船舶徘徊检测方法 |
CN112699315A (zh) * | 2020-12-30 | 2021-04-23 | 中南大学 | 基于ais数据的船舶异常行为探测方法 |
CN112784180A (zh) * | 2021-02-03 | 2021-05-11 | 中国水产科学研究院东海水产研究所 | 一种金枪鱼围网渔船捕捞强度空间信息提取方法 |
CN112988936A (zh) * | 2021-03-18 | 2021-06-18 | 中国第一汽车股份有限公司 | 出行轨迹预测方法、装置、计算设备及存储介质 |
-
2021
- 2021-06-22 CN CN202110688512.1A patent/CN113536948B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222526A (zh) * | 2018-11-27 | 2020-06-02 | 中电科海洋信息技术研究院有限公司 | 一种渔船实时捕捞行为识别方法、装置、设备及存储介质 |
CN110110352A (zh) * | 2019-03-20 | 2019-08-09 | 浙江海洋大学 | 一种基于重叠网格的船舶纵向航态与阻力预报方法 |
CN110175633A (zh) * | 2019-04-29 | 2019-08-27 | 杭州电子科技大学 | 一种基于北斗卫星传输数据的渔船轨迹异常检测方法 |
CN110210352A (zh) * | 2019-05-23 | 2019-09-06 | 中国人民解放军海军工程大学 | 基于航道模型的船舶轨迹异常检测方法 |
CN112182133A (zh) * | 2020-09-29 | 2021-01-05 | 南京北斗创新应用科技研究院有限公司 | 一种基于ais数据的船舶徘徊检测方法 |
CN112699315A (zh) * | 2020-12-30 | 2021-04-23 | 中南大学 | 基于ais数据的船舶异常行为探测方法 |
CN112784180A (zh) * | 2021-02-03 | 2021-05-11 | 中国水产科学研究院东海水产研究所 | 一种金枪鱼围网渔船捕捞强度空间信息提取方法 |
CN112988936A (zh) * | 2021-03-18 | 2021-06-18 | 中国第一汽车股份有限公司 | 出行轨迹预测方法、装置、计算设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
JIANG, XIANGA 等: "Fishing Activity Detection from AIS Data Using Autoencoders", 《ADVANCES IN ARTIFICIAL INTELLIGENCE, AI 2016》 * |
刘海梅: "基于物联网技术的舰船运行轨迹异常点识别", 《舰船科学技术》 * |
杨光等: "局部多层网格划分下的轨迹数据概化方法", 《计算机应用》 * |
黄亮 等: "内河渡船异常行为识别", 《大连海事大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114547130A (zh) * | 2022-01-05 | 2022-05-27 | 广东海聊科技有限公司 | 基于渔船轨迹的渔场寻址方法、系统、计算机及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113536948B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | A method for simplifying ship trajectory based on improved Douglas–Peucker algorithm | |
CN110310264B (zh) | 一种基于dcnn的大尺度目标检测方法、装置 | |
CN112906830B (zh) | 一种基于ais大数据的船舶最优航线自动生成方法 | |
CN113450596B (zh) | 基于船舶轨迹特征点提取的时空dp方法 | |
CN108596221B (zh) | 标尺读数的图像识别方法及设备 | |
CN112699315B (zh) | 基于ais数据的船舶异常行为探测方法 | |
CN110599200B (zh) | Ota酒店的虚假地址的检测方法、系统、介质及设备 | |
CN104680850B (zh) | 基于志愿观测船数据的舰船轨迹线生成方法 | |
CN110428438B (zh) | 一种单木建模方法、装置和存储介质 | |
Zhang et al. | A new automatic approach for extracting glacier centerlines based on Euclidean allocation | |
CN114564545A (zh) | 一种基于ais历史数据的船舶经验航线提取系统及方法 | |
CN113536948B (zh) | 一种渔船捕捞行为识别方法及装置 | |
CN109389186B (zh) | 基于dbscan的vms定置刺网渔船网次提取方法 | |
CN112395382A (zh) | 基于变分自编码器的船舶异常航迹数据检测方法和装置 | |
Huang et al. | A maritime traffic route extraction method based on density-based spatial clustering of applications with noise for multi-dimensional data | |
CN109448442A (zh) | 一种海域内多船碰撞危险度的高效监测方法 | |
CN112966558A (zh) | 基于优化ssd目标检测模型的港口自动识别方法及系统 | |
CN113222040B (zh) | 海上固定目标识别方法、装置、计算机设备和存储介质 | |
Ji et al. | A dynamic adaptive grating algorithm for AIS-based ship trajectory compression | |
CN112946655B (zh) | 基于近地面散度场的下击暴流识别方法、设备及存储介质 | |
CN104301170B (zh) | 基于特征分类的移动终端应用友好性评判方法 | |
Zou et al. | Maritime target detection of intelligent ship based on faster R-CNN | |
CN104392632A (zh) | 一种基于船位数据提取航次的方法 | |
CN113932817B (zh) | 航标偏移评估方法及系统 | |
CN113095325B (zh) | 一种船舶识别方法、装置及计算机可读存储介质 |
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 |