CN113553986B - 一种船舶上运动目标检测方法及系统 - Google Patents

一种船舶上运动目标检测方法及系统 Download PDF

Info

Publication number
CN113553986B
CN113553986B CN202110879907.XA CN202110879907A CN113553986B CN 113553986 B CN113553986 B CN 113553986B CN 202110879907 A CN202110879907 A CN 202110879907A CN 113553986 B CN113553986 B CN 113553986B
Authority
CN
China
Prior art keywords
ship
monitoring
detection
moving target
dimensional
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
Application number
CN202110879907.XA
Other languages
English (en)
Other versions
CN113553986A (zh
Inventor
王国庆
陈辉
郑国华
陈德场
李克祥
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.)
ZHEJIANG SOS TECHNOLOGY CO LTD
Original Assignee
ZHEJIANG SOS TECHNOLOGY 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 ZHEJIANG SOS TECHNOLOGY CO LTD filed Critical ZHEJIANG SOS TECHNOLOGY CO LTD
Priority to CN202110879907.XA priority Critical patent/CN113553986B/zh
Publication of CN113553986A publication Critical patent/CN113553986A/zh
Application granted granted Critical
Publication of CN113553986B publication Critical patent/CN113553986B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means

Abstract

本发明涉及一种船舶上运动目标检测方法及系统，检测方法包括系统整体框架设计，环境识别预处理及识别分析。其检测系统包括基于云计算的检测监控服务器、通讯网关、监控终端等。船舶上运动目标检测系统包括基于云计算的检测监控服务器、通讯网关、监控终端，所述监控终端若干，各监控终端间相互并联并通过通讯网络与通讯网关建立数据连接，通讯网关另通过通讯网络与基于云计算的检测监控服务器建立数据连接，可实现对船舶中处于运动状态的人员、物资等运动目标物进行精确监控识别，且数据处理效率及精度高，同时可有效克服船舶采光条件差、船舶随波浪颠簸造成的成像不稳、成像精度差等缺陷，从而极大的提高了船舶监控作业的工作效率及精度。

Description

一种船舶上运动目标检测方法及系统
技术领域
本发明涉及一种船舶上运动目标检测方法及系统，属于运动目标检测方法技术领域。
背景技术
由于船舶结构复杂、用于人员活动、物品转运、存放的空间众多，为了提高船舶人员、物品管理作业的效率，当前在船舶上设置了大量的基于摄像机的监控系统，如专利公开号为CN112164097A ，公开日为20210101，专利申请号为2020111243695，专利名称为一种船舶视频检测样本采集方法。虽然可以一定程度满足船内监控作业的需要，但在使用中一方面存在系统结构复杂，安装、运行及维护难度大，且需要对船舶结构进行较大幅度的调整，从而导致监控系统使用灵活性和通用性差，且运行及维护成本较高；另一方面运行中均不同程度存在对船舶中运动人员、物品监控识别精度差，并对船舶中运动目标的运动状态监控识别精度相对不足，识别作业效率低下的缺陷，同时在监控识别中监控设备极易受到船舶采光条件、船舶随波浪起伏颠簸条件影响，进一步对运动目标物监控采集清晰度、定位准确性及画面图形稳定性造成极大的影响，进一步影响了运动目标检测监控的精度和效率。
发明内容
为了解决现有技术上的不足，本发明提供一种船舶上运动目标检测方法及系统，可有效克服船舶采光条件差、船舶随波浪颠簸造成的成像不稳、成像精度差等缺陷，从而极大的提高了船舶监控作业的工作效率及精度。
一种船舶上运动目标检测方法，包括如下步骤：
S1，系统整体框架设计，首先在船舶的控制系统中增设基于云计算的检测监控服务器及若干监控终端，然后在基于云计算的检测监控服务器中根据船舶结构构建船舶三维空间模型，并在船舶三维空间模型中的人员活动空间、活动通道、货物存储空间中分设若干检测点并为各检测点设置有效检测区域范围，然后在船舶实际位置处为各监测点增设监控终端，并使各监控终端通过通讯网络与基于云计算的检测监控服务器建立数据连接，最后为基于云计算的检测监控服务器中录入底层操作系统、基于神经网络平台的深度学习系统及图像识别算法系统，并对录入的系统进行仿真校核，建立运动目标识别逻辑基础模型；
S2,环境识别预处理，完成S1步骤后，首先由各检测点位置的监控终端对当前监控点检测区域范围内船舶结构、固定设备进行图片采样，然后利用图像识别算法系统对采样的图像信息进行灰度处理、二值化处理，得到船舶背景图像数据，并将船舶背景图像数据带入到运动目标识别逻辑基础模型中，并由运动目标识别逻辑基础模型对各船舶图像进行格栅处理，并为格栅处理后的船舶图像分配识别坐标点，并将各坐标点设为目标运动识别控制点；
S3,识别分析，完成S2步骤后，当监控终端有效检测区域范围内出现运动物体时，首先由监控终端一方面对运动物体进行视频采集，并将采集的运动图形数据由图像识别算法系统进行灰度处理、二值化处理，并与S2步骤得到的船舶图像进行区分，使船舶图像作为背景图层，运动目标作为前景图层，然后图像识别算法系统对前景图层数据在背景图层格栅网投影区域及坐标进行识别，获得前景图层的图形轮廓数据参数，并根据前景图层在背景图层中投影位置坐标值变化，初步获得运动目标在有效检测区域范围的运动速度、方向参数，并将获得参数带入到运动目标识别逻辑基础模型中，并完成运动目标类型识别，然后由运动目标识别逻辑基础模型通过监控终端对运动目标实际进行三维扫描识别、连续测距检测及特征识别，然后将三维扫描和特征识别参数带入到运动目标识别逻辑基础模型中，并与S2步骤的前景图层的图形轮廓数据参数合并运算，得到对移动目标物身份识别结果，将连续测距检测参数与运动目标在有效检测区域范围的运动速度、方向参数数据合并运算，得到运动目标运行状态及运行轨迹参数数据，从而达到对船舶上运动目标检测的目的。
进一步的，所述的监控终端在进行安装定位时，按照正直摄影方式和旋转多基线摄影两种基本方式中任意一种进行安装定位，且摄影测量作业视频采集设备与目标物间的距离为摄影平均深度的1/4~1/5。
进一步的，所述的S1步骤中，建立运动目标识别逻辑基础模型中分别包括空间后方交会的共线运算函数、控制点平差运算函数及基于保持稀疏重构的半监督字典学习及高效分类算法、基于图嵌入学习与粒子群优化的运动跟踪模型算法、基于局部时空特征的人体行为理解算法中的任意一种及几种共用。
进一步的，所述的空间后方交会的共线运算函数为：
Figure DEST_PATH_IMAGE001
。
进一步的，所述的控制点平差运算函数为：
Figure DEST_PATH_IMAGE003
Figure DEST_PATH_IMAGE005
式中：K1，K2为径向畸变差；P1，P2为偏心畸变差。
一种船舶上运动目标检测系统，船舶上运动目标检测系统包括基于云计算的检测监控服务器、通讯网关、监控终端，所述监控终端若干，各监控终端间相互并联并通过通讯网络与通讯网关建立数据连接，所述通讯网关另通过通讯网络与基于云计算的检测监控服务器建立数据连接。
进一步的，所述的监控终端包括承载底座、三维转台机构、倾角传感器、角度传感器、亮度传感器、摄像机、补光灯、激光测距雷达、三维扫描仪及驱动电路，其中所述承载底座为横断面呈矩形的腔体结构，所述驱动电路嵌于承载底座内并分别与三维转台机构、倾角传感器、角度传感器、亮度传感器、摄像机、补光灯、激光测距雷达、三维扫描仪电气连接，其中所述摄像机和三维扫描仪相互并联，且光轴相互平行分布，且摄像机和三维扫描仪通过三维转台机构与承载底座上端面铰接，其光轴与水平面呈0°—120°夹角，所述补光灯至少两个，位于摄像机和三维扫描仪之间位置并通过三维转台机构与承载底座上端面铰接，且补光灯光轴与摄像机和三维扫描仪光轴呈0°—120°夹角，且各补光灯分布在同一与承载底座上端面垂直分布的直线方向上，并通过承载架相互连接，所述摄像机、补光灯、三维扫描仪侧表面均设一个倾角传感器，上端面均设一个亮度传感器，所述三维转台机构另与至少一个角度传感器连接。所述激光测距雷达与承载架侧表面连接，其光轴与摄像机光轴相互平行。
进一步的，所述的承载底座内另设一个三轴陀螺仪，所述三轴陀螺仪与驱动电路电气连接，并位于承载底座的与三维转台机构、倾角传感器、角度传感器、亮度传感器、摄像机、补光灯、激光测距雷达、三维扫描仪连接后的重心位置。
本发明系统构成简单，船舶上运动目标检测系统包括基于云计算的检测监控服务器、通讯网关、监控终端，所述监控终端若干，各监控终端间相互并联并通过通讯网络与通讯网关建立数据连接，所述通讯网关另通过通讯网络与基于云计算的检测监控服务器建立数据连接，可实现对船舶中处于运动状态的人员、物资等运动目标物进行精确监控识别，且数据处理效率及精度高，同时可有效克服船舶采光条件差、船舶随波浪颠簸造成的成像不稳、成像精度差等缺陷，从而极大的提高了船舶监控作业的工作效率及精度。
附图说明
下面结合附图和具体实施方式来详细说明本发明；
图1为本发明方法流程图；
图2为船舶上运动目标检测系统结构示意图；
图3为监控终端结构示意图；
图4为前景图层与背景图层控制点分布结构示意图；
图5为基于连通域分析前景图层与背景图层控制点分布结构示意图。
图中各标号：基于云计算的检测监控服务器1、通讯网关2、监控终端3、承载底座31、三维转台机构32、倾角传感器33、角度传感器34、亮度传感器35、摄像机36、补光灯37、激光测距雷达38、三维扫描仪39、驱动电路30、承载架301、三轴陀螺仪302。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于施工，下面结合具体实施方式，进一步阐述本发明。
如图1、图4、图5所述的，一种船舶上运动目标检测方法，包括如下步骤：
S1，系统整体框架设计，首先在船舶的控制系统中增设基于云计算的检测监控服务器1及若干监控终端3，然后在基于云计算的检测监控服务器1中根据船舶结构构建船舶三维空间模型，并在船舶三维空间模型中的人员活动空间、活动通道、货物存储空间中分设若干检测点并为各检测点设置有效检测区域范围，然后在船舶实际位置处为各监测点增设监控终端3，并使各监控终端3通过通讯网络与基于云计算的检测监控服务器1建立数据连接，最后为基于云计算的检测监控服务器1中录入底层操作系统、基于神经网络平台的深度学习系统及图像识别算法系统，并对录入的系统进行仿真校核，建立运动目标识别逻辑基础模型；
S2,环境识别预处理，完成S1步骤后，首先由各检测点位置的监控终端3对当前监控点检测区域范围内船舶结构、固定设备进行图片采样，然后利用图像识别算法系统对采样的图像信息进行灰度处理、二值化处理，得到船舶背景图像数据，并将船舶背景图像数据带入到运动目标识别逻辑基础模型中，并由运动目标识别逻辑基础模型对各船舶图像进行格栅处理，并为格栅处理后的船舶图像分配识别坐标点，并将各坐标点设为目标运动识别控制点；
S3,识别分析，完成S2步骤后，当监控终端3有效检测区域范围内出现运动物体时，首先由监控终端3一方面对运动物体进行视频采集，并将采集的运动图形数据由图像识别算法系统进行灰度处理、二值化处理，并与S2步骤得到的船舶图像进行区分，使船舶图像作为背景图层，运动目标作为前景图层，然后图像识别算法系统对前景图层数据在背景图层格栅网投影区域及坐标进行识别，获得前景图层的图形轮廓数据参数，并根据前景图层在背景图层中投影位置坐标值变化，初步获得运动目标在有效检测区域范围的运动速度、方向参数，并将获得参数带入到运动目标识别逻辑基础模型中，并完成运动目标类型识别，然后由运动目标识别逻辑基础模型通过监控终端3对运动目标实际进行三维扫描识别、连续测距检测及特征识别，然后将三维扫描和特征识别参数带入到运动目标识别逻辑基础模型中，并与S2步骤的前景图层的图形轮廓数据参数合并运算，得到对移动目标物身份识别结果，将连续测距检测参数与运动目标在有效检测区域范围的运动速度、方向参数数据合并运算，得到运动目标运行状态及运行轨迹参数数据，从而达到对船舶上运动目标检测的目的。
本实施例中，所述的监控终端3在进行安装定位时，按照正直摄影方式和旋转多基线摄影两种基本方式中任意一种进行安装定位，且摄影测量作业视频采集设备与目标物间的距离为摄影平均深度的1/4~1/5。
本实施例中，所述S3步骤中，在进行识别分析中，另同时引入二值化分析、连通域分析。
此外，在S2步骤进行环境识别预处理和S3步骤中在进行识别分析时，另通过基于神经网络平台的深度学习系统对前景图层识别和背景图像识别算法进行深度学习仿真，并根据仿真学习结果对运动目标识别逻辑基础模型进行修正作业，以提高后续同类目标检测识别作业的工作效率，同时实现根据以完成识别图形信息对相似目标物快速识别，提高目标物综合识别作业精度和效率。
值得说明的，所述的S1步骤中，建立运动目标识别逻辑基础模型中分别包括空间后方交会的共线运算函数、控制点平差运算函数及基于保持稀疏重构的半监督字典学习及高效分类算法、基于图嵌入学习与粒子群优化的运动跟踪模型算法、基于局部时空特征的人体行为理解算法中的任意一种及几种共用。
进一步优化的，所述的空间后方交会的共线运算函数为：
Figure 773373DEST_PATH_IMAGE001
。
进一步优化的，所述的控制点平差运算函数为：
Figure 283989DEST_PATH_IMAGE006
Figure DEST_PATH_IMAGE007
式中：K1，K2为径向畸变差；P1，P2为偏心畸变差。
如图2所述，一种船舶上运动目标检测系统，包括基于云计算的检测监控服务器1、通讯网关2、监控终端3，所述监控终端3若干，各监控终端3间相互并联并通过通讯网络与通讯网关2建立数据连接，所述通讯网关2另通过通讯网络与基于云计算的检测监控服务器1建立数据连接。
如图3所示，所述的监控终端3包括承载底座31、三维转台机构32、倾角传感器33、角度传感器34、亮度传感器35、摄像机36、补光灯37、激光测距雷达38、三维扫描仪39及驱动电路30，其中所述承载底座31为横断面呈矩形的腔体结构，所述驱动电路30嵌于承载底座31内并分别与三维转台机构32、倾角传感器33、角度传感器34、亮度传感器35、摄像机36、补光灯37、激光测距雷达38、三维扫描仪39电气连接，其中所述摄像机36和三维扫描仪39相互并联，且光轴相互平行分布，且摄像机36和三维扫描仪39通过三维转台机构32与承载底座31上端面铰接，其光轴与水平面呈0°—120°夹角，所述补光灯37至少两个，位于摄像机36和三维扫描仪39之间位置并通过三维转台机构32与承载底座31上端面铰接，且补光灯37光轴与摄像机36和三维扫描仪39光轴呈0°—120°夹角，且各补光灯37分布在同一与承载底座31上端面垂直分布的直线方向上，并通过承载架301相互连接，所述摄像机36、补光灯37、三维扫描仪39侧表面均设一个倾角传感器33，上端面均设一个亮度传感器35，所述三维转台机构32另与至少一个角度传感器34连接，所述激光测距雷达38与承载架301侧表面连接，其光轴与摄像机36光轴相互平行。
本实施例中，所述的承载底座31内另设一个三轴陀螺仪302，所述三轴陀螺仪302与驱动电路30电气连接，并位于承载底座31的与三维转台机构32、倾角传感器33、角度传感器34、亮度传感器35、摄像机36、补光灯37、激光测距雷达38、三维扫描仪39连接后的重心位置。
本发明系统构成简单，船舶上运动目标检测系统包括基于云计算的检测监控服务器、通讯网关、监控终端，所述监控终端若干，各监控终端间相互并联并通过通讯网络与通讯网关建立数据连接，所述通讯网关另通过通讯网络与基于云计算的检测监控服务器建立数据连接，可实现对船舶中处于运动状态的人员、物资等运动目标物进行精确监控识别，且数据处理效率及精度高，同时可有效克服船舶采光条件差、船舶随波浪颠簸造成的成像不稳、成像精度差等缺陷，从而极大的提高了船舶监控作业的工作效率及精度。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种船舶上运动目标检测方法，其特征在于，包括如下步骤：
S1，系统整体框架设计，首先在船舶的控制系统中增设基于云计算的检测监控服务器（1）及若干监控终端（3），然后在基于云计算的检测监控服务器（1）中根据船舶结构构建船舶三维空间模型，并在船舶三维空间模型中的人员活动空间、活动通道、货物存储空间中分设若干检测点并为各检测点设置有效检测区域范围，然后在船舶实际位置处为各监测点增设监控终端（3），并使各监控终端（3）通过通讯网络与基于云计算的检测监控服务器（1）建立数据连接，最后为基于云计算的检测监控服务器（1）中录入底层操作系统、基于神经网络平台的深度学习系统及图像识别算法系统，并对录入的系统进行仿真校核，建立运动目标识别逻辑基础模型；
S2,环境识别预处理，完成S1步骤后，首先由各检测点位置的监控终端（3）对当前监控点检测区域范围内船舶结构、固定设备进行图片采样，然后利用图像识别算法系统对采样的图像信息进行灰度处理、二值化处理，得到船舶背景图像数据，并将船舶背景图像数据带入到运动目标识别逻辑基础模型中，并由运动目标识别逻辑基础模型对各船舶图像进行格栅处理，并为格栅处理后的船舶图像分配识别坐标点，并将各坐标点设为目标运动识别控制点；
S3,识别分析，完成S2步骤后，当监控终端（3）有效检测区域范围内出现运动物体时，首先由监控终端（3）一方面对运动物体进行视频采集，并将采集的运动图形数据由图像识别算法系统进行灰度处理、二值化处理，并与S2步骤得到的船舶图像进行区分，使船舶图像作为背景图层，运动目标作为前景图层，然后图像识别算法系统对前景图层数据在背景图层格栅网投影区域及坐标进行识别，获得前景图层的图形轮廓数据参数，并根据前景图层在背景图层中投影位置坐标值变化，初步获得运动目标在有效检测区域范围的运动速度、方向参数，并将获得参数带入到运动目标识别逻辑基础模型中，并完成运动目标类型识别，然后由运动目标识别逻辑基础模型通过监控终端（3）对运动目标实际进行三维扫描识别、连续测距检测及特征识别，然后将三维扫描和特征识别参数带入到运动目标识别逻辑基础模型中，并与S2步骤的前景图层的图形轮廓数据参数合并运算，得到对移动目标物身份识别结果，将连续测距检测参数与运动目标在有效检测区域范围的运动速度、方向参数数据合并运算，得到运动目标运行状态及运行轨迹参数数据，从而达到对船舶上运动目标检测的目的。
2.根据权利要求1所述的一种船舶上运动目标检测方法，其特征在于：所述的监控终端（3）在进行安装定位时，按照正直摄影方式和旋转多基线摄影两种基本方式中任意一种进行安装定位，且摄影测量作业视频采集设备与目标物间的距离为摄影平均深度的1/4~1/5。
3.根据权利要求1所述的一种船舶上运动目标检测方法，其特征在于：所述的S1步骤中，建立运动目标识别逻辑基础模型中分别包括空间后方交会的共线运算函数、控制点平差运算函数及基于保持稀疏重构的半监督字典学习及高效分类算法、基于图嵌入学习与粒子群优化的运动跟踪模型算法、基于局部时空特征的人体行为理解算法中的任意一种及几种共用。
4.一种实现权利要求1所述的船舶上运动目标检测方法的系统，其特征在于：包括基于云计算的检测监控服务器（1）、通讯网关（2）、监控终端（3），所述监控终端（3）若干，各监控终端（3）间相互并联并通过通讯网络与通讯网关（2）建立数据连接，所述通讯网关（2）另通过通讯网络与基于云计算的检测监控服务器（1）建立数据连接。
5.根据权利要求4所述的系统，其特征在于：所述的监控终端（3）包括承载底座（31）、三维转台机构（32）、倾角传感器（33）、角度传感器（34）、亮度传感器（35）、摄像机（36）、补光灯（37）、激光测距雷达（38）、三维扫描仪（39）及驱动电路（30），其中所述承载底座（31）为横断面呈矩形的腔体结构，所述驱动电路（30）嵌于承载底座（31）内并分别与三维转台机构（32）、倾角传感器（33）、角度传感器（34）、亮度传感器（35）、摄像机（36）、补光灯（37）、激光测距雷达（38）、三维扫描仪（39）电气连接，其中所述摄像机（36）和三维扫描仪（39）相互并联，且光轴相互平行分布，且摄像机（36）和三维扫描仪（39）通过三维转台机构（32）与承载底座（31）上端面铰接，其光轴与水平面呈0°—120°夹角，所述补光灯（37）至少两个，位于摄像机（36）和三维扫描仪（39）之间位置并通过三维转台机构（32）与承载底座（31）上端面铰接，且补光灯（37）光轴与摄像机（36）和三维扫描仪（39）光轴呈0°—120°夹角，且各补光灯（37）分布在与承载底座（31）上端面垂直分布的直线上，并通过承载架（301）相互连接，所述摄像机（36）、补光灯（37）、三维扫描仪（39）侧表面均设一个倾角传感器（33），上端面均设一个亮度传感器（35），所述三维转台机构（32）另与至少一个角度传感器（34）连接，所述激光测距雷达（38）与承载架（301）侧表面连接，其光轴与摄像机（36）光轴相互平行。
6.根据权利要求5所述的系统，其特征在于：所述的承载底座（31）内另设一个三轴陀螺仪（302），所述三轴陀螺仪（302）与驱动电路（30）电气连接，并位于承载底座（31）的与三维转台机构（32）、倾角传感器（33）、角度传感器（34）、亮度传感器（35）、摄像机（36）、补光灯（37）、激光测距雷达（38）、三维扫描仪（39）连接后的重心位置。
CN202110879907.XA 2021-08-02 2021-08-02 一种船舶上运动目标检测方法及系统 Active CN113553986B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110879907.XA CN113553986B (zh) 2021-08-02 2021-08-02 一种船舶上运动目标检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110879907.XA CN113553986B (zh) 2021-08-02 2021-08-02 一种船舶上运动目标检测方法及系统

Publications (2)

Publication Number Publication Date
CN113553986A CN113553986A (zh) 2021-10-26
CN113553986B true CN113553986B (zh) 2022-02-08

Family

ID=78133536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110879907.XA Active CN113553986B (zh) 2021-08-02 2021-08-02 一种船舶上运动目标检测方法及系统

Country Status (1)

Country Link
CN (1) CN113553986B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117115704B (zh) * 2023-08-03 2024-04-02 武汉理工大学 一种基于多传感器融合的海洋搜救系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007008715A2 (en) * 2005-07-07 2007-01-18 Ingenious Targeting Laboratory, Inc. System for 3d monitoring and analysis of motion behavior of targets
CN109686109A (zh) * 2019-01-02 2019-04-26 江苏警官学院 一种基于人工智能的停车场安全监控管理系统
CN112015170A (zh) * 2019-05-29 2020-12-01 北京市商汤科技开发有限公司 运动物体检测及智能驾驶控制方法、装置、介质及设备
CN112363441A (zh) * 2021-01-13 2021-02-12 南京韵哲信息科技有限公司 一种用于检查设备安全的物联网工业云监控系统及其方法
CN112437165A (zh) * 2021-01-26 2021-03-02 江苏博恩环保科技有限公司 一种远程监控式检测工作流程实时监控系统及其方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236912A (zh) * 2011-07-08 2011-11-09 清华大学 变光照条件下运动目标的三维重建方法及三维重建装置
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
CN106204656A (zh) * 2016-07-21 2016-12-07 中国科学院遥感与数字地球研究所 基于视频和三维空间信息的目标定位和跟踪系统及方法
JP7262776B2 (ja) * 2017-01-26 2023-04-24 ザ・リージェンツ・オブ・ザ・ユニバーシティ・オブ・ミシガン シーンの２次元表現を生成する方法、及び、移動可能な物体の位置を判定するための方法
US10514456B2 (en) * 2017-11-29 2019-12-24 Qualcomm Incorporated Radar aided visual inertial odometry outlier removal
CN109887003B (zh) * 2019-01-23 2021-11-19 亮风台（上海）信息科技有限公司 一种用于进行三维跟踪初始化的方法与设备
DE102019201493A1 (de) * 2019-02-06 2020-08-06 Robert Bosch Gmbh Überwachungsvorrichtung und Verfahren zur Man-Overboard-Überwachung eines Schiffsabschnitts
CN110796681A (zh) * 2019-09-24 2020-02-14 武汉市众向科技有限公司 一种用于船舶协同工作的视觉定位系统及方法
CN111445699B (zh) * 2020-04-13 2021-10-26 黑龙江工程学院 基于实时车辆轨迹的交叉口交通冲突判别方法
CN112188167B (zh) * 2020-09-30 2023-04-18 成都智视慧语科技有限公司 基于5g边云计算的视频浓缩萃取精炼升华的方法和系统
CN112291535A (zh) * 2020-12-24 2021-01-29 南京斯酷环境科技有限公司 一种基于物联网的公共安全监视系统及其方法
CN112785625B (zh) * 2021-01-20 2023-09-22 北京百度网讯科技有限公司 目标跟踪方法、装置、电子设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007008715A2 (en) * 2005-07-07 2007-01-18 Ingenious Targeting Laboratory, Inc. System for 3d monitoring and analysis of motion behavior of targets
CN109686109A (zh) * 2019-01-02 2019-04-26 江苏警官学院 一种基于人工智能的停车场安全监控管理系统
CN112015170A (zh) * 2019-05-29 2020-12-01 北京市商汤科技开发有限公司 运动物体检测及智能驾驶控制方法、装置、介质及设备
CN112363441A (zh) * 2021-01-13 2021-02-12 南京韵哲信息科技有限公司 一种用于检查设备安全的物联网工业云监控系统及其方法
CN112437165A (zh) * 2021-01-26 2021-03-02 江苏博恩环保科技有限公司 一种远程监控式检测工作流程实时监控系统及其方法

Also Published As

Publication number Publication date
CN113553986A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
US11748618B2 (en) Methods for obtaining normal vector, geometry and material of three-dimensional objects based on neural network
CN109448326B (zh) 一种基于快速图像识别的地质灾害智能群防监测系统
US20200357141A1 (en) Systems and methods for calibrating an optical system of a movable object
CN113553986B (zh) 一种船舶上运动目标检测方法及系统
US20220365186A1 (en) Automatic detection of a calibration standard in unstructured lidar point clouds
CN113358665A (zh) 一种无人机隧洞缺陷检测方法及系统
CN112950532B (zh) 一种列车受电弓状态检测方法
CN114841944B (zh) 基于挂轨轨道机器人的尾矿坝表面形变巡检方法
CN113538503A (zh) 一种基于红外图像的太阳能板缺陷检测方法
Tang et al. Surveying, geomatics, and 3D reconstruction
CN116030208A (zh) 一种真实无人机虚拟仿真输电线路场景搭建方法及系统
Zhao et al. Vision-based adaptive stereo measurement of pins on multi-type electrical connectors
CN113295142B (zh) 一种基于faro扫描仪和点云的地形扫描分析方法和装置
Xu et al. UAV-based bridge geometric shape measurement using automatic bridge component detection and distributed multi-view reconstruction
CN117095038A (zh) 用于激光扫描仪的点云滤波方法及系统
Guo et al. Digital transformation for intelligent road condition assessment
CN115546016B (zh) Pcb的2d和3d图像的采集和处理方法及相关装置
Li et al. Mobile robot map building based on laser ranging and kinect
Liu et al. Displacement field reconstruction in landslide physical modeling by using a terrain laser scanner–Part 1: Methodology, error analysis and validation
Zhang et al. Neural rendering-enabled 3D modeling for rapid digitization of in-service products
CN113554882A (zh) 用于输出信息的方法、装置、设备以及存储介质
Ma et al. A virtual method for optimizing deployment of roadside monitoring lidars at as-built intersections
CN207751450U (zh) 道路检测装置及系统
Li et al. Research on 3D Reconstruction Technology of Power Line Based on Image Semantic Segmentation
KR20240026561A (ko) 인공지능 기반의 영상 분석을 통한 부품 결함 검사 시스템

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