CN114115273A - 适用于入海口的船舶走私行为识别方法和系统 - Google Patents
适用于入海口的船舶走私行为识别方法和系统 Download PDFInfo
- Publication number
- CN114115273A CN114115273A CN202111416246.3A CN202111416246A CN114115273A CN 114115273 A CN114115273 A CN 114115273A CN 202111416246 A CN202111416246 A CN 202111416246A CN 114115273 A CN114115273 A CN 114115273A
- Authority
- CN
- China
- Prior art keywords
- ship
- sea
- smuggling
- water area
- entrance
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 80
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000010295 mobile communication Methods 0.000 claims description 5
- 230000007774 longterm Effects 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 15
- 238000001514 detection method Methods 0.000 description 5
- 206010000117 Abnormal behaviour Diseases 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 206010042635 Suspiciousness Diseases 0.000 description 2
- 230000005674 electromagnetic induction Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种适用于入海口的船舶走私行为识别方法和系统，包括：步骤S1：以入海口雷达探测到的船舶的运动参数为基础，识别所有航速超出预设阈值的船舶；步骤S2：采集入海口水域环境、气候信息，并计算水域内的船舶态势；步骤S3：基于入海口水域环境、气候信息、水域内的船舶态势信息分布，构建船舶走私行为识别模型，分析航速超出预设阈值的船舶的航行特征，识别出其中涉嫌走私的船舶；步骤S4：记录并保存走私船舶的特征参数，为修正识别模型提供样本数据，同时全天时全天候对入海口所有船舶进行走私行为检测。本发明能够自动发现在入海口水域进行走私的快艇，为打击犯罪提供了便利，保障入海口水域的长治久安。
Description
技术领域
本发明涉及海事检测技术领域，具体地，涉及一种适用于入海口的船舶走私行为识别方法和系统。
背景技术
由于入海口水域环境复杂，所管辖水域交叉、管理方式有差异，有不少违法分子利用快艇穿梭于各支流水域进行走私。
目前，针对入海口的快艇走私没有很好的自动识别发现机制，无法全方位掌握珠入海口水域范围内的走私情况。
专利文献CN110363094A(申请号：CN201910536056.1)公开了一种船只异常行为识别方法、装置及终端设备，适用于数据处理技术领域，该方法包括：获取多条样本船只的运动轨迹样本；对多条运动轨迹样本进行融合分析，得到对应的典型轨迹；获取待处理船只的待处理运动轨迹，并计算待处理运动轨迹与典型轨迹间的轨迹偏差系数组，其中，轨迹偏差系数组中包含位置偏差系数、航向偏差系数以及航速偏差系数；若轨迹偏差系数组中存在大于或等于预设偏差阈值的系数，判定待处理船只存在异常行为。
然而该专利仅根据航迹进行船舶异常行为判断，说服力无法达到本发明的高度，且该专利并未考虑环境因素，准确性也无法达到本发明的高度。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种适用于入海口的船舶走私行为识别方法和系统。
根据本发明提供的适用于入海口的船舶走私行为识别方法，包括：
步骤S1：以入海口雷达探测到的船舶的运动参数为基础，识别所有航速超出预设阈值的船舶；
步骤S2：采集入海口水域环境、气候信息，并计算预设水域内的船舶态势；
步骤S3：基于入海口水域环境、气候信息、水域内的船舶态势信息分布，构建船舶走私行为识别模型，分析航速超出预设阈值的船舶的航行特征，识别出其中涉嫌走私的船舶；
步骤S4：记录并保存走私船舶的特征参数，为修正识别模型提供样本数据，同时全天时全天候对入海口所有船舶进行走私行为检测。
优选的，航速超出预设阈值的船舶的判断标准包括：航速大于20节，小于60节，且平均航速在30-50节；船舶不安装AIS设备，只能由雷达发现；运动过程中不发生超出预设范围的航向变化；船舶长度大于5米，小于20米。
优选的，所述船舶的运动参数由雷达进行跟踪计算后得到，包括：船舶实时地理位置、船舶航向、船舶航速和船舶大小。
优选的，所述水域环境包括：各水道位置、水深及走向信息，各岛屿位置范围信息，各桥梁位置、横跨水域范围信息，以及水域范围信息；
所述气候信息包括：入海口各位置风速情况、海浪情况以及雨雪情况；
水域内的船舶态势包括：临近水域的船舶位置分布态势以及船舶的基本信息，基本信息包含船舶所载货物、船舶大小、以及船舶历史挂靠点。
优选的，计算水域内的船舶态势方式为：根据船舶的水上移动通信业务标识码MMSI 查询船舶所载货物类型、船舶大小、船舶历史挂靠点，并将这些信息作为可疑点进行可疑度累加，当可疑度到达预设阈值时，判定该船舶涉嫌走私并进行检查。
根据本发明提供的适用于入海口的船舶走私行为识别系统，包括：
模块M1：以入海口雷达探测到的船舶的运动参数为基础，识别所有航速超出预设阈值的船舶；
模块M2：采集入海口水域环境、气候信息，并计算预设水域内的船舶态势；
模块M3：基于入海口水域环境、气候信息、水域内的船舶态势信息分布，构建船舶走私行为识别模型，分析航速超出预设阈值的船舶的航行特征，识别出其中涉嫌走私的船舶；
模块M4：记录并保存走私船舶的特征参数，为修正识别模型提供样本数据，同时全天时全天候对入海口所有船舶进行走私行为检测。
优选的，航速超出预设阈值的船舶的判断标准包括：航速大于20节，小于60节，且平均航速在30-50节；船舶不安装AIS设备，只能由雷达发现；运动过程中不发生超出预设范围的航向变化；船舶长度大于5米，小于20米。
优选的，所述船舶的运动参数由雷达进行跟踪计算后得到，包括：船舶实时地理位置、船舶航向、船舶航速和船舶大小。
优选的，所述水域环境包括：各水道位置、水深及走向信息，各岛屿位置范围信息，各桥梁位置、横跨水域范围信息，以及水域范围信息；
所述气候信息包括：入海口各位置风速情况、海浪情况以及雨雪情况；
水域内的船舶态势包括：临近水域的船舶位置分布态势以及船舶的基本信息，基本信息包含船舶所载货物、船舶大小、以及船舶历史挂靠点。
优选的，计算水域内的船舶态势方式为：根据船舶的水上移动通信业务标识码MMSI 查询船舶所载货物类型、船舶大小、船舶历史挂靠点，并将这些信息作为可疑点进行可疑度累加，当可疑度到达预设阈值时，判定该船舶涉嫌走私并进行检查。
与现有技术相比，本发明具有如下的有益效果：
(1)本发明在识别高速船舶时，船舶信息不只是依赖于AIS信息，增加了雷达跟踪信息，减少了对实际活动的执法船的误判，提高了准确率；
(2)本发明在进行特征分析时综合考虑了地理信息、气象信息以及水域内的船舶态势信息，通过多种信息交叉验证，有效提高了快艇走私识别准确率；
(3)本发明在对水域内的船舶态势进行评估时将几个可疑方面进行可疑度叠加，从而将走私母船与其他船舶有效分开，为快艇分析提供了更加准确的信息。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明船舶走私行为识别流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例：
在具体实施过程中，雷达遇到铁塔反射或大船干扰时会产生高速运动目标，从而对检测识别产生干扰，造成大量虚警。为减少此类情况产生的虚警，本发明在计算过程中引入了“自动干扰屏蔽”机制，通过对实际场景的干扰建筑物分布区域以及雷达所处位置进行干扰模拟计算，得到虚警概率大的干扰屏蔽区域。在后续识别高速船舶时，针对这些干扰屏蔽区域提高相应检测阈值，只有当检测概率很高时才认为是高速船舶。
如图1所示，根据本发明提供的一种适用于入海口的快艇走私行为检测识别方法，包括如下步骤：
S1、以入海口雷达所探测到的船舶的运动参数为基础，识别所有高速运动船舶；其中高速运动船舶的判断标准包括以下4项：(1)航速大于20节，小于60节，且平均航速在30-50节；其中平均航速计算公式为：
其中，n为采集速度的次数，i为序列号。
(2)船舶不安装AIS设备，只能由雷达发现；(3)高速运动过程中极少发生很大的航向变化；(4)船舶长度大于5米，小于20米；其中船舶运动参数信息由雷达进行跟踪计算后得到；其中识别高速船舶的方式为：利用雷达测量船舶大小及位置，通过位置变化来计算船舶的航向及航速参数，识别出航速大于20节、小于60节，平均航速在 30-50节，航向几乎不变，船舶长度大于5米、小于20米的未开启AIS的船舶。其中平均航向计算公式为：
S2、采集入海口水域环境、气候信息并计算水域内的船舶态势；其中入海口水域环境包含各水道位置、水深及走向信息，各岛屿位置范围信息，各桥梁位置、横跨水域范围信息，以及水域范围信息；气候信息包含入海口各位置风速情况、海浪情况以及雨雪情况；其中水域内的船舶态势包含临近水域的货船位置分布态势以及这些货船的基本信息，基本信息包含船舶所载货物、船舶大小、以及船舶历史挂靠点；其中计算水域内的船舶态势方式为：根据船舶的MMSI查询船舶所载货物类型、船舶大小、船舶历史挂靠点，将这些信息作为可疑点进行可疑度累加，累加方式为若船舶载有冷冻肉品、香烟或电子产品等常见走私货物则可疑度加一级，若船舶大小大于50米则可疑度加一级，若船舶从肉类出口大港驶来则可疑度加一级。
其中水域环境参数计算公式为：
μ为指定标准航向值，σ为允许的航向偏差
S3、结合入海口水域环境、气候信息、水域内船舶态势信息分布分析这些高速运动船舶的航行特征，识别出其中涉嫌走私的快艇；其中高速运动船舶的航行特征包含：是否从入海口水道往水域行驶、是否停到水域内可疑度分布高的船舶水域内，驶出及驶入水域内可疑度分布高的船舶水域的船舶数量是否大致相等。
S4、记录并保存走私快艇的特征参数，为修正检测识别模型提供样本数据，同时全天时全天候对入海口所有船舶进行快艇走私行为检测。
根据本发明提供的适用于入海口的船舶走私行为识别系统，包括：模块M1：以入海口雷达探测到的船舶的运动参数为基础，识别所有航速超出预设阈值的船舶；模块 M2：采集入海口水域环境、气候信息，并计算预设水域内的船舶态势；模块M3：基于入海口水域环境、气候信息、水域内的船舶态势信息分布，构建船舶走私行为识别模型，分析航速超出预设阈值的船舶的航行特征，识别出其中涉嫌走私的船舶；模块M4：记录并保存走私船舶的特征参数，为修正识别模型提供样本数据，同时全天时全天候对入海口所有船舶进行走私行为检测。
船舶航速的测量方式包括：
(1)利用GPS定位，就是在短时间内定位两次，用这两次的位置距离除以时间间隔得到航速，这是对地航速，是近实时的；
(2)利用海水的电磁感应原理，利用海水切割磁感应线，产生的电磁感应强度实际就是电压的高低，来计算船舶的航速，这是对水航速；
(3)多普勒原理，从船上发出声波，通过检测收到的回波的频率，再和发出的波的频率加以比较计算，从而得出多普勒频移，从而得出船速，这也是对地航速。
航速超出预设阈值的船舶的判断标准包括：航速大于20节，小于60节，且平均航速在30-50节；船舶不安装AIS设备，只能由雷达发现；运动过程中不发生超出预设范围的航向变化；船舶长度大于5米，小于20米。所述船舶的运动参数由雷达进行跟踪计算后得到，包括：船舶实时地理位置、船舶航向、船舶航速和船舶大小。所述水域环境包括：各水道位置、水深及走向信息，各岛屿位置范围信息，各桥梁位置、横跨水域范围信息，以及水域范围信息；所述气候信息包括：入海口各位置风速情况、海浪情况以及雨雪情况；水域内的船舶态势包括：临近水域的船舶位置分布态势以及船舶的基本信息，基本信息包含船舶所载货物、船舶大小、以及船舶历史挂靠点。计算水域内的船舶态势方式为：根据船舶的水上移动通信业务标识码MMSI查询船舶所载货物类型、船舶大小、船舶历史挂靠点，并将这些信息作为可疑点进行可疑度累加，当可疑度到达预设阈值时，判定该船舶涉嫌走私并进行检查。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种适用于入海口的船舶走私行为识别方法，其特征在于，包括：
步骤S1：以入海口雷达探测到的船舶的运动参数为基础，识别所有航速超出预设阈值的船舶；
步骤S2：采集入海口水域环境、气候信息，并计算预设水域内的船舶态势；
步骤S3：基于入海口水域环境、气候信息、水域内的船舶态势信息分布，构建船舶走私行为识别模型，分析航速超出预设阈值的船舶的航行特征，识别出其中涉嫌走私的船舶；
步骤S4：记录并保存走私船舶的特征参数，为修正识别模型提供样本数据，同时全天时全天候对入海口所有船舶进行走私行为检测。
2.根据权利要求1所述的适用于入海口的船舶走私行为识别方法，其特征在于，航速超出预设阈值的船舶的判断标准包括：航速大于20节，小于60节，且平均航速在30-50节；船舶不安装AIS设备，只能由雷达发现；运动过程中不发生超出预设范围的航向变化；船舶长度大于5米，小于20米。
3.根据权利要求1所述的适用于入海口的船舶走私行为识别方法，其特征在于，所述船舶的运动参数由雷达进行跟踪计算后得到，包括：船舶实时地理位置、船舶航向、船舶航速和船舶大小。
4.根据权利要求1所述的适用于入海口的船舶走私行为识别方法，其特征在于，所述水域环境包括：各水道位置、水深及走向信息，各岛屿位置范围信息，各桥梁位置、横跨水域范围信息，以及水域范围信息；
所述气候信息包括：入海口各位置风速情况、海浪情况以及雨雪情况；
水域内的船舶态势包括：临近水域的船舶位置分布态势以及船舶的基本信息，基本信息包含船舶所载货物、船舶大小、以及船舶历史挂靠点。
5.根据权利要求1所述的适用于入海口的船舶走私行为识别方法，其特征在于，计算水域内的船舶态势方式为：根据船舶的水上移动通信业务标识码MMSI查询船舶所载货物类型、船舶大小、船舶历史挂靠点，并将这些信息作为可疑点进行可疑度累加，当可疑度到达预设阈值时，判定该船舶涉嫌走私并进行检查。
6.一种适用于入海口的船舶走私行为识别系统，其特征在于，包括：
模块M1：以入海口雷达探测到的船舶的运动参数为基础，识别所有航速超出预设阈值的船舶；
模块M2：采集入海口水域环境、气候信息，并计算预设水域内的船舶态势；
模块M3：基于入海口水域环境、气候信息、水域内的船舶态势信息分布，构建船舶走私行为识别模型，分析航速超出预设阈值的船舶的航行特征，识别出其中涉嫌走私的船舶；
模块M4：记录并保存走私船舶的特征参数，为修正识别模型提供样本数据，同时全天时全天候对入海口所有船舶进行走私行为检测。
7.根据权利要求6所述的适用于入海口的船舶走私行为识别系统，其特征在于，航速超出预设阈值的船舶的判断标准包括：航速大于20节，小于60节，且平均航速在30-50节；船舶不安装AIS设备，只能由雷达发现；运动过程中不发生超出预设范围的航向变化；船舶长度大于5米，小于20米。
8.根据权利要求6所述的适用于入海口的船舶走私行为识别系统，其特征在于，所述船舶的运动参数由雷达进行跟踪计算后得到，包括：船舶实时地理位置、船舶航向、船舶航速和船舶大小。
9.根据权利要求6所述的适用于入海口的船舶走私行为识别系统，其特征在于，所述水域环境包括：各水道位置、水深及走向信息，各岛屿位置范围信息，各桥梁位置、横跨水域范围信息，以及水域范围信息；
所述气候信息包括：入海口各位置风速情况、海浪情况以及雨雪情况；
水域内的船舶态势包括：临近水域的船舶位置分布态势以及船舶的基本信息，基本信息包含船舶所载货物、船舶大小、以及船舶历史挂靠点。
10.根据权利要求6所述的适用于入海口的船舶走私行为识别系统，其特征在于，计算水域内的船舶态势方式为：根据船舶的水上移动通信业务标识码MMSI查询船舶所载货物类型、船舶大小、船舶历史挂靠点，并将这些信息作为可疑点进行可疑度累加，当可疑度到达预设阈值时，判定该船舶涉嫌走私并进行检查。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111416246.3A CN114115273A (zh) | 2021-11-25 | 2021-11-25 | 适用于入海口的船舶走私行为识别方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111416246.3A CN114115273A (zh) | 2021-11-25 | 2021-11-25 | 适用于入海口的船舶走私行为识别方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114115273A true CN114115273A (zh) | 2022-03-01 |
Family
ID=80373533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111416246.3A Pending CN114115273A (zh) | 2021-11-25 | 2021-11-25 | 适用于入海口的船舶走私行为识别方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114115273A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130093245A (ko) * | 2012-02-14 | 2013-08-22 | (주)지엠티 | 멀티센서와 선박의 운항패턴분석을 통한 밀수의심선박 자동분석시스템 및 그것을 이용한 분석방법 |
| CN103714717A (zh) * | 2012-10-09 | 2014-04-09 | 北京东方道迩信息技术股份有限公司 | 一种基于sar数据的船舶动态跟踪与行为模式识别方法 |
| KR101453555B1 (ko) * | 2013-09-13 | 2014-10-23 | 동강엠텍(주) | 해상교통관제에서 레이더 심벌과 ais 심벌 통합 장치 |
| CN106295503A (zh) * | 2016-07-25 | 2017-01-04 | 武汉大学 | 区域卷积神经网络的高分辨率遥感影像舰船目标提取方法 |
| CN106816038A (zh) * | 2017-03-17 | 2017-06-09 | 武汉理工大学 | 一种内河水域异常行为船舶自动识别系统及方法 |
-
2021
- 2021-11-25 CN CN202111416246.3A patent/CN114115273A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130093245A (ko) * | 2012-02-14 | 2013-08-22 | (주)지엠티 | 멀티센서와 선박의 운항패턴분석을 통한 밀수의심선박 자동분석시스템 및 그것을 이용한 분석방법 |
| CN103714717A (zh) * | 2012-10-09 | 2014-04-09 | 北京东方道迩信息技术股份有限公司 | 一种基于sar数据的船舶动态跟踪与行为模式识别方法 |
| KR101453555B1 (ko) * | 2013-09-13 | 2014-10-23 | 동강엠텍(주) | 해상교통관제에서 레이더 심벌과 ais 심벌 통합 장치 |
| CN106295503A (zh) * | 2016-07-25 | 2017-01-04 | 武汉大学 | 区域卷积神经网络的高分辨率遥感影像舰船目标提取方法 |
| CN106816038A (zh) * | 2017-03-17 | 2017-06-09 | 武汉理工大学 | 一种内河水域异常行为船舶自动识别系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109817023B (zh) | 一种海缆水域ais目标检测方法 | |
| CN105390028B (zh) | 船舶航行轨迹的纠正方法和系统 | |
| CN113362654B (zh) | 一种海缆防锚损的船舶监控预警系统 | |
| CN111157982A (zh) | 基于岸基雷达的智能船舶船岸协同目标跟踪系统和方法 | |
| CA3043400C (en) | Systems and methods for detecting flying animals | |
| CN112699315B (zh) | 基于ais数据的船舶异常行为探测方法 | |
| CN109188443B (zh) | 一种基于交互多模型的被动目标跟踪方法 | |
| CN111899568A (zh) | 桥梁防撞预警系统、方法、装置和存储介质 | |
| Vicen-Bueno et al. | Artificial neural network-based clutter reduction systems for ship size estimation in maritime radars | |
| CN115050214B (zh) | 一种基于ais数据的船舶碰撞风险预测方法 | |
| CN116453276A (zh) | 一种海上风电电子围栏监控预警方法和系统 | |
| CN114333423A (zh) | 一种狭水道航行碰撞风险评估方法 | |
| CN110264099B (zh) | 船舶周边区域海盗入侵评估系统 | |
| CN115184915A (zh) | 基于杂波随机徘徊行为的海杂波抑制方法及系统 | |
| CN114115273A (zh) | 适用于入海口的船舶走私行为识别方法和系统 | |
| US11262444B2 (en) | Method for tracking targets, in particular maritime targets, and radar implementing such a method | |
| Bloisi et al. | Integrated visual information for maritime surveillance | |
| Misović et al. | Vessel detection algorithm used in a laser monitoring system of the lock gate zone | |
| CN116469276A (zh) | 水域安全预警方法、装置、设备及存储介质 | |
| CN103942979A (zh) | 探测目标的预警方法及装置 | |
| CN115097435A (zh) | 一种渔船一船多码识别方法、装置和系统 | |
| US20110254726A1 (en) | Systeme Radar UHF Pour Mettre en Oeuvre un Procede d'Elimination d'un Fouillis de Vegetation | |
| Li et al. | The Key Technologies of Marine Multiobjective Ship Monitoring and Tracking Based on Computer Vision | |
| Karvonen | Tracking the motion of recognizable sea-ice objects from coastal radar image sequences | |
| Ogawa et al. | Application of deep learning to underwater invasion warning system |
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 |