CN114782868B - 基于ai人工智能的视频图像船舶识别系统及方法 - Google Patents

基于ai人工智能的视频图像船舶识别系统及方法 Download PDF

Info

Publication number
CN114782868B
CN114782868B CN202210436902.4A CN202210436902A CN114782868B CN 114782868 B CN114782868 B CN 114782868B CN 202210436902 A CN202210436902 A CN 202210436902A CN 114782868 B CN114782868 B CN 114782868B
Authority
CN
China
Prior art keywords
image
ship
video
sample
photoelectric
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
CN202210436902.4A
Other languages
English (en)
Other versions
CN114782868A (zh
Inventor
徐登蛟
叶国安
徐敏
赵俊琦
范圣普
马浈
黄�俊
谢中晓
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.)
Wangxin Baicheng Technology Hangzhou Co ltd
Original Assignee
Wangxin Baicheng Technology Hangzhou 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 Wangxin Baicheng Technology Hangzhou Co ltd filed Critical Wangxin Baicheng Technology Hangzhou Co ltd
Priority to CN202210436902.4A priority Critical patent/CN114782868B/zh
Publication of CN114782868A publication Critical patent/CN114782868A/zh
Application granted granted Critical
Publication of CN114782868B publication Critical patent/CN114782868B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及船舶识别技术领域，具体地说，涉及一种基于AI人工智能的视频图像船舶识别系统及方法。该系统包括：样本数据库，其用于存储样本船舶的船舶信息和图像信息；图像采集系统，其用于采集目标船舶的图像信息；以及特征识别模块，其用于将目标船舶的图像信息与样本数据库中的样本船舶的图像信息进行比对并输出比对结果。该方法基于上述系统实现。本发明能够较佳地实现对船舶的识别。

Description

基于AI人工智能的视频图像船舶识别系统及方法
技术领域
本发明涉及船舶识别技术领域，具体地说，涉及一种基于AI人工智能的视频图像船舶识别系统及方法。
背景技术
目前对船舶的定位或识别通常是借助已有的AIS系统实现，但在船舶违规关闭其所携带的AIS设备时则难以实现对其的追踪和定位。虽然在目前的航线处也会部署如雷达、光电视频设备等系统，但因缺乏相应的识别体系，故目前大多是依靠人工进行船舶识别，这直接导致船舶识别的效率低下。
发明内容
本发明提供了一种基于AI人工智能的视频图像船舶识别系统，其能够克服现有技术的某种或某些缺陷。
根据本发明的基于AI人工智能的视频图像船舶识别系统，其包括：
样本数据库，其用于存储样本船舶的船舶信息和图像信息；
图像采集系统，其用于采集目标船舶的图像信息；以及
特征识别模块，其用于将目标船舶的图像信息与样本数据库中的样本船舶的图像信息进行比对并输出比对结果。
通过本发明的一种基于AI人工智能的视频图像船舶识别系统，其能够较佳地建立样本数据库，并能够对目标船舶的图像信息进行采集，通过特征识别模块即可较佳地实现对目标船舶的识别。
此外，本发明还提供了一种基于AI人工智能的视频图像船舶识别方法，其包括如下步骤：
步骤S1、构建样本数据库
步骤S2、通过图像采集系统获取目标船舶的图像数据S0
步骤S3、基于特征识别单元将目标船舶图像数据与样本数据库中的数据进行比对，并输出比对结果。
通过上述步骤S1-S3，能够较佳地实现对目标船舶的自动化识别，故而能够较佳地实现对船舶的智能识别，故能够较佳地提升船舶识别的效率及准确度。
作为优选，步骤S1具体包括如下步骤，
步骤S11，对于第i个样本船舶，获取其船舶信息Ti和图像信息Si；
步骤S12，构建单条样本Pi，Pi＝{Ti，Si}；
步骤S13，构建样本集P并存储于样本数据库中，P＝{Pi|i＝1,2,3,…,N}，N为样本总数。
通过上述，能够较佳地实现样本数据库的构建。
作为优选，步骤S11中，图像信息Si包括样本船舶的船头侧图像
Figure BDA0003604280270000021
左侧面图像图像
Figure BDA0003604280270000022
右侧面图像
Figure BDA0003604280270000023
以及船尾侧图像
Figure BDA0003604280270000024
故而使得单条样本中能够包含多种角度下的样本船舶的图像信息，从而能够较佳地提升识别的准确度。
作为优选，步骤S2具体包括如下步骤，
步骤S21，部署图像采集系统及雷达系统；
步骤S22，基于雷达系统获取目标船舶的位置信息；
步骤S23，基于图像采集系统获取目标船舶的图像数据，目标船舶的图像数据包括其船头侧图像
Figure BDA0003604280270000025
左侧面图像
Figure BDA0003604280270000026
右侧面图像
Figure BDA0003604280270000027
以及船尾侧图像
Figure BDA0003604280270000028
通过上述，能够较佳地实现目标船舶的船头侧、左侧面、右侧面以及船尾侧的图像的采集。
作为优选，图像采集系统包括沿航线两侧设置成对设置的多对光电视频设备，每对光电视频设备的连线与航线垂直且分别位于航线的两侧，相邻的两对光电视频设备间形成对应的视频监控区域，所述相邻的两对光电视频设备中的任一的拍摄范围均对该对应的视频监控区域进行覆盖。故而能够较佳地实现目标船舶的船头侧、左侧面、右侧面以及船尾侧的图像的采集。
作为优选，步骤S22具体包括如下步骤，
步骤S22a，基于雷达系统获取当前时刻下目标船舶的坐标点(x1，y1)以及前一时刻下目标船舶的坐标点(x2，y2)；
步骤S22b，依据船舶的坐标点(x1，y1)确定目标船舶所在的视频监控区域，之后调用与该视频监控区域所对应的4个光电视频设备；
步骤S22c，确定该4个光电视频设备中位于目标船舶的船头侧的光电视频设备为第一光电视频设备，该4个光电视频设备中的其余光电视频设备在与第一光电视频设备呈逆时针分布的方向上依次为第二光电视频设备、第三光电视频设备和第四光电视频设备；第一光电视频设备用于采集船头侧图像
Figure BDA0003604280270000031
第二光电视频设备用于采集左侧面图像
Figure BDA0003604280270000032
第三光电视频设备用于采集右侧面图像
Figure BDA0003604280270000033
第四光电视频设备用于采集船尾侧图像
Figure BDA0003604280270000034
第一光电视频设备、第二光电视频设备、第三光电视频设备和第四光电视频设备的坐标
Figure BDA0003604280270000035
和
Figure BDA0003604280270000036
与坐标点(x1，y1)和坐标点(x2，y2)满足如下条件，
Δ1＜Δ2≤Δ4＜Δ3，
Figure BDA0003604280270000037
Figure BDA0003604280270000038
Figure BDA0003604280270000039
Figure BDA00036042802700000310
步骤S22d，设定第一光电视频设备的拍摄角度为α，第二光电视频设备的拍摄角度为α+90°，第三光电视频设备的拍摄角度为α+180°，四光电视频设备的拍摄角度为α+270°，进而分别拍摄获取目标船舶的图像数据包括其船头侧图像
Figure BDA00036042802700000311
左侧面图像
Figure BDA00036042802700000312
右侧面图像
Figure BDA00036042802700000313
以及船尾侧图像
Figure BDA00036042802700000314
其中，α为目标船舶的偏角，
Figure BDA0003604280270000041
通过上述步骤，能够较佳地基于雷达系统实现对目标船舶的定位，之后基于目标船舶的位置信息，能够选取出对应的光电视频设备，进而能够较佳地实现对目标船舶的船头侧、左侧面、右侧面以及船尾侧的图像的采集。
作为优选，步骤S3具体包括如下步骤，
步骤S31，基于图像识别算法将目标船舶的船头侧图像
Figure BDA0003604280270000042
左侧面图像图像
Figure BDA0003604280270000043
右侧面图像
Figure BDA0003604280270000044
以及船尾侧图像
Figure BDA0003604280270000045
分别与单条样本Pi中的船头侧图像
Figure BDA0003604280270000046
左侧面图像图像
Figure BDA0003604280270000047
右侧面图像
Figure BDA0003604280270000048
以及船尾侧图像
Figure BDA0003604280270000049
进行比对，并获取船头侧相似度R1，左侧面相似度R2，右侧面相似度R3，以及船尾侧相似度R4；
步骤S32、计算整体相似度R，R＝ω1R2+ω2R2+ω3R3+ω4R4；
其中，ω1、ω2、ω3和ω4分别为对应的权重且ω1+ω2+ω3+ω4＝1；
步骤S33、输出整体相似度R最大的样本船舶的船舶信息。
通过上述，能够较佳地赋予船头侧、左侧面、右侧面以及船尾侧的不同的权重，进而获取整体相似度，基于此能够较佳地提升识别的精确度。
附图说明
图1为实施例1中的一种基于AI人工智能的视频图像船舶识别系统的示意图。
图2为实施例1中的一种基于AI人工智能的视频图像船舶识别系统的原理示意图。
具体实施方式
为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。
实施例1
结合图1所示，本实施例提供了一种基于AI人工智能的视频图像船舶识别系统，其包括：
样本数据库，其用于存储样本船舶的船舶信息和图像信息；
图像采集系统，其用于采集目标船舶的图像信息；以及
特征识别模块，其用于将目标船舶的图像信息与样本数据库中的样本船舶的图像信息进行比对并输出比对结果。
通过本实施例的一种基于AI人工智能的视频图像船舶识别系统，其能够较佳地建立样本数据库，并能够对目标船舶的图像信息进行采集，通过特征识别模块即可较佳地实现对目标船舶的识别。
基于本实施例的系统，本实施例还提供了一种基于AI人工智能的视频图像船舶识别方法，其包括如下步骤：
步骤S1、构建样本数据库
步骤S2、通过图像采集系统获取目标船舶的图像数据S0
步骤S3、基于特征识别单元将目标船舶图像数据与样本数据库中的数据进行比对，并输出比对结果。
通过上述步骤S1-S3，能够较佳地实现对目标船舶的自动化识别，故而能够较佳地实现对船舶的智能识别，故能够较佳地提升船舶识别的效率及准确度。
本实施例的步骤S1具体包括如下步骤，
步骤S11，对于第i个样本船舶，获取其船舶信息Ti和图像信息Si；
步骤S12，构建单条样本Pi，Pi＝{Ti，Si}；
步骤S13，构建样本集P并存储于样本数据库中，P＝{Pi|i＝1,2,3,…,N}，N为样本总数。
通过上述，能够较佳地实现样本数据库的构建。
本实施例的步骤S11中，图像信息Si包括样本船舶的船头侧图像
Figure BDA0003604280270000051
左侧面图像图像
Figure BDA0003604280270000052
右侧面图像
Figure BDA0003604280270000053
以及船尾侧图像
Figure BDA0003604280270000054
故而使得单条样本中能够包含多种角度下的样本船舶的图像信息，从而能够较佳地提升识别的准确度。
本实施例的步骤S2具体包括如下步骤，
步骤S21，部署图像采集系统及雷达系统；
步骤S22，基于雷达系统获取目标船舶的位置信息；
步骤S23，基于图像采集系统获取目标船舶的图像数据，目标船舶的图像数据包括其船头侧图像
Figure BDA0003604280270000061
左侧面图像
Figure BDA0003604280270000062
右侧面图像
Figure BDA0003604280270000063
以及船尾侧图像
Figure BDA0003604280270000064
通过上述，能够较佳地实现目标船舶的船头侧、左侧面、右侧面以及船尾侧的图像的采集。
本实施例的步骤S21中，图像采集系统及雷达系统的部署，能够均采用现有的常规方式进行部署，故不予赘述。
本实施例中的图像采集系统在进行部署时，其常规的图像采集系统的部署系统相比，区别在于需要对光电视频设备的布置规则进行进行约束。
也即，本实施例中的图像采集系统包括沿航线两侧设置成对设置的多对光电视频设备，每对光电视频设备的连线与航线垂直且分别位于航线的两侧，相邻的两对光电视频设备间形成对应的视频监控区域，所述相邻的两对光电视频设备中的任一的拍摄范围均对该对应的视频监控区域进行覆盖。故而能够较佳地实现目标船舶的船头侧、左侧面、右侧面以及船尾侧的图像的采集。
本实施例的步骤S22具体包括如下步骤，
步骤S22a，基于雷达系统获取当前时刻下目标船舶的坐标点(x1，y1)以及前一时刻下目标船舶的坐标点(x2，y2)；
步骤S22b，依据船舶的坐标点(x1，y1)确定目标船舶所在的视频监控区域，之后调用与该视频监控区域所对应的4个光电视频设备；
步骤S22c，确定该4个光电视频设备中位于目标船舶的船头侧的光电视频设备为第一光电视频设备，该4个光电视频设备中的其余光电视频设备在与第一光电视频设备呈逆时针分布的方向上依次为第二光电视频设备、第三光电视频设备和第四光电视频设备；第一光电视频设备用于采集船头侧图像
Figure BDA0003604280270000065
第二光电视频设备用于采集左侧面图像
Figure BDA0003604280270000066
第三光电视频设备用于采集右侧面图像
Figure BDA0003604280270000067
第四光电视频设备用于采集船尾侧图像
Figure BDA0003604280270000068
第一光电视频设备、第二光电视频设备、第三光电视频设备和第四光电视频设备的坐标
Figure BDA0003604280270000071
和
Figure BDA0003604280270000072
与坐标点(x1，y1)和坐标点(x2，y2)满足如下条件，
Δ1＜Δ2≤Δ4＜Δ3，
Figure BDA0003604280270000073
Figure BDA0003604280270000074
Figure BDA0003604280270000075
Figure BDA0003604280270000076
步骤S22d，设定第一光电视频设备的拍摄角度为α，第二光电视频设备的拍摄角度为α+90°，第三光电视频设备的拍摄角度为α+180°，四光电视频设备的拍摄角度为α+270°，进而分别拍摄获取目标船舶的图像数据包括其船头侧图像
Figure BDA0003604280270000077
左侧面图像
Figure BDA0003604280270000078
右侧面图像
Figure BDA0003604280270000079
以及船尾侧图像
Figure BDA00036042802700000710
其中，α为目标船舶的偏角，
Figure BDA00036042802700000711
通过上述步骤，能够较佳地基于雷达系统实现对目标船舶的定位，之后基于目标船舶的位置信息，能够选取出对应的光电视频设备，进而能够较佳地实现对目标船舶的船头侧、左侧面、右侧面以及船尾侧的图像的采集。
结合图2所示，为本实施例中的原理图。图2中，第一至第四光电视频设备分别为O1-O4，船舶的当前坐标点为A，前一时刻下目标船舶的坐标点为B。可知Δ1-Δ4分别为∠O1BA至∠O4BA的角度。基于上述运算，能够较佳地寻找出能够用于拍摄船头侧、左侧面、右侧面以及船尾侧的光电视频设备。
可以理解的是，本实施例中，目标船舶的坐标和光电视频设备的坐标能够基于同一坐标系例如大地坐标系等进行表达，故能够较佳地便于数据的处理。
此外，本实施例中的目标船舶的偏角α还能够设置为航向角，通过现有公式即可较佳地实现航向角的计算，故而能够较佳实现角度计量基准的统一。
本实施例的步骤S3具体包括如下步骤，
步骤S31，基于图像识别算法将目标船舶的船头侧图像
Figure BDA0003604280270000081
左侧面图像图像
Figure BDA0003604280270000082
右侧面图像
Figure BDA0003604280270000083
以及船尾侧图像
Figure BDA0003604280270000084
分别与单条样本Pi中的船头侧图像
Figure BDA0003604280270000085
左侧面图像图像
Figure BDA0003604280270000086
右侧面图像
Figure BDA0003604280270000087
以及船尾侧图像
Figure BDA0003604280270000088
进行比对，并获取船头侧相似度R1，左侧面相似度R2，右侧面相似度R3，以及船尾侧相似度R4；
步骤S32、计算整体相似度R，R＝ω1R2+ω2R2+ω3R3+ω4R4；
其中，ω1、ω2、ω3和ω4分别为对应的权重且ω1+ω2+ω3+ω4＝1；
步骤S33、输出整体相似度R最大的样本船舶的船舶信息。
通过上述，能够较佳地赋予船头侧、左侧面、右侧面以及船尾侧的不同的权重，进而获取整体相似度，基于此能够较佳地提升识别的精确度。
本实施例的步骤S1中能够基于现有的图像比对算法实现故不予赘述。
此外，本实施例中的权重ω1、ω2、ω3和ω4能够设置分别设置为0.15、0.35、0.15和0.35。
实施例2
在实施例1中，由于重ω1、ω2、ω3和ω4为人工设置，故存在一定的局限性，基于此，本实施例提供了一种应用于实施例1中的权重确定方法。
本实施例中，能够获取目标船舶在船头侧图像
Figure BDA0003604280270000089
左侧面图像
Figure BDA00036042802700000810
右侧面图像
Figure BDA00036042802700000811
以及船尾侧图像
Figure BDA00036042802700000812
中的像素占比D1、D2、D3和D4，之后基于下述公式获取权重ω1、ω2、ω3和ω4。
其中，
Figure BDA00036042802700000813
Figure BDA00036042802700000814
Figure BDA0003604280270000091
ω4＝1-ω2-ω3-ω4。
其中，像素占比为目标船舶在对应图像中所占的像素点与对应图像的像素点总数的比值。
可以理解的是，本实施例中，能够基于现有的图像边缘处理算法，实现目标船舶在对应图像中的边缘提取。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (6)

1.基于AI人工智能的视频图像船舶识别方法，其包括如下步骤：
步骤S1、构建样本数据库；
步骤S2、通过图像采集系统获取目标船舶的图像数据S0；
步骤S3、基于特征识别单元将目标船舶图像数据与样本数据库中的数据进行比对，并输出比对结果；
步骤S2具体包括如下步骤，
步骤S21，部署图像采集系统及雷达系统；
步骤S22，基于雷达系统获取目标船舶的位置信息；
步骤S23，基于图像采集系统获取目标船舶的图像数据，目标船舶的图像数据包括其船头侧图像
Figure FDA0004163266850000011
左侧面图像
Figure FDA0004163266850000012
右侧面图像
Figure FDA0004163266850000013
以及船尾侧图像
Figure FDA0004163266850000014
步骤S22具体包括如下步骤，
步骤S22a，基于雷达系统获取当前时刻下目标船舶的坐标点(x1，y1)以及前一时刻下目标船舶的坐标点(x2，y2)；
步骤S22b，依据船舶的坐标点(x1，y1)确定目标船舶所在的视频监控区域，之后调用与该视频监控区域所对应的4个光电视频设备；
步骤S22c，确定该4个光电视频设备中位于目标船舶的船头侧的光电视频设备为第一光电视频设备，该4个光电视频设备中的其余光电视频设备在与第一光电视频设备呈逆时针分布的方向上依次为第二光电视频设备、第三光电视频设备和第四光电视频设备；第一光电视频设备用于采集船头侧图像
Figure FDA0004163266850000015
第二光电视频设备用于采集左侧面图像
Figure FDA0004163266850000016
第三光电视频设备用于采集右侧面图像
Figure FDA0004163266850000017
第四光电视频设备用于采集船尾侧图像
Figure FDA0004163266850000018
第一光电视频设备、第二光电视频设备、第三光电视频设备和第四光电视频设备的坐标
Figure FDA0004163266850000019
和
Figure FDA00041632668500000110
与坐标点(x1，y1)和坐标点(x2，y2)满足如下条件，
Δ1＜Δ2≤Δ4＜Δ3，
Figure FDA0004163266850000021
Figure FDA0004163266850000022
Figure FDA0004163266850000023
Figure FDA0004163266850000024
步骤S22d，设定第一光电视频设备的拍摄角度为α，第二光电视频设备的拍摄角度为α+90°，第三光电视频设备的拍摄角度为α+180°，四光电视频设备的拍摄角度为α+270°，进而分别拍摄获取目标船舶的图像数据包括其船头侧图像
Figure FDA0004163266850000025
左侧面图像
Figure FDA0004163266850000026
右侧面图像
Figure FDA0004163266850000027
以及船尾侧图像
Figure FDA0004163266850000028
其中，α为目标船舶的偏角，
Figure FDA0004163266850000029
2.根据权利要求1所述的基于AI人工智能的视频图像船舶识别方法，其特征在于：步骤S1具体包括如下步骤，
步骤S11，对于第i个样本船舶，获取其船舶信息Ti和图像信息Si；
步骤S12，构建单条样本Pi，Pi＝{Ti，Si}；
步骤S13，构建样本集P并存储于样本数据库中，P＝{Pi|i＝1,2,3,…,N}，N为样本总数。
3.根据权利要求2所述的基于AI人工智能的视频图像船舶识别方法，其特征在于：步骤S11中，图像信息Si包括样本船舶的船头侧图像
Figure FDA00041632668500000210
左侧面图像图像
Figure FDA00041632668500000211
右侧面图像
Figure FDA00041632668500000212
以及船尾侧图像
Figure FDA00041632668500000213
4.根据权利要求3所述的基于AI人工智能的视频图像船舶识别方法，其特征在于：图像采集系统包括沿航线两侧设置成对设置的多对光电视频设备，每对光电视频设备的连线与航线垂直且分别位于航线的两侧，相邻的两对光电视频设备间形成对应的视频监控区域，所述相邻的两对光电视频设备中的任一的拍摄范围均对该对应的视频监控区域进行覆盖。
5.根据权利要求4所述的基于AI人工智能的视频图像船舶识别方法，其特征在于：步骤S3具体包括如下步骤，
步骤S31，基于图像识别算法将目标船舶的船头侧图像
Figure FDA0004163266850000031
左侧面图像图像
Figure FDA0004163266850000032
右侧面图像
Figure FDA0004163266850000033
以及船尾侧图像
Figure FDA0004163266850000034
分别与单条样本Pi中的船头侧图像
Figure FDA0004163266850000035
左侧面图像图像
Figure FDA0004163266850000036
右侧面图像
Figure FDA0004163266850000037
以及船尾侧图像
Figure FDA0004163266850000038
进行比对，并获取船头侧相似度R1，左侧面相似度R2，右侧面相似度R3，以及船尾侧相似度R4；
步骤S32、计算整体相似度R，R＝ω1R2+ω2R2+ω3R3+ω4R4；
其中，ω1、ω2、ω3和ω4分别为对应的权重且ω1+ω2+ω3+ω4＝1；
步骤S33、输出整体相似度R最大的样本船舶的船舶信息。
6.基于AI人工智能的视频图像船舶识别系统，其用于实现权利要求1-5中任一所述的基于AI人工智能的视频图像船舶识别方法，其特征在于：包括
样本数据库，其用于存储样本船舶的船舶信息和图像信息；
图像采集系统，其用于采集目标船舶的图像信息；以及
特征识别模块，其用于将目标船舶的图像信息与样本数据库中的样本船舶的图像信息进行比对并输出比对结果。
CN202210436902.4A 2022-04-19 2022-04-19 基于ai人工智能的视频图像船舶识别系统及方法 Active CN114782868B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210436902.4A CN114782868B (zh) 2022-04-19 2022-04-19 基于ai人工智能的视频图像船舶识别系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210436902.4A CN114782868B (zh) 2022-04-19 2022-04-19 基于ai人工智能的视频图像船舶识别系统及方法

Publications (2)

Publication Number Publication Date
CN114782868A CN114782868A (zh) 2022-07-22
CN114782868B true CN114782868B (zh) 2023-06-09

Family

ID=82432163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210436902.4A Active CN114782868B (zh) 2022-04-19 2022-04-19 基于ai人工智能的视频图像船舶识别系统及方法

Country Status (1)

Country Link
CN (1) CN114782868B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109633627A (zh) * 2018-11-27 2019-04-16 成都天奥信息科技有限公司 一种基于雷达与ais融合数据的光电联动控制方法
CN113960591A (zh) * 2021-10-19 2022-01-21 武汉华之洋科技有限公司 一种基于智能识别技术的无人船光电智能侦察方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7486355B2 (ja) * 2020-06-18 2024-05-17 古野電気株式会社 船舶用物標検出システム、船舶用物標検出方法、信頼度推定装置、及びプログラム
CN112927233A (zh) * 2021-01-27 2021-06-08 湖州市港航管理中心 一种船用激光雷达与视频联合目标捕捉方法
CN113850166A (zh) * 2021-09-13 2021-12-28 湖北中南鹏力海洋探测系统工程有限公司 一种基于卷积神经网络的船舶图像识别方法及系统
CN113570005A (zh) * 2021-09-26 2021-10-29 中国人民解放军国防科技大学 一种基于机载光子雷达的远距离舰船类型识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109633627A (zh) * 2018-11-27 2019-04-16 成都天奥信息科技有限公司 一种基于雷达与ais融合数据的光电联动控制方法
CN113960591A (zh) * 2021-10-19 2022-01-21 武汉华之洋科技有限公司 一种基于智能识别技术的无人船光电智能侦察方法

Also Published As

Publication number Publication date
CN114782868A (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
CN109460740A (zh) 基于ais与视频数据融合的船舶身份识别方法
US8428344B2 (en) System and method for providing mobile range sensing
JP5074322B2 (ja) 画像処理装置、画像処理方法、画像処理プログラム、及び、撮像装置
US20170228585A1 (en) Face recognition system and face recognition method
CN111968046B (zh) 一种基于拓扑结构的雷达光电传感器目标关联融合方法
CN111709968B (zh) 一种基于图像处理的低空目标探测跟踪方法
CN110909750B (zh) 图像差异检测方法及装置、存储介质、终端
EP2166375A2 (en) System and method of extracting plane features
CN110569861A (zh) 一种基于点特征和轮廓特征融合的图像匹配定位方法
JP2018036226A (ja) 画像処理プログラム、画像処理方法および画像処理装置
CN114238675A (zh) 一种基于异源图像匹配的无人机地面目标定位方法
CN113763484A (zh) 基于视频图像分析技术的船舶目标定位及速度估算方法
CN115639248A (zh) 一种用于建筑外墙质量检测的系统及方法
CN113822217A (zh) 基于ais和视频图像分析的船舶尾气监测方法
CN109447946B (zh) 一种架空通信光缆异常检测方法
CN114782868B (zh) 基于ai人工智能的视频图像船舶识别系统及方法
CN113034398A (zh) 基于人工智能的城市测绘果冻效应消除方法与系统
US10753708B2 (en) Missile targeting
WO2017221860A1 (ja) 領域識別装置と領域識別方法および領域識別プログラム
CN114092850A (zh) 重识别方法、装置、计算机设备和存储介质
JP5465001B2 (ja) 対象推定装置
CN110232711B (zh) 面向海产品抓取的双目视觉实时感知定位方法、系统、装置
Ugliano et al. Automatically detecting changes and anomalies in unmanned aerial vehicle images
CN114694204A (zh) 社交距离检测方法、装置、电子设备及存储介质
CN115797619B (zh) 一种适用于巡检机器人仪表图像定位的纠偏方法

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