CN116309282A - 一种船舶夜间航行监管系统 - Google Patents

一种船舶夜间航行监管系统 Download PDF

Info

Publication number
CN116309282A
CN116309282A CN202211675356.6A CN202211675356A CN116309282A CN 116309282 A CN116309282 A CN 116309282A CN 202211675356 A CN202211675356 A CN 202211675356A CN 116309282 A CN116309282 A CN 116309282A
Authority
CN
China
Prior art keywords
ship
early warning
speed
image
module
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
Application number
CN202211675356.6A
Other languages
English (en)
Inventor
张明阳
姚欣睿
刘钊
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.)
Qingdao Research Institute Of Wuhan University Of Technology
Original Assignee
Qingdao Research Institute Of Wuhan University Of Technology
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 Qingdao Research Institute Of Wuhan University Of Technology filed Critical Qingdao Research Institute Of Wuhan University Of Technology
Priority to CN202211675356.6A priority Critical patent/CN116309282A/zh
Publication of CN116309282A publication Critical patent/CN116309282A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/30—Adapting or protecting infrastructure or their operation in transportation, e.g. on roads, waterways or railways

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种船舶夜间航行监管系统，包括：采集控制模块用于采集船舶夜间航行的运动图像和环境图像，并对运动图像和环境图像中的光斑进行检测和跟踪，得到夜间船舶航行的轨迹信息；监控模块用于接收轨迹信息，根据轨迹信息对船舶的航行速度和航行环境监控，将获得的第一监控结果反馈至预警模块；预警模块包括防撞预警模块和航速预警模块，防撞预警模块通过空间和时间紧迫度模型对第一监控结果中航行环境进行碰撞风险评估及预警；航速预警模块通过船舶航速控制范围模块比较第一监控结果中的船舶实际航速与航速范围阈值的大小，对船舶实际航速进行评估及预警。本发明通过定量的对船舶状态进行监控，提高了船舶行驶过程中的安全性。

Description

一种船舶夜间航行监管系统
技术领域
本发明涉及船舶航行监管技术领域，具体涉及一种船舶夜间航行监管系统。
背景技术
航行安全问题一直是全球关注的热点。在发生的船舶海难事故中,人为因素特别是疲劳被确认为一个主要因素，由于疲劳导致的船舶值班人员操作失误是大多数海难事故的根源。船舶检测和风险识别对于保障船舶安全航行、减少海事事故以及实现船舶信息化管理具有重要意义，船舶检测和跟踪的方法繁多，检测设备复杂多样，例如雷达、AIS(船舶自动识别系统)以及视频等，特殊环境下，各种类型的监控效果均受到影响，例如夜间环境下，能见度低，视线模糊，虽然雷达能够助航，但雷达目标不够直观，无法判断目标物体种类，AIS信号易丢失且受船载设备的影响。
船舶风险识别的方法同样有很多，设备复杂多样，例如传统的设备雷达与ARPA(自动雷动标绘仪)，通过计算TCPA和DCPA对碰撞风险进行识别，同时也可以试操船，对船舶的避碰行为做出判断，但传统的雷达仍然具有分辨能力有限和处理目标信息有延迟等缺点，而且驾驶员对于本船航速的安全性往往缺少一个标准性的监管。
发明内容
本发明的目的在于克服上述技术不足，提供一种船舶夜间航行监管系统，解决现有技术中传统识别船舶风险的方式分辨能力有限、处理目标信息延迟，并且基于驾驶员的经验判断缺少系统标准型监管的问题。
为解决上述问题，本发明公开了一种船舶夜间航行监管系统，包括：采集控制模块、监控模块和预警模块；
所述采集控制模块，用于采集船舶夜间航行的运动图像和环境图像，并对所述运动图像和环境图像中的光斑进行检测和跟踪，得到夜间船舶航行的轨迹信息，并将所述轨迹信息发送给所述监控模块；
所述监控模块，用于接收所述轨迹信息，并根据所述轨迹信息对船舶的航行速度和航行环境进行监控，获得第一监控结果，将所述第一监控结果反馈至所述预警模块；
所述预警模块包括防撞预警模块和航速预警模块，所述防撞预警模块通过空间和时间紧迫度模型对第一监控结果中航行环境进行碰撞风险评估及预警；所述航速预警模块通过船舶航速控制范围模块比较第一监控结果中的船舶实际航速与航速范围阈值的大小，对船舶实际航速进行评估及预警。
在一些实施例中，所述采集控制模块对所述运动图像和环境图像中的光斑进行检测和跟踪，包括：
采用预设的LOG算子边缘检测算法对所述运动图像和环境图像进行光斑检测，得到船舶行驶图像和光斑图像；
采用预设的卡尔曼滤波算法对所述光斑图像进行跟踪，以及将所述光斑图像和所述船舶行驶图像进行匹配，得到夜间船舶航行的轨迹信息。
在一些实施例中，所述采用预设的LOG算子边缘检测算法对所述运动图像和环境图像进行光斑检测，包括：
对所述运动图像和环境图像进行灰度化处理，得到灰度图像；
采用预设的卷积运算方法对所述灰度图像进行卷积运算，得到卷积图像结果；
根据所述卷积图像结果，采用预设的光斑图像灰度阈值对所述卷积图像结果进行过滤，得到初始光斑图像；
采用预设的最大值滤波法对所述初始光斑图像进行放大，得到放大光斑图像；
根据所述放大光斑图像与初始光斑图像之间的像素值变化情况，确定所述放大光斑图像中的船舶光斑和图像背景，并对所述图像背景进行腐蚀，获得实际光斑图像；
根据所述放大光斑图像和所述实际光斑图像之间的差值关系，确定船舶光斑中心位置和半径；
基于所述船舶光斑半径，根据相邻两个光斑中心位置之间的距离，确定重叠光斑，并对所述重叠光斑进行剔除，得到目标光斑图像。
在一些实施例中，所述采用预设的卡尔曼滤波算法对所述光斑图像进行跟踪，以及将所述光斑图像和所述船舶行驶图像进行匹配，得到夜间船舶航行的轨迹信息，包括：
获取船舶的航行速度和船位，并构建航行速度和船位的状态向量；
对所述状态向量进行矩阵变换，确定滤波矩阵集合，其中滤波矩阵集合包括状态转移矩阵、控制输入矩阵、系统控制量、系统控制量矩阵以及对应的协方差矩阵；
基于所述滤波参数，预测下一时刻的状态向量，并确定初始预测协方差矩阵；
根据所述预测协方差矩阵，确定卡尔曼滤波的增益量；
根据所述增益量，确定目标预测协方差矩阵；
根据所述目标预测协方差矩阵，确定夜间船舶航行的轨迹信息。
在一些实施例中，所述防撞预警模块包括风险评估模块和第一预警模块；
所述风险评估模块用于通过空间和时间紧迫度模型对第一监控结果中航行环境进行碰撞风险评估得到碰撞评估结果，若所述评估结果为船舶存在碰撞风险，则将所述碰撞评估结果发送至预警模块；
所述第一预警模块包括第一灯光预警单元和声音预警单元，所述第一预警模块用于接收所述评估结果，并通过第一灯光预警单元和声音预警单元对所述评估结果做出响应。
在一些实施例中，所述风险评估模块用于通过空间和时间紧迫度模型对第一监控结果中航行环境进行碰撞风险评估得到评估结果，包括：
基于目标船舶的邻近船舶的长度尺寸和宽度尺寸建立多层椭圆船舶领域；
对所述多层船舶领域进行权重赋值，并根据每一层船舶领域的权重值确定叠加层权重值；
根据所述叠加层权重值确定叠加区域面积；
基于所述叠加区域面积，建立船舶碰撞的空间紧迫度模型；
根据目标船舶与邻近船舶的相对船位矢量和和相对航速矢量和，确定船舶碰撞时间；
根据船舶碰撞风险与碰撞时间之间的紧迫度关系，建立船舶碰撞的时间紧迫度模型；
基于突变理论，根据船舶碰撞的空间紧迫度模型和时间紧迫度模型，建立目标船舶与相邻船舶的碰撞风险计算模型。
在一些实施例中，所述航速预警模块包括航速控制模块和第二预警模块；
所述航速控制模块，用于通过船舶航速控制范围模块比较第一监控结果中的船舶实际航速与航速范围阈值的大小，对船舶实际航速进行评估，获得航速评估结果，若所述航速评估结果不位于所述航速范围阈值内，则将所述航速评估结果发送至所述第二预警模块；
所述第二预警模块包括第二灯光预警单元，所述第二预警模块用于接收所述航速评估结果，并通过所述第二灯光预警单元对所述评估结果做出响应。
在一些实施例中，所述通过船舶航速控制范围模块比较第一监控结果中的船舶实际航速与航速范围阈值的大小，对船舶实际航速进行评估，包括：
基于船舶的下沉量模型，以航道水深对船舶富余水深的限制为条件，确定船舶的最大航速控制模型；
根据风流漂移量对船舶航速的影响程度，建立船舶的最小航速控制模型；
基于最大航速控制模型和最小航速控制模型，以船舶间距为限制条件，根据跟驰理论，确定船舶的最大速度阈值和最小速度阈值。
在一些实施例中，所述采集控制模块至少包括自动识别系统、风力传感器、水流传感器、信息接收器、电子海图显示与信息系统和雷达识别单元。
在一些实施例中，所述监控模块至少包括全景摄像头、光敏传感器、红外线探测器、超声波探测器和夜航仪。
与现有技术相比，本发明提供的船舶夜间航行监管系统，首先通过采集控制模块获取夜间船舶航行的轨迹信息，并将轨迹信息发送给监控模块，通过监控模块对夜间航行的船舶进行监控管理，并将监控结果实时反馈至预警模块，最后预警模块通过防撞预警模块对船舶的撞击风险进行评估，若存在撞击风险，则及时发出警告，以使船舶驾驶员作出正确操作；同时通过航速预警模块对船舶行驶的航速进行监控，若船舶实际航速未处于最大航速阈值和最小航速阈值范围内，则将航速异常情况及时发布，以使船舶驾驶员作出正确的操作；本发明通过定量的对船舶状态进行监控，提高了船舶行驶过程中的安全性。
附图说明
图1是本发明提供的船舶夜间航行监管系统的一实施例的结构示意图；
图2是本发明提供的船舶夜间航行监管系统中，采集控制模块的工作过程一实施例的流程图；
图3是本发明提供的船舶夜间航行监管系统中，光斑重叠面积计算一实施示意图；
图4是本发明提供的船舶夜间航行监管系统中，防撞预警模块一实施例结构示意图；
图5是本发明提供的船舶夜间航行监管系统中，船舶领域分层一实施例示意图；
图6是本发明提供的船舶夜间航行监管系统中，航速预警模块一实施例结构示意图；
图7是本发明提供的船舶夜间航行监管系统中，跟驰理论应用一实施例示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供了一种船舶夜间航行监管系统1，包括：采集控制模块11、监控模块12和预警模块13；
所述采集控制模块11，用于采集船舶夜间航行的运动图像和环境图像，并对所述运动图像和环境图像中的光斑进行检测和跟踪，得到夜间船舶航行的轨迹信息，并将所述轨迹信息发送给所述监控模块；
所述监控模块12，用于接收所述轨迹信息，并根据所述轨迹信息对船舶的航行速度和航行环境进行监控，获得第一监控结果，将所述第一监控结果反馈至所述预警模块；
所述预警模块13包括防撞预警模块131和航速预警模块132，所述防撞预警模块通过空间和时间紧迫度模型对第一监控结果中航行环境进行碰撞风险评估及预警；所述航速预警模块通过船舶航速控制范围模块比较第一监控结果中的船舶实际航速与航速范围阈值的大小，对船舶实际航速进行评估及预警。
在本发明实施例中，首先通过采集控制模块获取夜间船舶航行的轨迹信息，并将轨迹信息发送给监控模块，通过监控模块对夜间航行的船舶进行监控管理，并将监控结果实时反馈至预警模块，最后预警模块通过防撞预警模块对船舶的撞击风险进行评估，若存在撞击风险，则及时发出警告，以使船舶驾驶员作出正确操作；同时通过航速预警模块对船舶行驶的航速进行监控，若船舶实际航速未处于最大航速阈值和最小航速阈值范围内，则将航速异常情况及时发布，以使船舶驾驶员作出正确的操作；本发明通过定量的对船舶状态进行监控，提高了船舶行驶过程中的安全性。
需要说明的是，本实施例提供的船舶夜间航行监管系统还包括显示模块，其中显示模块包括显示设备，显示设备安装在船舶的中控室前仪表盘内。
进一步的，所述监控模块包括夜航仪、光敏传感器、全景摄像头、图像处理模块、船灯检测模块、船灯跟踪模块、红外线探测器和超声波探测器；其中夜航仪与光敏传感器电性连接，光敏传感器与全景摄像头电性连接，夜航仪能够穿透黑夜，在夜晚看清船舶周围几海里的水域情况，使驾驶员对水域状况的分析和风险的评估更加准确；光敏传感器能感应船舶灯光线的明暗变化，输出微弱的电信号，通过简单电路的放大处理，可以更加清楚的检测到船舶的光斑；全景摄像头包括八个定点图像传感器，进行360°无死角监控功能，八个所述图像传感器通过拼接技术能够融合成一幅完成的360°监控运动图像和环境图像；图像处理模块与全景摄像头连接，由清晰度优化单元和连续拍摄单元组成，其中，通过清晰度优化单元能够对全景摄像头拍摄到的前方航行情况和船舶的运动图像和环境图像进行清晰度的优化，确保驾驶人员和船舶行车电脑能够清楚直观地观察到前方信息，通过连续拍摄单元能够对前方路况和船舶信息进行连续不断的拍摄处理，确保可以对前方信息进行实时的信息采集，保证驾驶人员和船舶的安全。
在一些实施例中，请参阅图2，所述采集控制模块对所述运动图像和环境图像中的光斑进行检测和跟踪，包括：
S201、采用预设的LOG算子边缘检测算法对所述运动图像和环境图像进行光斑检测，得到船舶行驶图像和光斑图像；
S202、采用预设的卡尔曼滤波算法对所述光斑图像进行跟踪，以及将所述光斑图像和所述船舶行驶图像进行匹配，得到夜间船舶航行的轨迹信息。
在本实施例中，通过输入经过图像处理模块处理后的运动图像和环境图像，在预处理(包括图像裁剪和灰度化)的基础上，首先对光斑进行检测，根据光斑检测结果(光斑在图像中的X/Y坐标)对光斑进行跟踪，获取船舶夜间航行轨迹。
在一些实施例中，所述采用预设的LOG算子边缘检测算法对所述运动图像和环境图像进行光斑检测，包括：
对所述运动图像和环境图像进行灰度化处理，得到灰度图像；
采用预设的卷积运算方法对所述灰度图像进行卷积运算，得到卷积图像结果；
根据所述卷积图像结果，采用预设的光斑图像灰度阈值对所述卷积图像结果进行过滤，得到初始光斑图像；
采用预设的最大值滤波法对所述初始光斑图像进行放大，得到放大光斑图像；
根据所述放大光斑图像与初始光斑图像之间的像素值变化情况，确定所述放大光斑图像中的船舶光斑和图像背景，并对所述图像背景进行腐蚀，获得实际光斑图像；
根据所述放大光斑图像和所述实际光斑图像之间的差值关系，确定船舶光斑中心位置和半径；
基于所述船舶光斑半径，根据相邻两个光斑中心位置之间的距离，确定重叠光斑，并对所述重叠光斑进行剔除，得到目标光斑图像。
在本实施例中，LOG算子可通过如下公式表示：
Figure BDA0004017979830000091
其中，σ为高斯函数空间标准差；/>
Figure BDA0004017979830000092
为拉普拉斯算子；G为高斯函数。
进一步的，由于摄像头采集原始图像为RGB图像，首先需将图像转为灰度图像。由于光斑尺度未确定，可采用不同尺度滤波器对图像进行边缘检测。滤波器尺度取决于卷积核参数σ，因此构建等间隔向量用于不同尺度滤波器中。
进一步的，预设的卷积运算方法的具体过程为：首先对垂直方向进行高斯拉普拉斯卷积运算；其次对水平方向进行高斯卷积运算，并将卷积运算后的图像在水平方向进行高斯卷积运算；接着在水平方向进行高斯拉普拉斯卷积运算；最后2个方向上的卷积运算结果进行求和运算，得到卷积图像结果。
进一步的，灰度阈值的选取可根据光斑的大小和数量确定；具体的，若阈值过小，则检测到光斑包含其他类型的灯光，从而导致光斑数量过多，难以有效跟踪；若阈值过大，则检测光斑数量过少，无法实现船舶检测和后续跟踪。
进一步的，确定重叠光斑可通过如下方式：首先计算2个光斑半径之和rsum、半径之差的绝对值rdiff和2个光斑中心点之间的距离d。若d≤rdiff，说明小光斑位于大光斑圆环内，可不考虑小光斑；若rsum≤d，说明不存在重叠，否则计算2个光斑之间的重叠面积。光斑重叠面积计算示意见图如图3所示，图中r1、r2和d分别为2个光斑的半径和光斑中心之间的距离；在此基础上，分别计算重叠区域面积与各光斑面积的比值，若该比值大于设定阈值，则认为该光斑存在重叠，具体的，在本实施例中初始值取值0.1。
在一些实施例中，所述采用预设的卡尔曼滤波算法对所述光斑图像进行跟踪，以及将所述光斑图像和所述船舶行驶图像进行匹配，得到夜间船舶航行的轨迹信息，包括：
获取船舶的航行速度和船位，并构建航行速度和船位的状态向量；
对所述状态向量进行矩阵变换，确定滤波矩阵集合，其中滤波矩阵集合包括状态转移矩阵、控制输入矩阵、系统控制量、系统控制量矩阵以及对应的协方差矩阵；
基于所述滤波参数，预测下一时刻的状态向量，并确定初始预测协方差矩阵；
根据所述预测协方差矩阵，确定卡尔曼滤波的增益量；
根据所述增益量，确定目标预测协方差矩阵；
根据所述目标预测协方差矩阵，确定夜间船舶航行的轨迹信息。
在本实施例中，首先采用卡尔曼滤波算法对光斑进行跟踪；随后将目标光斑与运动图像和环境图像进行匹配；最后检测不稳定光斑以及更新新光斑，从而获得船舶航行的轨迹。
在本发明的一个具体实施例中，光斑跟踪模块的算法步骤如下所述：
步骤1：构建船位和船速的状态向量，对k时刻单帧视频图像进行卡尔曼滤波跟踪。假设：xk和yk分别为k时刻光斑中心所在位置；vx和vy分别为x和y方向上的速度；ax和ay分别为x和y方向上的加速度。定义用来描述运动目标状态的向量为：
Xk＝[xk,yk,vx,vy]T (1)
观测向量Zk为：
Zk＝[xk,yk]T (2)
由此确定状态转移矩阵A，控制输入矩阵B，k时刻对系统的控制量Uk、系统测量矩阵H及其对应的协方差矩阵为：
Figure BDA0004017979830000111
Figure BDA0004017979830000112
Figure BDA0004017979830000113
Figure BDA0004017979830000114
当确定滤波参数，采用卡尔曼滤波实现目标跟踪的过程如下：
首先对下一时刻的状态进行预测并计算协方差矩阵，有
Figure BDA0004017979830000115
通过更新加入观测值校正以后，得到状态变量值矩阵和协方差矩阵，有
Figure BDA0004017979830000116
卡尔曼滤波的增益计算为
Kk+1＝Pk'+1×HT×(HPk'+1HT+R)-1 (6)
经过式(5)和式(6)的预测和更新，可得到下一时刻的校正值，不断循环上述2个步骤，以实现Kalman滤波跟踪。
步骤2：对运动图像和环境图像的光斑进行匹配。
设M与N是两帧待匹配图像，m1,m2,...,mp为M中p个光斑的特征点，u1,u2,...,up为N中p个光斑的特征点。构造M与N光斑特征点的相似度矩阵D，该矩阵的元素为
Figure BDA0004017979830000125
其中dij为mi和ni之间的距离。
令Qij为mi是否和ni匹配的状况，则
Figure BDA0004017979830000121
设立目标函数
Figure BDA0004017979830000122
为了实现船舶光斑的一一匹配，设定下述约束条件
Figure BDA0004017979830000123
故利用匈牙利算法求解视频光斑的最优匹配问题，即是一个0-1规划问题，相应的数学模型为
Figure BDA0004017979830000124
步骤3：检测不稳定光斑以及更新新光斑。
首先对上一帧视频图像的跟踪光斑进行Kalman滤波，如步骤1所示，再对观测结果与测量结果进行视频图像的光斑匹配，如步骤2所示，根据匹配的结果和设定的距离阈值判断光斑是否保留。将未匹配上的新检测到的光斑作为新的光斑，同时将原有而之后未匹配次数达到阈值的光斑设为已离开视频监控区域的光斑，进行删除。
在一些实施例中，请参阅图4，所述防撞预警模131包括风险评估模块131a和第一预警模块131b；
所述风险评估模块131a用于通过空间和时间紧迫度模型对第一监控结果中航行环境进行碰撞风险评估得到碰撞评估结果，若所述评估结果为船舶存在碰撞风险，则将所述碰撞评估结果发送至预警模块；
所述第一预警模块131b包括第一灯光预警单元和声音预警单元，所述第一预警模块用于接收所述评估结果，并通过第一灯光预警单元和声音预警单元对所述评估结果做出响应。
在本实施例中，风险评估模块与第一预警模块电性连接；风险评估模块通过采集他船的AIS数据，对船舶领域进行计算，在实际船舶领域叠加区域数值和多船发生碰撞时的船舶领域叠加区域数值的基础上，首先建立碰撞空间紧迫度模型，然后根据其他船舶的相对位置和相对速度，建立碰撞时间紧迫度模型，根据突变理论，最后实现基于时空紧迫度的船舶碰撞风险计算。
在一个具体的实施例中，风险评估模块的算法步骤如下所述：
步骤1：建立船舶碰撞的空间紧迫度模型。
通过AIS获得他船的船舶长度L、船舶宽度B，将船舶领域等效成领域长轴为船舶长度L，领域短轴为船舶宽度B的椭圆船舶领域，且将船舶领域由中心向外进行区域分层，分层效果如图5所示，分层标准如下表(船舶领域分层标准及权重赋值)所示，同时对椭圆船舶领域的每一层进行权重区域赋值。
Figure BDA0004017979830000131
Figure BDA0004017979830000141
根据船舶领域区域分层与船舶内部层级权重赋值，用交叉相加的方法来标定25种船舶领域叠加层权重，如下表所示(椭圆船舶领域叠加层权重)。
船舶领域叠加层级 船舶领域叠加层级权重赋值μ
Ⅰ-Ⅰ 32
Ⅰ-Ⅱ/Ⅱ-Ⅰ 24
Ⅰ-Ⅲ/Ⅲ-Ⅰ 20
Ⅰ-Ⅳ/Ⅳ-Ⅰ 18
Ⅰ-Ⅴ/Ⅴ-Ⅰ 17
Ⅱ-Ⅱ 16
Ⅱ-Ⅲ/Ⅲ-Ⅱ 12
Ⅱ-Ⅳ/Ⅳ-Ⅱ 10
Ⅱ-Ⅴ/Ⅴ-Ⅱ 9
Ⅲ-Ⅲ 8
Ⅲ-Ⅳ/Ⅳ-Ⅲ 6
Ⅲ-Ⅴ/Ⅴ-Ⅲ 5
Ⅳ-Ⅳ 4
Ⅳ-Ⅴ/Ⅴ-Ⅳ 3
Ⅴ-Ⅴ 2
故两艘船舶的椭圆领域分层加权叠加面积的计算方法如下：
Figure BDA0004017979830000151
式中，F为船舶领域叠加面积；Sij为一艘船舶第i层与另一艘船舶第j层的叠加区域面积；μij为不同层级叠加权重。利用船舶同一方位相撞时的两船领域叠加面积计算对碰撞空间进行标准化处理，建立船舶碰撞的空间紧迫度模型如下所示：
Figure BDA0004017979830000152
式中，Kk为k时刻船舶碰撞空间紧迫度，范围是0～1；Fk为k时刻两艘船舶的领域叠加面积；Fk-max为k时刻同方位上两艘船舶相撞时的领域叠加面积。
步骤2：建立船舶碰撞的时间紧迫度模型。
通过提取AIS系统中的数据，获得船舶的船位、航速和相对方位。设k时刻船舶A(本船)的船位为(xAk,yAk)，船舶B的船位为(xBk,yBk)，则k时刻船舶A到船舶B的相对位置为
PABk＝(xBk-xAk,yBk-yAk) (14)
设k时刻船舶A的航速为vA k，航向为αA k，船舶B的航速为vB k，航向为αB k，则k时刻船舶A到船舶B的相对航速为
vABk＝(vAksinαAk-vBksinαBk,vAkcosαAk-vBkcosαBk) (15)
根据船舶的相对船位矢量和相对航速矢量求解船舶碰撞时间，如下所示
Figure BDA0004017979830000153
式中，
Figure BDA0004017979830000154
为船舶碰撞时间；PABk为k时刻船舶A到船舶B的相对船位矢量；|PABk|为k时刻船舶之间的距离，n mile；dABk-min为k时刻船舶A到船舶B相撞时的最小距离，n mile；vABk为k时刻船舶A到船舶B的相对速度，kn。
最后根据船舶碰撞风险与碰撞时间之间的函数关系，利用指数函数建立船舶碰撞的时间紧迫度模型。
Figure BDA0004017979830000161
式中，Tk为k时刻船舶碰撞的时间紧迫度，范围为0～1；
Figure BDA0004017979830000162
为船舶碰撞时间，min；m为不小于0的调节系数，可以根据数据统计或专家咨询进行拟合。
步骤3：根据突变理论建立多船碰撞的风险评估方法。
根据船舶碰撞的空间紧迫度模型和时间紧迫度模型，基于突变理论建立两艘船舶的碰撞风险计算模型。
Figure BDA0004017979830000163
式中，Rk为t时刻船舶碰撞风险值；Kk为k时刻船舶碰撞空间紧迫度，范围0～1；Tk为k时刻船舶碰撞时间紧迫度，范围0～1。
在建立风险评估模型之前依然要考虑的因素主要包括：①对任一一艘船舶，船舶碰撞风险评估的最大值为1，即碰撞时的风险，且其他碰撞风险不应再予以叠加；②对任一船舶，若未与他船发生碰撞，则该船舶的碰撞风险应小于1，且大于该船舶与单个任意他船碰撞风险的最大值；③任一一艘船舶的碰撞风险评估数值不应小于0。由此建立多艘船舶的碰撞风险计算模型。
Rik＝R1ik+(1-R1ik)R2ik+…+{1-R1ik-(1-R1ik)R2ik-…-[1-R1ik-(1-R1ik)R2ik-…]R(n-1)ik}Rnik (19)
式中，Rik为船舶i在k时刻与他船的总体碰撞风险值；R1ik，R2ik，...，Rnik分别为k时刻不同他船对船i构成的碰撞风险，且R1ik≥R2ik≥…≥Rnik；n为当前船舶的会遇船舶数量。
在一些实施例中，请参阅图6，所述航速预警模块132包括航速控制模块132a和第二预警模块132b；
所述航速控制模块132a，用于通过船舶航速控制范围模块比较第一监控结果中的船舶实际航速与航速范围阈值的大小，对船舶实际航速进行评估，获得航速评估结果，若所述航速评估结果不位于所述航速范围阈值内，则将所述航速评估结果发送至所述第二预警模块；
所述第二预警模块132b包括第二灯光预警单元，所述第二预警模块用于接收所述航速评估结果，并通过所述第二灯光预警单元对所述评估结果做出响应。
在本实施例中，航速控制模块132a与第二预警模块132b电连接；通过考虑航道水域水深的限制，即考虑船舶下沉量的影响，建立船舶的最大航速控制模型；然后通过船舶航道宽度的限制，即风流漂移量的影响，建立船舶的最小航速控制模型；最后通过考虑船舶间距，即根据跟驰理论，建立船舶的航速控制范围模型。
在一些实施例中，所述通过船舶航速控制范围模块比较第一监控结果中的船舶实际航速与航速范围阈值的大小，对船舶实际航速进行评估，包括：
基于船舶的下沉量模型，以航道水深对船舶富余水深的限制为条件，确定船舶的最大航速控制模型；
根据风流漂移量对船舶航速的影响程度，建立船舶的最小航速控制模型；
基于最大航速控制模型和最小航速控制模型，以船舶间距为限制条件，根据跟驰理论，确定船舶的最大速度阈值和最小速度阈值。
在本实施例中，通过连接AIS设备、信息采集模块、ECDIS等设备获得船舶航行数据、海图数据和水域数据，基于《海港总体设计规范》的富余水深确定方法，分析不同船舶的富余水深dUKC，计算船舶的富余水深如式(21)
dUKC＝Z0+Z1+Z2+Z3 (20)
D0＝T1+dUKC (21)
D＝D0+Z4 (22)
船舶实际通航水深D1如式(24)
D1＝Hh+(dep-Z4) (23)
式中，T1为设计船型满载吃水，m，该参数由AIS输入；D0为所需通航水深，m，该参数由ECDIS输入；D为航道设计水深，m，该参数由ECDIS输入；Z0为船舶航行时船体下沉量，m；Z1为航行时龙骨下最小富余深度，m；Z2为波浪富余深度，m，一般全遮蔽水域取0，半遮蔽水域取0.15m，无遮蔽水域取0.3m，该参数由信息采集模块输入；Z3为船舶装载纵倾富余深度，m，散货船和油船取0.15m，该参数由信息采集模块输入；Z4为备淤富余深度，m，对于不淤港口，可不计备淤深度；有淤积的港口，备淤深度不宜小于0.4m，该参数由信息采集模块输入；Hh为潮高，m，该参数由信息采集模块输入；dep为海图水深，m，该参数由ECDIS输入。
选择BARRASS模型作为船舶航行的下沉量模型，且将该模型的安全余量降低10％，则船舶下沉量的计算模型为
Figure BDA0004017979830000181
式中，CB为船舶方形系数，该参数由AIS输入计算；v为船舶航速，kn。
根据上述船舶航行的下沉量模型，且考虑航道水深对船舶富余水深的限制，可确定船舶的最大航速控制模型为
Figure BDA0004017979830000191
式中，vmax为船舶最大航速，kn。
步骤2：建立考虑风流漂移量的最小航速控制模型。
船舶在航行过程中受到自然条件和自身航行条件的影响，会以一定的风流压偏角γ摇摆航进，航进的过程所占据的水域宽度主要由船舶占据的横向宽度ds和风流漂移总量Bd组成，分别如式(27)和式(28)所示。
ds＝(B+Lsinγ)/4 (26)
Figure BDA0004017979830000192
式中，ds为船舶占据的横向水域宽度，m；B为船舶宽度，m；L为船舶长度，m；Bd为风流漂移总量，m；Ba为船体水上受风面积，m2，该参数由风力传感器输入计算；Bw为船舶水下面积，m2，该参数由水流传感器输入；vw为相对风速，m/s，该参数由风力传感器输入；vc为流速，m/s，该参数由水流传感器输入；T为船舶操纵性指数；γ为风流压偏角，(°)。
然后引用张显库的船舶操纵性指数T的估算方法，即
Figure BDA0004017979830000193
Figure BDA0004017979830000201
式中，T'为无因次化操纵性指数；Lw为两柱间长，m，该参数由信息输入模块输入；AR为舵面积，m2，该参数由信息输入模块输入；d为船舶吃水，m。
船舶航行为了避免里航道边缘位置过近而威胁航行安全，应该保持一定的安全间距，若当前的航道为双线航道，则航行船舶之间也应保持一定的安全间距。因此，航迹带宽度Bd应该满足式(31)。
Figure BDA0004017979830000202
/>
式中，Br为航道宽度，m，该参数由ECDIS分析输入。
因此，确定船舶航行的最小控制航速模型为
Figure BDA0004017979830000203
式中，Vw为相对风速，m/s；Vc为流速，m/s。
若航速∈[6,11]n mile/h:C1＝0.027 9,C2＝0.001 8；
若航速∈[12,16]n mile/h:C1＝0.018 3,C2＝0.000 9；
步骤3：建立考虑跟驰理论的航速控制范围模型。
根据跟驰理论，两船在同一航道的直线上一前一后航行，当后船航速减小到与前船航速一致时，仍能保持一定的最小安全余量。如图7所示，其中图中1为前船的初始船位；2为后船的初始船位；3为前船完成制动时的船位；4为后船开始采取制动的船位；5为后船完成制动时的船位。
故船舶的安全间距应该满足条件式(33)。
S0≥Sb2+St+Sm-Sb1 (32)
式中，S0为前船制动前的两船间距，m；Sb2为后船的制动距离，m；St为后船在制动时的反应时间内所行驶的距离，m；Sm为船舶间的安全余量，m；Sb1为前船的制动距离，m。
当船舶发生紧急情况而制动时，要使船舶在最小间距上停车。制动距离可以根据冲程来确定，而船舶的倒车冲程和冲时的经验估算方法如式(34)和式(35)所示。
Figure BDA0004017979830000211
Figure BDA0004017979830000212
式中，l为倒车冲程，m；W为船舶的排水量，t；kx为船舶前进方向的虚质量系数，取1.07；g为重力加速度，取9.8m/s2；Tp为螺旋桨倒车拉力，取Tp＝0.01Np估算，Np为倒船功率；v0为船舶倒车时的航速，m/s；t为倒车冲时，s。
当船舶距离泊位较近时，应从最小航速进行船舶航速控制，但航速控制范围上限不应大于最大航速。则设船舶的最小航速为vmin时，后船的航速为v1，两船的间距为S0，后船在减速航行中的距离为S1，前船在固定航速下航进的距离为S2，有
S1＝S2+S0-Sm (35)
Figure BDA0004017979830000221
S2＝vmint (37)
Figure BDA0004017979830000222
可整理得
Figure BDA0004017979830000223
当船舶距离泊位较远时，应从最大航速进行船舶航速控制，但航速控制范围上限不应小于最小航速。则设船舶的最大航速为vmax时，前船的航速为v2，两船的间距为S0，后船在减速航行中的距离为S3，前船在固定航速下航进的距离为S4，有
S3＝S4+S0-Sm (40)
Figure BDA0004017979830000224
S4＝v2t (42)
Figure BDA0004017979830000225
可整理得
Figure BDA0004017979830000226
故v1和v2即为船舶的航速控制范围。即船舶航行的最小速度和最大速度。
在一些实施例中，所述采集控制模块至少包括自动识别系统、风力传感器和水流传感器。
在本实施例中，风力传感器的作用是识别当前船舶所受的风力的大小与方向，水流传感器的作用是识别当前船舶所受水流的大小和方向，信息接收器的作用是输入包括波浪富余深度、船舶装载纵倾富余深度、备淤富余深度、潮高、船舶表面积、舵面积、两柱间长和主机功率在内的航行信息。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (10)

1.一种船舶夜间航行监管系统，其特征在于，包括：采集控制模块、监控模块和预警模块；
所述采集控制模块，用于采集船舶夜间航行的运动图像和环境图像，并对所述运动图像和环境图像中的光斑进行检测和跟踪，得到夜间船舶航行的轨迹信息，并将所述轨迹信息发送给所述监控模块；
所述监控模块，用于接收所述轨迹信息，并根据所述轨迹信息对船舶的航行速度和航行环境进行监控，获得第一监控结果，将所述第一监控结果反馈至所述预警模块；
所述预警模块包括防撞预警模块和航速预警模块，所述防撞预警模块通过空间和时间紧迫度模型对第一监控结果中航行环境进行碰撞风险评估及预警；所述航速预警模块通过船舶航速控制范围模块比较第一监控结果中的船舶实际航速与航速范围阈值的大小，对船舶实际航速进行评估及预警。
2.根据权利要求1所述的船舶夜间航行监管系统，其特征在于，所述采集控制模块对所述运动图像和环境图像中的光斑进行检测和跟踪，包括：
采用预设的LOG算子边缘检测算法对所述运动图像和环境图像进行光斑检测，得到船舶行驶图像和光斑图像；
采用预设的卡尔曼滤波算法对所述光斑图像进行跟踪，以及将所述光斑图像和所述船舶行驶图像进行匹配，得到夜间船舶航行的轨迹信息。
3.根据权利要求2所述的船舶夜间航行监管系统，其特征在于，所述采用预设的LOG算子边缘检测算法对所述运动图像和环境图像进行光斑检测，包括：
对所述运动图像和环境图像进行灰度化处理，得到灰度图像；
采用预设的卷积运算方法对所述灰度图像进行卷积运算，得到卷积图像结果；
根据所述卷积图像结果，采用预设的光斑图像灰度阈值对所述卷积图像结果进行过滤，得到初始光斑图像；
采用预设的最大值滤波法对所述初始光斑图像进行放大，得到放大光斑图像；
根据所述放大光斑图像与初始光斑图像之间的像素值变化情况，确定所述放大光斑图像中的船舶光斑和图像背景，并对所述图像背景进行腐蚀，获得实际光斑图像；
根据所述放大光斑图像和所述实际光斑图像之间的差值关系，确定船舶光斑中心位置和半径；
基于所述船舶光斑半径，根据相邻两个光斑中心位置之间的距离，确定重叠光斑，并对所述重叠光斑进行剔除，得到目标光斑图像。
4.根据权利要求3所述的船舶夜间航行监管系统，其特征在于，所述采用预设的卡尔曼滤波算法对所述光斑图像进行跟踪，以及将所述光斑图像和所述船舶行驶图像进行匹配，得到夜间船舶航行的轨迹信息，包括：
获取船舶的航行速度和船位，并构建航行速度和船位的状态向量；
对所述状态向量进行矩阵变换，确定滤波矩阵集合，其中滤波矩阵集合包括状态转移矩阵、控制输入矩阵、系统控制量、系统控制量矩阵以及对应的协方差矩阵；
基于所述滤波参数，预测下一时刻的状态向量，并确定初始预测协方差矩阵；
根据所述预测协方差矩阵，确定卡尔曼滤波的增益量；
根据所述增益量，确定目标预测协方差矩阵；
根据所述目标预测协方差矩阵，确定夜间船舶航行的轨迹信息。
5.根据权利要求1所述的船舶夜间航行监管系统，其特征在于，所述防撞预警模块包括风险评估模块和第一预警模块；
所述风险评估模块用于通过空间和时间紧迫度模型对第一监控结果中航行环境进行碰撞风险评估得到碰撞评估结果，若所述评估结果为船舶存在碰撞风险，则将所述碰撞评估结果发送至预警模块；
所述第一预警模块包括第一灯光预警单元和声音预警单元，所述第一预警模块用于接收所述评估结果，并通过第一灯光预警单元和声音预警单元对所述评估结果做出响应。
6.根据权利要求5所述的船舶夜间航行监管系统，其特征在于，所述风险评估模块用于通过空间和时间紧迫度模型对第一监控结果中航行环境进行碰撞风险评估得到评估结果，包括：
基于目标船舶的邻近船舶的长度尺寸和宽度尺寸建立多层椭圆船舶领域；
对所述多层船舶领域进行权重赋值，并根据每一层船舶领域的权重值确定叠加层权重值；
根据所述叠加层权重值确定叠加区域面积；
基于所述叠加区域面积，建立船舶碰撞的空间紧迫度模型；
根据目标船舶与邻近船舶的相对船位矢量和和相对航速矢量和，确定船舶碰撞时间；
根据船舶碰撞风险与碰撞时间之间的紧迫度关系，建立船舶碰撞的时间紧迫度模型；
基于突变理论，根据船舶碰撞的空间紧迫度模型和时间紧迫度模型，建立目标船舶与相邻船舶的碰撞风险计算模型。
7.根据权利要求1所述的船舶夜间航行监管系统，其特征在于，所述航速预警模块包括航速控制模块和第二预警模块；
所述航速控制模块，用于通过船舶航速控制范围模块比较第一监控结果中的船舶实际航速与航速范围阈值的大小，对船舶实际航速进行评估，获得航速评估结果，若所述航速评估结果不位于所述航速范围阈值内，则将所述航速评估结果发送至所述第二预警模块；
所述第二预警模块包括第二灯光预警单元，所述第二预警模块用于接收所述航速评估结果，并通过所述第二灯光预警单元对所述评估结果做出响应。
8.根据权利要求1所述的船舶夜间航行监管系统，其特征在于，所述通过船舶航速控制范围模块比较第一监控结果中的船舶实际航速与航速范围阈值的大小，对船舶实际航速进行评估，包括：
基于船舶的下沉量模型，以航道水深对船舶富余水深的限制为条件，确定船舶的最大航速控制模型；
根据风流漂移量对船舶航速的影响程度，建立船舶的最小航速控制模型；
基于最大航速控制模型和最小航速控制模型，以船舶间距为限制条件，根据跟驰理论，确定船舶的最大速度阈值和最小速度阈值。
9.根据权利要求1所述的船舶夜间航行监管系统，其特征在于，所述采集控制模块至少包括自动识别系统、风力传感器、水流传感器、信息接收器、电子海图显示与信息系统和雷达识别单元。
10.根据权利要求1所述的船舶夜间航行监管系统，其特征在于，所述监控模块至少包括全景摄像头、光敏传感器、红外线探测器、超声波探测器和夜航仪。
CN202211675356.6A 2022-12-26 2022-12-26 一种船舶夜间航行监管系统 Pending CN116309282A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211675356.6A CN116309282A (zh) 2022-12-26 2022-12-26 一种船舶夜间航行监管系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211675356.6A CN116309282A (zh) 2022-12-26 2022-12-26 一种船舶夜间航行监管系统

Publications (1)

Publication Number Publication Date
CN116309282A true CN116309282A (zh) 2023-06-23

Family

ID=86798487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211675356.6A Pending CN116309282A (zh) 2022-12-26 2022-12-26 一种船舶夜间航行监管系统

Country Status (1)

Country Link
CN (1) CN116309282A (zh)

Similar Documents

Publication Publication Date Title
CN109409283B (zh) 一种海面舰船跟踪和监控的方法、系统和存储介质
CN108281043B (zh) 一种船舶碰撞风险预警系统及预警方法
CN109725310B (zh) 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统
CN113050121A (zh) 一种船舶导航系统和船舶导航方法
CN111163290B (zh) 一种夜间航行船舶检测并跟踪的方法
CN113744570B (zh) 一种桥区水域船舶防撞预警方法及装置
CN108897272A (zh) 岸端智能监管系统
CN113012472B (zh) 一种适用于vts系统的船舶预警方法、设备及存储介质
CN113112540B (zh) 一种在vts系统中使用ais标定cctv摄像头进行船舶图像目标定位的方法
CN114764244A (zh) 用于内河远程驾控船舶航行的控制方法、系统和存储介质
CN107945580B (zh) 海上拖带系统ais虚拟警戒标标示系统及方法
KR101512237B1 (ko) 선박의 충돌방지장치
CN113933828A (zh) 一种无人艇环境自适应多尺度目标检测方法及系统
CN116309282A (zh) 一种船舶夜间航行监管系统
CN113191266B (zh) 船舶动力装置远程监控管理方法及系统
CN106952503A (zh) 一种基于自适应多传感器管理的海上态势感知方法
CN115496803A (zh) 一种海上浮标碰撞告警和取证系统及方法
Hagen et al. Exploration of COLREG-relevant parameters from historical AIS-data
CN111812610B (zh) 一种水上目标监管系统、方法、终端设备及存储介质
CN111241948B (zh) 全天候识别船舶的方法和系统
Petković et al. Target detection for visual collision avoidance system
CN113705503A (zh) 一种基于多模态信息融合的异常行为检测系统及方法
TWM603177U (zh) 基於深度學習之船舶識別邊緣運算裝置
CN117788463B (zh) 基于视频ai与多模态数据融合的船舶吃水深度检测方法
Smith et al. The statistical characterization of the sea for the segmentation of maritime images

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