海上船舶检测跟踪系统及其关键算法研究

《海上船舶检测跟踪系统及其关键算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文海上船舶检测跟踪系统及其关键算法研究作者姓名张树怀学科专业模式识别与智能系统指导教师李彬副教授所在学院自动化科学与工程学院论文提交日期2018年4月ResearchonMarineShipDetectionandTrackingSystemandItsKeyAlgorithmsADissertationSubmittedfortheDegreeofMasterCandidate：ZhangShuhuaiSupervisor：AssociateProf.LiBinSouthChinaUniversi

2、tyofTechnologyGuangzhou,China分类号：TP391学校代号：10561学号：201520112970华南理工大学硕士学位论文海上船舶检测跟踪系统及其关键算法研究作者姓名：张树怀指导教师姓名、职称：李彬副教授申请学位级别：工学硕士硕士学科专业名称：模式识别与智能系统研究方向：图像处理和模式识别论文提交日期：2018年4月25日论文答辩日期：2018年6月5日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：田联房委员：王剑莫鸿强杜启亮王孝洪摘要在进行海上船舶识别查证之

3、前，需要利用船舶目标检测跟踪技术，获取可疑船舶的图像细节信息（船舶的大小、位置以及相应的轮廓信息等），为船舶特征的精确提取提供保障，进而实现海上船舶的准确分类与识别。在完成海上船舶的识别之后，需要利用目标检测跟踪技术，对可疑船舶上的人员异常行为进行检测跟踪，进而实现对可疑船舶的实时准确监控。本文系统地分析了海面监控中涉及到的目标检测跟踪图像处理算法的特点，围绕着“如何高效对复杂多变的海上环境中的远景可疑船舶以及近景船舶上人员的异常行为进行实时准确地检测及跟踪”这一研究重点，有针对性地提出一些技术改进和创新算法

4、，并综合这些技术设计并开发了海上船舶检测跟踪系统，目前正用于海上监控测试。具体完成了以下几方面工作：1.为了达到准确检测跟踪海上船舶这一研究目标，同时为船舶跟踪提供基础，本文提出了基于海天线的船舶目标检测算法。算法首先利用OTSU最大类间方差以及Hough变换提取海天线，然后利用Shi-Tomasi角点检测算法在海天线附近寻找船舶的大致位置，最后通过检测区域及相应阈值的设定实现对远海海上船舶的检测。该部分为后续船舶准确跟踪研究奠定了基础。2.为了提高多目标船舶跟踪的视觉跟踪算法的实时性和鲁棒性，本文提出了一种

5、改进的基于TLD（Tracking-Learning-Detection）多目标船舶自动跟踪算法。该算法实现了海上多个目标船舶准确实时跟踪。首先，算法应用海天线检测与提取方法，利用最大类间方差阈值分割和Hough变换提取海天线；其次，算法利用Kalman滤波原理对海天线上的目标船舶进行定位与检测，分离出目标船舶；最后通过提取出来的目标用其最小外接矩形生成目标初始跟踪框，跟踪器利用初始跟踪框的位置坐标信息对目标进行实时自动跟踪。算法运行过程中都在海天线附近进行扫描检测，缩小了图像遍历范围，提高了算法的实时性。实

6、验表明，通过对比典型的Mean-shift算法以及原始TLD目标跟踪算法，本文算法跟踪结果的精度较高，实时性较好。3.为了进一步对近距离船舶上人员的异常行为进行查证与监控，本文提出了基于改进混合高斯的场景异常检测跟踪算法，该算法首先利用改进混合高斯模型思想对敏感区I域内的目标进行初步检测，再结合光流法以及角点检测法对敏感区域人员进行精确定位检测，并对船舶人员的异常行为进行跟踪，实现对近距离可疑船舶人员异常行为的准确检测与跟踪，方便我方船舶人员及时了解可疑船舶人员活动情况。基于上述技术成果，根据海上监控管理需要

7、，本文设计并开发了海上船舶检测跟踪系统，细致地介绍了该系统地设计思路、整体构架、功能模块以及关键技术。实验结果表明，该系统能准确有效地实现海上船舶的检测、跟踪与识别以及对船舶人员异常行为进行检测与跟踪。关键词：船舶检测；多目标跟踪；船舶识别；角点检测；异常行为检测IIABSTRACTBeforetheshipidentificationverification,theshiptargetdetectionandtrackingtechnologyisemployedfortheimagedetailinfor

8、mationacquisitionsuspiciousshipincludingtheshipsize,positionandthecorrespondingcontourinformation.Itprovidesthebasisfortheaccurateextractionofshipfeaturestorealizetheaccurateclassificationandrecognitio