移动视频目标跟踪中的智能过滤算法研究

在海上智能交通中,对移动船舶的目标跟踪会受到背景颜色、物体遮挡、亮度等问题的影响,从而降低了跟踪率,因此在实际的工程应用中需要过滤不利因素,得到更有利的目标特征。本文将粒子滤波应用于移动视频目标跟踪的智能过滤中,并对粒子滤波进行优化,最后通过对比实验来说明优化后的算法鲁棒性强、系统的估计误差更小。     

基于聚类分析算法的船舶障碍物自动识别系统

由于船舶在海上航行时,受到海上信号强度的影响,使得障碍物识别系统响应速度变慢,识别精度降低,因此采用聚类分析算法对船舶障碍物进行自动识别。在分析船舶障碍物自动识别系统结构的基础上,设计系统的整体结构,并结合船舶障碍物信号处理器的内部结构,设计了船舶障碍物信号处理器,完成了系统的硬件设计。在此基础上,采用聚类分析算法提取障碍物识别算子,完成了对船舶障碍物完整性的判断,结合船舶障碍物识别流程,完成系统的软件设计,实现了对船舶障碍物的自动识别。试验结果表明,基于聚类分析算法的船舶障碍物自动识别系统不仅能有效地减少海上航行船舶的碰撞次数,降低系统的失误率,而且能提高识别的准确性。     

基于openCV的视频路径船舶检测与跟踪

通过对船舶运动状态的监测和跟踪,船舶在航行时能够最大程度避免碰撞,同时也能够方便航运管理,极大地提高航行效率。本文从船舶监测和跟踪的具体需求出发,设计基于openCV的船舶路径视频监控系统,能够借助智能识别算法,快速提取出船舶的航行轨迹,并利用运动跟踪算法,提取船舶运动轨迹的特征量,大大提升了检测效果。文中充分利用OpenCV中的有关图像变换函数库,并在Matlab软件中进行船舶运动的仿真对视频路径的目标检测和跟踪性能进行分析。     

激光雷达和单目视觉船舶智能导航系统

以为船舶提供定位服务、障碍物检测和避障航迹规划服务为目的,设计基于激光雷达和单目视觉的船舶智能导航系统。系统船载子系统中,由卫星信号接收机接收卫星信号,定位船舶位置后,障碍物检测单元使用单目视觉传感器、激光雷达,检测船舶周围的障碍物信息和距离信息,通过CAN总线网络将2种信息传输至地面监控子系统。监控端把获取的信息和电子海图相匹配,标识船舶坐标信息,使用基于激光雷达的障碍目标测距方法完成障碍物测距,结合已知定位信息与障碍物距离信息,设计船舶航行指令,由CAN总线网络发送至船载子系统的航行控制单元,驱动航迹控制器控制船舶航行,完成船舶智能导航。仿真实验表明,此系统可实现船舶智能导航,导航应用时可保证船舶不与动态障碍物碰撞。     

卡尔曼算法在船舶运动模型参数辨别中的应用

人工智能技术飞速发展,人们已经实现了依靠智能算法识别船舶运动轨迹,这对船舶的航行安全起着重要的推进作用。在对船舶运动状态进行跟踪识别过程中,首先要从视频图像中提取出目标物体的特征值,然后在数据库中进行比对,进一步获得目标物的具体参数。本文采用卡尔曼算法对船舶运动目标的特征参数进行分析,首先建立船舶运动时的动力模型,然后结合目标的灰度统计特性,对船舶的运动状态和运动参数的转移算法进行设计。从仿真结果可知,本文所提出的运动模型识别算法满足基本的鲁棒性和准确度,能够对船舶目标进行速度识别和航迹跟踪。     

基于模糊粒子滤波的视频跟踪方法研究

智能视频监控系统的基础就是对监控范围的视频序列中目标进行有效实时的跟踪,针对当前跟踪方法在光照突变、部分遮挡情况下的跟踪缺陷,本文提出了一种利用模糊粒子滤波（Particle Filter,PF）进行视频目标跟踪的新算法.该算法结合模糊控制理论,引入量测的模糊性来克服特征信息的不确定性,并建立一个基于背景建模技术的自适应高斯混合模型和基于序贯蒙特卡洛的跟踪算法（sequential Monte-Carlo-based）.在新算法的指导下,针对静止摄像机在光照条件改变以及目标发生部分遮挡的情况进行了深入的研究.通过多种模糊量测技术的比较和应用,本文方法实现了多个目标精确有效跟踪.     

海上卫星通信遮挡预报模型研究

海上卫星通信不同于其他卫星通信方式,除了障碍物自身特性以外,船舶位置的改变与船体晃动都会对遮挡情况产生影响,传统遮挡问题研究中未考虑电波绕射特性,且不适用于海上移动目标。针对上述问题,本文基于菲涅尔区特性分析,研究了障碍物边缘处的最小仰角,结合海上移动通信特点,在考虑船体晃动的情况下,提出遮挡区域算法,并基于以上研究得出遮挡预报模型。遮挡区域算法能为船载卫星天线与其他设施的设计安装提供参考指标,遮挡预报模型可用于辅助工作人员提前调整航向或切换天线来对抗遮挡,以满足军事应用中对于全时通信的需求。     

无人船舶避碰障碍物智能自动识别方法

传统无人船舶避碰障碍物识别方法,受到方法中识别危险系数判定基数过小的影响,在避碰障碍物识别过程中,无法在有效安全距离下瞬态识别障碍物,造成避碰全局输出准确率与效率降低。为了解决无人船舶识别危险基数过小的问题,提出无人船舶避碰障碍物智能自动识别方法。首先采用智能危险判定算法,对船舶与障碍物之间的距离进行危险系数判定计算;然后根据判定危险系数数据,重构会遇状态模型。通过模型得到算法对障碍物的识别信息;最后通过神经遗传算法,对障碍物分布信息进行避碰数据的识别转换,从而实现优化识别运算场景,提升识别方法识别准确率与输出效率。通过在同一场景下不同识别方法的对比数据表明:提出的识别方法更适合无人船舶的避碰障碍物识别计算,能够有效将障碍物识别准确率控制在97.43%。同时,提升全局输出效率25%以上。     

大数据环境下基于协同过滤算法的船舶信息推荐模型研究

传统的船舶信息推荐模型的MAE值偏高,因此提出大数据环境下基于协同过滤算法的船舶信息推荐模型研究。利用船舶信息采集装置传输船舶信息,并利用HDFS文件处理传输的信息生成船舶信息数据集。在大数据环境下挖掘用户需求,计算相邻用户相似度,基于协同过滤算法的规则,选取最近邻居聚类用户,完成信息的随机分组。同时协同过滤出大量船舶信息,并对剩余信息进行深层次的信息匹配预测评分,从高到低生成信息推荐列表,完成了推荐模型的研究。实验结果表明,设计的模型在实验中的平均MAE值比传统模型降低了0.135,说明设计的模型推荐精度更高。     

图像处理技术在船舶航行障碍物识别中的应用

为了提高船舶航行避障能力,提出基于图像分块特征匹配和视觉跟踪识别的船舶航行障碍物识别技术。采用点跟踪匹配和动态帧点检测的方法进行船舶航行障碍物识别的红外图像信息采集,对采集的船舶航行障碍物红外视觉图像进行区域组合检测和融合处理,提取图像的差异性和突变性特征点,根据特征点的分布情况采用视觉跟踪识别方法实现对船舶航行障碍物识别。测试表明,该方法对船舶航行障碍物识别的动态跟踪能力较好,识别可靠性和精度较高。