基于视频处理技术的船舶移动位置跟踪研究

为解决常规船舶移动位置跟踪方法存在跟踪精度较低的不足。提出了基于视频处理技术的船舶移动位置跟踪研究。基于视频处理技术的引入,依托船舶对象位置的确定及运动轨迹的识别,实现了提出的基于视频处理技术的船舶移动位置跟踪研究。仿真实验结果表明,在复杂海域,提出的船舶移动位置跟踪研究方法,较常规船舶移动位置跟踪方法,跟踪精度提升34.12%。     

基于视频处理技术的船舶移动位置跟踪研究

移动位置跟踪是船舶航行过程中的重要技术,针对当前船舶移动位置跟踪误差大,受环境因素影响大的缺陷,为了提高船舶移动位置跟踪性能,设计了基于视频处理技术的船舶移动位置跟踪方法。首先分析当前船舶移动位置跟踪的研究进展,并描述视频处理技术的船舶移动位置跟踪原理,然后采用分帧技术对船舶移动位置跟踪视频进行处理,并提取船舶移动位置跟踪视频图像特征,通过特征替换提高船舶移动位置跟踪视频质量,最后引入Mean shift算法实现船舶移动位置跟踪,并采用仿真实验对船舶移动位置跟踪效果进行测试,结果表明,基于视频处理技术的船舶移动位置跟踪精度超过95%,跟踪速度快,获得比当前其他方法整体性能更优的船舶移动位置跟踪结果。     

基于多源异构数据融合的船舶目标检测与跟踪技术研究

随着内河船舶通航密度加大,面向水上船舶智能化安全监管,提出了一种多源异构传感器融合的船舶目标检测及动态跟踪方法,重点分析了图像目标检测和多源数据融合算法。针对图像目标检测,提出了基于边缘检测的三帧差分法与基于混合高斯背景减除法相结合的船舶视频目标检测算法;针对多源异构数据融合,优化了一种正态性隶属度函数计算模糊矩阵的方法,实现了在动态视频修正下的激光点云数据与AIS数据的船舶轨迹特征融合,并通过空间矩阵变换实现投影到同一坐标系,最后利用卡尔曼滤波算法实现了目标的动态跟踪。通过该方法研发了一套基于多传感器融合的船舶态势主动式智能感知系统,经系统分析,该方法比传统人工检测及单一监测手段都具有更好的环境适用性和检测精度。     

支撑向量回归和博弈论在船舶移动位置跟踪中的应用

近年来,船舶移动位置跟踪技术发展迅速,并在海洋交通运输、渔船管理等方面发挥了显著作用。然而,传统的船舶定位算法在精确度、成本上存在较大的缺陷,低成本高精度的移动位置跟踪算法难以实现。针对传统定位算法的不足,本文提出一种基于支撑向量回归和博弈论的船舶移动位置跟踪方法,首先通过支撑向量回归对跟踪目标进行位置估计,然后采用博弈论对初步估计位置进行平滑,从而实现对船舶移动位置的精确跟踪。该方法具有进一步推广应用的潜力。     

船舶移动网络大数据异常数据优化识别研究

异常数据对船舶移动网络通信产生干扰,而当前船舶移动网络的异常数据优化方法的效果差,无法满足船舶移动网络通信要求,为此设计了一种基于大数据分析技术的船舶移动网络异常数据优化识别方法。首先分析当前船舶移动网络异常数据优化研究方法,指出它们各自存在的缺陷,然后引入大数据分析技术对船舶移动网络异常数据进行优化和识别,最后进行船舶移动网络异常数据优化识别的实例分析,结果表明,本文方法可以描述船舶移动网络异常数据变化特点,提高船舶移动网络异常数据识别的正确率,而且船舶移动网络异常数据识别时间要短于其它方法,获得了令人满意的船舶移动网络异常数据识别结果。     

AR船舶运输中目标移动跟踪实现技术

随着AR技术的发展,在船舶运输作业时可以对危险目标进行主动识别,从某种程度上讲,该系统能够取代船员,在进一步增强船舶航行安全的同时,也能提高船舶的航行控制能力。通过该系统,船舶计算机可以快速识别周围的环境目标,并对目标的运动状态进行数据采集与分析,可以快速判断该物体对本船舶的影响。因此,本文主要对该跟踪技术的实现原理进行分析和阐述,并优化其核心算法,通过提高对目标的识别率,使得船舶在运输过程中的控制能力进一步加强。通过仿真分析,基于AR算法的移动目标跟踪技术,能够快速适应复杂的海洋环境,具有良好的实用性。     

云计算平台中大规模电子航海信息全局监控系统

在大数据环境背景下,针对传统船舶电子信息监控系统,存在多样数据融合性计算能力差,数据多样整合处理时间长,导致出现全局监控力不足的问题。基于大数据处理技术,提出基于大数据融合的船舶动态电子信息全局监控系统设计。根据大数据融合的技术要求,创建船舶多样数据采集融合架构,通过搭建的硬件对船舶多项数据进行采集,配合引入的纵深融合算法,利用大数据融合技术对采集的多样数据进行深度融合计算,实现信息全局一体化监控。通过对比实验数据,证明设计的监控系统,在解决传统监控系统数据融合问题上,具有显著效果,满足设计需要。     

多船舶雷达信息的航迹算法与目标跟踪研究

船舶雷达系统是进行目标探测的重要组成部分,传统的单雷达探测技术在海上移动目标、多个目标探测时存在精度降低、噪声干扰量大等问题,此时,通过接收本船和其他船舶的雷达信息,并进行信息融合可以提高目标探测的精度。本文首先对船舶雷达的信号滤波技术进行了分析,介绍了多船舶雷达信息的航迹融合算法,从时间配准和空间配准两方面进行研究,并进行了仿真试验。     

云计算环境下船舶移动网络大数据的有效存储方法研究

针对当前采用云计算下船舶移动网络大数据存储方法由于存储过程中,没有对数据进行处理分类,容易造成数据丢失,并且没有考虑存储过程中的能耗因素,导致存储过程中,能耗较多,占用的内存空间较大。为了保证船舶移动网络数据存储的完整性,降低存储能耗,提出基于树型路由的船舶网络大数据存储方法,通过建立云计算环境下船舶移动网络覆盖区域的二维网格,确定每个节点在网格中的位置,计算节点的调度因子,在此基础上,利用树型路由的方法,分别计算节点是叶子节点和非叶子节点时的能量消耗,动态的规划存储节点,使节点能量均衡和所有节点的能耗之和最小,从而实现基于树型路由的云计算环境下船舶移动网络大数据的有效存储方法,实验结果表明,本文所提存储方法能够获得较好的能量均衡,总能耗较小,降低了存储数据查询花费的时间,保证了数据存储的完整性。     

船舶纯方位无源定位跟踪与数据关联研究

基于传感器的目标定位系统是海洋军事研究的重点领域,传感器部署越密集,采集信息反映目标信息越准确。海上复杂环境中,随着目标移动速度增加,多方位传感器数据会混入各类杂波,某些方位采集数据甚至会丢失,从而导致船舶接收到的数据关联度降低,最终降低目标定位精度。本文重点分析了复杂环境下船舶纯方位无源定位跟踪技术,针对采集信号中的噪声及非线性干扰因素,提出了一种基于多维特征值分解数据关联算法,最后进行仿真。     

海上无人驾驶技术中的数据融合应用技术

现有的海上无人驾驶船舶数据融合应用技术存在数据精度差、数据波动大的弊端,为了解决上述问题,提出海上无人驾驶船舶数据融合应用技术研究。AIS与雷达设备采集的船舶数据存在较大的差异,采用聚类方法与高斯-克吕格投影方法分别对数据的时间与空间进行校准,得到采集时间序列一致、表述一致的船舶数据,以此为基础,利用模糊数学算法对目标船舶的关联航迹数据进行求取,以关联航迹数据为依据采用加权融合算法对AIS与雷达数据权值进行分配,实现海上无人驾驶船舶数据的融合应用。通过性能测试得到,与现有的数据融合应用技术相比较,提出的海上无人驾驶船舶数据融合应用技术极大的提升了数据精度,降低了数据波动的幅值,说明本文方法的海上无人驾驶船舶数据融合应用技术具有更好的性能。     

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。     

基于数据融合的单目标船避碰评估系统

建立了一个用于对单目标船避碰操作进行评估的系统。介绍了基于数据融合技术的系统三级处理模型,并重点讨论了基于数据关联的船舶航迹提取,基于坐标转换和几何模型的船舶运动参数计算,基于多测量周期数据融合的船舶操纵识别,和基于知识的碰撞危险、避碰阶段及会遇态势的判定等模块。同时给出了系统的工作流程图,最后通过实例说明系统运行的有效性。     

基于计算机视觉的船舶纯方位目标跟踪方法研究

受外界环境因素的影响,传统方法在船舶纯方位目标跟踪中存在一定的偏差。为了克服这一问题,引入计算机视觉技术,在待跟踪的船舶上安装计算机视觉传感装置,并利用该装置实时采集船舶航行图像。通过对图像的处理与分析,得到船舶目标的初始位置信息。以定位结果为起点,在构建纯方位目标运动模型的基础上,计算目标船舶的航向角,判断船舶的航迹运动方向。实时更新目标船舶的定位信息与航向角信息,从而实现船舶纯方位目标跟踪。实验结果表明,与传统的目标跟踪方法相比,所设计的方法能够有效降低船舶跟踪误差,具有较强的实用性。     

基于移动定位技术的船舶自动避礁行驶路径精确识别

由于船舶位置模糊,导致传统的船舶自动避礁行驶路径识别方法存在误差大、效率低的问题,为此提出基于移动定位技术的船舶自动避礁行驶路径精确识别方法。利用投影变换原理生成并显示船舶行驶环境电子海图,并分析在礁石环境中,船舶自动避礁的行驶方式。利用移动定位技术,实时采集船舶的行驶位置信息,并在电子海图中显示定位结果。最终通过路径生成和地图匹配2个步骤,得出最终的船舶自动避礁行驶路径识别结果。实验结果表明:设计方法的识别误差仅为1.67 km,平均时间开销为2.18 s,即具有较高的运行效率。     

使用数据挖掘实现舰船故障数据定位

为了更好地保障船舶航行安全,有效提高船舶的故障定位和检测能力,提出了使用数据挖掘实现舰船故障数据定位方法,通过对舰船故障数据进行实时采集和分类挖掘获取船舶航行过程中的异常数据,实现对船舶故障数据关联规则特征的准确提取。在进行故障定位的过程中,合理并利用电磁探测器和声敏传感器等设备进行故障诊断,并对不同类别船舶故障数据的高维特征融合的研究采用数据挖掘分析算法,利用数据挖掘分类器对船舶故障数据进行分类识别和定位挖掘,从而有效保障船舶故障数据定位的精确度和有效性。最后通过实验结果表明,使用数据挖掘实现舰船故障数据定位方法具有较高的故障定位精度。可以应用于船舶故障实时诊断,有效提高船舶故障诊断的实时性。     

基于视觉传达的船舶自动导航系统

为了提升自动导航效果,设计基于视觉传达的船舶自动导航系统。利用视觉传达技术采集船舶图像,通过回溯处理模块获取高精度图像信息;利用系统软件线程实现模块间通信,依据图像信息制定航行计划,依据高精度图像信息实现航线设置、航线偏移报警与保存航迹功能;采用船舶目标跟踪方法得到船舶的位置和航向角信息,利用人机交互模块完成海图漫游、查询与航线管理等操作。实验证明,该系统可合理设计船舶航线,航行轨迹跟踪精度高。     

船舶远程监控数据的动态采集方法

为了提高对船舶的远程监控能力,提出一种基于多传感器组网及融合跟踪识别的船舶远程监控数据动态采集方法,构建船舶远程监控数据采集的无线传感器网络模型,进行传感器节点的自适应分布式优化定位设计,采用量化融合跟踪方法进行船舶远程监控数据挖掘和特征提取,构建反馈均衡滤波器进行数据采集后的抗干扰滤波处理,提高数据采集的干扰抑制能力,结合数据挖掘算法实现对船舶监控数据的动态采集。仿真结果表明,采用该方法进行船舶远程监控数据采集的准确性好,抗干扰能力较强,输出信噪比较高。     

大数据驱动的舰船电子设备故障智能诊断研究

舰船电子设备故障诊断主要依靠故障分类器对故障特征的识别,因此分类器识别结果的准确性尤为重要。在分类器识别过程中,会存在部分未被滤除的噪声信号对其进行干扰,影响分类器识别结果,降低其诊断结果准确率。为了解决此类问题引入大数据驱动,提出大数据驱动的舰船电子设备故障智能诊断研究。依托大数据信息流,完成对故障特征的提取。采用数据特征免疫算法,对特征数据进行免疫计算,在免疫特征数据基础上完成对噪声数据的滤除计算。最后,对分类器识别特征量进行更新,实现分类器对故障目标的智能诊断。通过与传统诊断方法的10组差异化数据对比表明:提出的诊断方法,具有诊断结果稳定性好、适用性强、准确率高的特点。     

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。