隨著網(wǎng)絡(luò)和計算機技術(shù)的飛速發(fā)展,內(nèi)河航道信息化成為航運安全監(jiān)管的一種有效途徑,航運視頻監(jiān)控系統(tǒng)在海事監(jiān)管中發(fā)揮著越來越重要的作用。為了進一步提高航運視頻監(jiān)控的智能化水平,本書重點研究了基于視覺的內(nèi)河船舶動態(tài)跟蹤算法。為了使讀者系統(tǒng)地了解船舶動態(tài)跟蹤領(lǐng)域的理論及算法,本書分析了船舶動態(tài)跟蹤的國內(nèi)外研究現(xiàn)狀,討論了內(nèi)河船舶跟蹤的特點和難點,詳細介紹了基于MeanShift、TLD(Tracking-Learning-Detection)、MIL(Multiple Instance Learning)、粒子濾波和壓縮跟蹤(Compressive Tracking)等理論構(gòu)建適合內(nèi)河特定場景下船舶跟蹤系統(tǒng)的算法設(shè)計的全部研究成果。
本書的特點是將算法理論分析和仿真實驗相結(jié)合,可以讓讀者清晰地掌握算法原理和應(yīng)用中存在的問題以及解決問題的方向。內(nèi)容涉及到信息處理、計算機視覺、智能視頻監(jiān)控等領(lǐng)域。本書
電子巡航系統(tǒng)通過高度整合傳統(tǒng)的船舶交通管理系統(tǒng)(VTS)、船舶自動識別系統(tǒng)(AIS)、無線甚高頻(VHF)、閉路電視監(jiān)控系統(tǒng)(CCTV)等先進監(jiān)管手段,建立了對船舶實施動態(tài)跟蹤,對通航秩序進行動態(tài)管理,對重要水域?qū)嵭须娮踊O(jiān)控和全力位覆蓋的統(tǒng)一指揮平臺。其具有巡航密度高、工作強度小、反應(yīng)能力強的特點,可有效提升海事監(jiān)管和應(yīng)急救助能力,減少船舶碰撞、擱淺等事故險情的發(fā)生。"十一五"期間,長江海事局、廣東海事局、山東海事局、浙江海事局等在各內(nèi)河重點水域、重點港區(qū)、承點橋區(qū)等紛紛布局了電子巡航系統(tǒng).實時監(jiān)控船舶航行、停泊及作業(yè)秩序,實現(xiàn)對船舶的航跡跟蹤、安全預(yù)警、違法處置、信息服務(wù)等功能。
但目前國內(nèi)的內(nèi)河視頻監(jiān)控系統(tǒng)在推廣應(yīng)用中仍然存在一些不足的地方,最為突出的是其智能化程度還不高,儀作為場景觀察、記錄的工具,操控復(fù)雜.不能自動篩選信息、智能分析。需要依賴值班人員監(jiān)看視頻,容易產(chǎn)生疲勞,疏漏險情信息。而且隨著監(jiān)控點的不斷增多,一般都有幾十只甚至更多的攝像機在同時工作,有著海量的視頻監(jiān)控信息需要進行檢索,僅靠人力顯然已經(jīng)無法滿足實際需求。同時,船舶流量數(shù)據(jù)是海事安全監(jiān)管的基礎(chǔ)性數(shù)據(jù),但傳統(tǒng)的視頻監(jiān)控系統(tǒng)無法自動識別船舶,不能實現(xiàn)船舶流量門動統(tǒng)計的功能,更無法實現(xiàn)對重點船舶或嚴(yán)管航段船舶的軌跡進行自動跟蹤,判斷船舶是否存在違章行為。隨著人工智能和大數(shù)據(jù)技術(shù)的迅猛發(fā)展,汁算機視覺應(yīng)用不斷成熟和擴大,研究內(nèi)河航運視頻智能分析成為重要的研究方向。本課題組在國家自然科學(xué)基金項目的支持下,專門針對內(nèi)河航運視頻監(jiān)控系統(tǒng)的船舶視覺檢測和跟蹤技術(shù)進行了深入的研究,將研究成果撰寫成《內(nèi)河航運巾運動船舶視覺榆測算法》和《內(nèi)河航運船舶視覺跟蹤算法》兩本著作。
《內(nèi)河航運船舶視覺跟蹤算法》這本著作共8章,專門針對內(nèi)河環(huán)境,從船舶特征和船舶運動特性人手,研究經(jīng)典和熱門的跟蹤算法在內(nèi)河航運中的應(yīng)用,經(jīng)過算法的理論分析和大量的對比試驗分析,提出了適合于內(nèi)河航運的船舶視覺跟蹤算法。本書從理論和實驗兩個方面詳細介紹了5種典型的視覺跟蹤算法,既是一本研究內(nèi)河船舶視覺跟蹤算法的專門著作,也是計算機視覺方向的讀者學(xué)習(xí)視覺跟蹤算法的參考書。
1 概論
1.1 引言
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 內(nèi)河船舶視覺跟蹤研究現(xiàn)狀分析
1.2.2 視覺跟蹤算法現(xiàn)狀分析
1.3 內(nèi)河船舶視覺跟蹤系統(tǒng)分析
1.3.1 內(nèi)河船舶視覺跟蹤系統(tǒng)的特點
1.3.2 內(nèi)河船舶視覺跟蹤難點
1.3.3 內(nèi)河船舶視覺跟蹤算法性能評價指標(biāo)
1.4 內(nèi)河船舶視覺跟蹤標(biāo)準(zhǔn)庫建設(shè)
1.4.1 標(biāo)準(zhǔn)庫建設(shè)的必要性
1.4.2 標(biāo)準(zhǔn)庫內(nèi)容分析
本章參考文獻
2 基于濾波理論的內(nèi)河船舶視覺跟蹤
2.1 Kalman濾波器
2.2 粒子濾波理論
2.2.1 貝葉斯估計
2.2.2 蒙特卡洛方法
2.3 粒子濾波器
2.3.1 粒子濾波器原理
2.3.2 粒子濾波器算法描述
2.4 基于粒子濾波算法的目標(biāo)跟蹤
2.5 基于濾波理論的船舶跟蹤實驗及算法分析
2.5.1 基于卡爾曼濾波的船舶跟蹤實驗及分析
2.5.2 基于粒子濾波的船舶跟蹤實驗及分析
本章參考文獻
3 Mean Shift內(nèi)河船舶跟蹤算法
3.1 基本Mean Shift算法
3.2 擴腱Mean Shift算法
3.3 Mean Shift算法物理學(xué)含義
3.4 Mean Shift船舶跟蹤算法
3.4.1 算法原理
3 4.2 跟蹤流程圖
3 4.3 程序設(shè)計步驟
3.4.4 算法分析
本章參考文獻
4 MIL內(nèi)河船舶跟蹤算法
4.1 算法原理
4.1.1 圖像的表示
4 1.2 運動模型
4.1.3 外觀模型
4.2 算法分析
本章參考文獻
5 隨機投影內(nèi)河船舶跟蹤算法
5.1 隨機投影理論
5.2 算法原理
5.3 算法分析
5.3.1 原始信號屬性
j.3 2 隨機觀測矩陣
5 3.3 尺度跟蹤
5.3.4 遮擋跟蹤
本章參考文獻
6 正交粒子濾波低秩約束隨機投影內(nèi)河船舶跟蹤算法
6.1 貝葉斯?fàn)顟B(tài)估計
6.2 狀態(tài)轉(zhuǎn)移密度設(shè)計
6.3 建議分布選擇
6.4 正交實驗原理
6.5 正交實驗設(shè)計
6.6 正交粒子濾波
6.7 觀測似然概率密度設(shè)計
6.7.1 隨機觀測矩陣
6.7.2 目標(biāo)判定準(zhǔn)則
6.8 算法分析
本章參考文獻
7 跟蹤檢測協(xié)同內(nèi)河船舶跟蹤算法
7.1 算法原理
7.1.1 跟蹤模塊
7.1.2 檢測模塊
7.1.3 位置估計
7.1.4 學(xué)習(xí)模塊
7.2 算法分析
本章參考文獻
8 實驗對比及分析
8.1 參數(shù)設(shè)置
8.2 評價指標(biāo)
8.3 定性實驗結(jié)果及分析
8.4 定量實驗結(jié)果及分析