基于计算机视觉的船舶跟踪及类型识别研究

发布时间：2021-03-17 21:42

当前,由于机动车的数量快速增长,陆地交通发生了较多的交通事故和拥堵状况,与此同时内河航道也面临着同样的压力。基于陆路交通管理的经验,在内河管理方面上,引入智能交通管理系统,对保护河流生态系统稳定具有重要意义,同时也能有控制水污染,保障水路交通安全。本文以中山市海事视频监控为研究背景,在全市建立的"海事指挥平台"基础上,在实际需要的内河道区域进行船舶类型识别。论文应用计算机视觉理论和方法,对监控视频中出现的船舶进行提取、跟踪,然后根据提取出的船舶特征进行识别。论文的研究内容包括以下四个部分:(1)船舶运动区域的提取。首先介绍图像预处理内容,包括灰度化、图像增强、二值化处理,并通过实验进行分析对比。然后在运动目标区域提取方面,对常见的方法优缺点分析,进而进行实验结果比对。(2)目标跟踪。在目标区域提取出来的前提下,基于颜色特征直方图的Camshift算法,具有计算量小,实时性高的特点。船舶因遮挡易丢失,采用Kalman算法可以实现目标估计,进而持续跟踪,防止船舶丢失。(3)特征提取。介绍常用的特征,如角点特征、几何特征、直方图统计特征、矩特征等,并提取特征值。通过分析数据,将矩、角度比值、几何特征相结合作为输入量对船舶进行分类。(4)船型识别。采用支持向量机对船舶分类,通过单特征、多特征和全部特征实验对比,选择正确率高的组合。然后利用交叉验证思想改进测试和训练过程,来提高识别率。本文最后选择单高斯建模的背景差分法提取运动区域,采用Camshift和Kalman滤波相结合的方法对目标进行跟踪,此方法能够对目标进行有效的跟踪。随后选取了比例特征,矩特征,角度特征作为船舶分类的区分性;最后利用交叉验证思想改进测试和训练过程,证明了该思想的可行性与正确性,并取得了较高的准确率。
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

文章目录

摘要

ABSTRACT

第1章绪论

1.1 课题来源

1.2 课题的背景与意义

1.3 船舶识别国内外研究现状

1.4 计算机视觉综述

1.5 本文研究的内容与章节安排

1.5.1 论文研究的主要内容

1.5.2 论文的章节安排

1.5.3 实验环境配置需求

第2章船舶图像预处理和运动区域定位

2.1 图像灰度化

2.2 图像增强

2.2.1 常用图像增强方法概述

2.2.2 滤波处理

2.3 运动区域定位

2.3.1 光流法

2.3.2 帧间差分法

2.3.3 背景差分法

2.4 单高斯背景建模

2.5 二值化

2.5.1 自适应阈值-迭代法

2.5.2 最大类间方差法

2.6 消除孤立点

2.7 目标区域的提取

2.8 本章小结

第3章目标的跟踪及形态学处理

3.1 基于颜色模型的目标追踪

3.1.1 目标颜色模型的建立

3.1.2 Meanshift跟踪算法

3.1.3 Camshift跟踪算法

3.2 基于运动模型的目标追踪

3.2.1 目标运动模型的建立

3.2.2 Kalman滤波器跟踪算法

3.3 图像形态学处理

3.3.1 膨胀与腐蚀

3.3.2 开运算与闭运算

3.4 本章小结

第4章船舶的特征提取与选择

4.1 船舶的分类

4.2 图像的特征分类

4.3 船舶特征的提取

4.3.1 船舶的几何特征描述

4.3.2 船舶矩特征提取描述

4.3.3 船舶角度比值特征的描述

4.4 船舶特征的选择

4.4.1 特征数据的分析与处理

4.4.2 特征选择

4.5 本章小结

第5章船舶类型的识别

5.1 常用的分类方法

5.2 支持向量机概念

5.2.1 线性支持向量机

5.2.2 非线性支持向量机

5.3. 支持向量机分类器的训练与测试

5.3.1 分类器的训练与测试

5.3.2 训练过程与测试过程的改进

5.4 实验结果分析

5.5 本章小结

第6章总结与展望

6.1 本文工作总结

6.2 未来工作展望

参考文献

致谢

【参考文献】