可见光视频图像中的船舶目标自适应检测

为降低海事监控视频图像背景中运动物体引起的杂波和噪声对船舶目标检测的影响,根据采集的可见光视频图像特性,提出一种海天背景下船舶目标自适应检测算法。将待检测图像进行预处理,使用自适应中值滤波和均值漂移(mean-shift)滤波对图像进行滤波去噪。采用密度峰聚类对传统K均值聚类算法进行改进,自适应确定初始聚类中心及其数量。对海面船舶进行自适应聚类分割。仿真实验显示:该算法的检测准确率为90.3%,验证了其准确性和可靠性;单帧视频图像的船舶目标检测用时可控制在100 ms以内,满足实时检测的要求。结果表明:该算法可以实现海天背景下船舶目标的准确、快速检测,为海上船舶目标跟踪奠定了可靠的基础。     

船舶航行环境可视化仿真

为制定大型船舶和危险品船舶的监管方案,提高海事管理部门应对各种危险情况的能力,降低实际训练的成本和风险,采用虚拟现实技术构建船舶航行环境仿真系统.该系统利用ArcGIS和Creator等可视化建模软件建立三维地形和船舶、航标等三维实体,以Vega管理三维场景,模拟雾、白天、黑夜等自然现象.系统在湄洲湾LNG船舶监管方案设计中得到实际应用,为LNG船舶监管方案的设计和优化提供辅助和支持.     

基于图像处理的船舶水尺刻度识别

为克服传统船舶水尺刻度识别方法的不足,提出一种基于图像处理的自动识别方法.首先对船舶水尺图像进行二值化等预处理,采用结构特征提取算法检测图像中船舶水尺刻度的三叉点特征.三叉点特征从细化处理后的图像上提取,是图像中多个彼此相邻的同类特征点的集合.利用三叉点的位置特征构造图像的特征模板;利用模板匹配方法实现船舶水尺刻度的自动识别.该方法可有效解决采集的船舶水尺数字图像与特征模板尺寸不一致的问题.     

湄洲湾LNG船监管方案仿真系统设计与实现

为保障液化天然气(Liquefied Natural Gas, LNG)船舶的航行安全,利用地理信息系统(Geographical Information System,GIS)、虚拟现实(Virtual Reality,VR)等技术构建LNG船舶监管方案仿真系统.系统首先利用ARCGIS和PCI软件进行数字高程模型(Digital Elevation Model,DEM)和数字正射影像(Digital Orthograph Model,DOM)处理,建立湄洲湾水域基础地形数据;然后处理水利工程、码头和建筑物等地类数据;数据经过优化后,选用Mutigen Creator三维建模工具创建湄洲湾三维场景.在三维场景中,集成水文气象、船舶、助航设施和码头等数据以及监管方案,实现各类数据在三维仿真系统中的实时关联.场景驱动采用VEGA 3.7平台开发,实现三维场景中的漫游和查询、航行过程的记录和回放、监管方案的演练和报警等功能.海事监管部门可在系统中制定和演练LNG船舶监管方案,根据模拟演练对监管方案进行调整和优化.实际应用表明,对LNG船舶的监管和仿真效果基本一致,该方案可为LNG船舶监管提供科学的辅助和支持.     

内河观光船撞桥风险评估及应用

为提高内河观光船航行安全性,降低撞桥灾难性事故发生的风险水平,基于AASHTO模型进行船撞桥概率预报,分析撞击力对船首结构安全和船舶大倾角稳性的影响,提出船撞桥风险评估方法.应用该方法对某内河观光船撞桥风险进行评估,并讨论船速和桥墩防撞装置变形系数对船首结构安全和船舶大倾角稳性的影响.结果表明:船舶通过桥区水域时,若适当降低航速,可避免由撞桥导致的船舶倾覆事故的发生;增设弹性或柔性防撞装置,增加防撞装置变形系数,可减少船舶结构损坏程度,避免船舶倾覆.评估方法合理,结论可供内河观光船安全航行参考.     

一种基于图像处理的船舶水尺标志识别方法

为解决传统水尺计重(目测水尺)主观性强、效率低等问题,提出一种基于图像处理的船舶水尺标志自动识别方法。对待识别的目标图像进行纵向颜色梯度处理,辨明水线;基于标准水尺标志样本图像,目标图像经二值化处理后与样本图像进行匹配;根据计算公式自动求取船舶吃水值。试验结果表明,该方法是有效的。     

船舶事故预防的规范化安全评估与航海模拟器的应用

在简要介绍规范化安全评估(FSA)方法的目的、特点和具体实施步骤的基础上,结合船舶海事调查、分析和预防的实际需要,归纳目前国内外FSA方法在预防船舶事故中的应用现状与发展情况,并着重就使用航海模拟器进行船舶驾驶人员海上船舶避让操作中人为因素研究的一些内容与结果及它们与FSA之间的关系进行分析与论述,最后对我国进一步开展FSA在船舶事故预防中的应用提出了一些建议。     

基于改进A*算法的内河水网航线规划及应用

为避免船舶搁浅、撞桥等事故的发生,研究针对复杂内河水网的航线规划算法及其应用模式。根据航道通航条件,设计内河水网的有向拓扑网络,并从添加航道约束条件、优化代价函数和估价函数三个方面对A^*算法进行改进,实现针对不同船舶参数的最优航线规划。结合船舶助航APP研究航线规划算法的应用方法,并以东莞水系为场景进行算法测试。结果表明,改进的A^*算法能够很好地应用于内河水网的航线规划,而且可在手机移动终端高效运行。研究的航线规划算法和应用模式对保障复杂水网的船舶航行安全具有重要的意义。     

船舶事故时空特征及致因关联规则挖掘方法

为准确掌握洋山水域船舶事故特征,提高通航安全和减少船舶事故的发生,选取2016—2020年洋山水域船舶事故数据,采用关联规则对事故特征进行时空挖掘,构建关联规则网络图,基于Apriori算法挖掘洋山水域特定通航环境下的事故潜在风险因素。结果表明：洋山水域船舶事故多发生于南支航道延伸段、漕泾东支线航道等水域;500总吨以下船舶与事故关联程度较高;易在大潮汛期间发生自沉、碰撞等事故;春冬两季为事故潜在高发时段。依据上述结果,给出针对性的管理建议,为洋山水域海事管理机构更有效实施现场监管、保障船舶通航安全提供参考。     

基于显著性的SAR图像船舶目标检测方法

船舶检测是SAR海洋应用的重要方面。提出一种通用的检测方法，用以检测不同状况下的SAR图像船舶目标。首先将SAR图像分解为金字塔图像序列，然后对其中每一层图像使用谱残差法进行显著性检测，得到包含船舶目标的显著性子图；而后融合各子图得到最终显著图，对该显著图应用优化阈值的分割方法得到最终的检测结果。SAR数据实验结果表明，该方法具有复杂度低、检测精度高等特点，且极大降低了对先验知识的依赖。     

航拍图像海上目标定位算法

针对海上巡航监管、搜寻救助亟待解决的航拍图像目标定位问题,提出一种基于航拍图像的海上目标定位算法.通过分析航拍图像上的像点与空间物标点的对应关系,建立摄像机中心、图像上的像点、海上目标3者之间几何关系模型,研究一种利用航拍图像对海上目标进行定位的算法.实测结果表明:该算法定位精度可以满足巡航监管、搜寻救助对海上目标定位...     

多算法结合的船舶交通流框架提取

为提高船舶进出交通流密集区域的安全性、解决数据挖掘不充分的问题,基于AIS数据,将多种算法相结合,提出一种多元化的船舶交通流框架提取方法。利用Douglas-Peucker压缩算法和航迹交会算法分别提取交通流中的船舶转向点和航迹交会点。利用密度聚类算法对包括船位点在内的3种特征点进行数据挖掘,提取出更有代表性的特征点。将3种特征点进行加权融合,得到新的多元特征点,以点的大小表示其重要程度,最终生成某水域的船舶交通流框架。实验结果表明,通过以上方法能够获得老铁山水道附近水域船舶交通流框架。该框架融合了多种航迹特征点,能够显示附近水域的重要航迹分布,充分体现船舶交通流的总体态势和密集区域;该框架从统计学角度凝结了该水域船舶行驶的习惯航线,这些航线具有较好的适航度,既可用于航路规划,还能为海事部门选取推荐航道提供参考。     

船舶虚拟漫游

为实现船舶的虚拟漫游,基于图形、图像的建模和绘制在虚拟造船以及船舶漫游上的应用特点、方法和模式,通过运用Creator和Vega软件,并集成其他船舶设计软件的数字化数据应用于船舶设计,采用混合建模方法在大场景中实现局部的绘制和交互.该方法利用游戏引擎设计的场景,实现多人在同一平台上互动;通过模拟船舶的各种命令,使轮机部船员和驾驶台船员的协调训练获得虚拟实现.该方法可为船用设备的交互动作提供工作空间的直接数据,为船舶设计的优化提供视觉上的判断.     

基于粗糙集的海事事故影响因素分析

为定量分析海事事故的影响因素,从最新国内外168份海事事故报告中选择100份事故报告作为研究样本,运用粗糙集理论从人、船、环境的角度研究事故类型、事故发生时间、船旗国、吨位、船型、船龄、气象、人为因素等与事故等级之间的重要性隶属度关系.该方法可挖掘船舶海事事故中人、船及环境因素的深层次影响及关联程度,所得结论具有一定的普遍性,可克服主观影响,为海事监管部门和航运企业避免海事事故的发生提供参考,对提高航运安全管理、减少海事事故的发生具有重要作用.     

基于回归深度卷积网络的船舶图像与视频检测

为解决船舶图像与视频检测算法识别率低、实时性差的问题,提出基于回归深度卷积网络的船舶图像与视频检测方法。结合YOLOv2特征提取层和YOLOv3的特征金字塔网络(feature pyramid network, FPN)层思想设计新的网络结构,验证不同激活函数效果,采用聚类算法设计锚框大小。实验表明,相比于YOLO系列网络,本文的方法在船舶图像与视频检测中效果更好,在测试集上平均精度均值为0.920 9,召回率为0.981 8,平均交并比为0.799 1,在视频检测中每秒钟检测的帧数为78～80。为港口船舶智能管理和无人船视觉处理提供一种准确度高和实时性好的船舶检测方法。     

一种基于DBSCAN的船舶会遇实时识别方法

针对海上交通监控中船舶数量众多,且对具有潜在碰撞危险的船舶识别效率不高的问题,提出一种基于DBSCAN(带噪声的基于密度的空间聚类)的船舶会遇实时识别方法。根据海上交通风险监控的研究需求,分析船舶会遇局面的定义。运用墨卡托算法计算船舶之间的距离,采用DBSCAN算法进行船舶会遇聚类识别。基于浙江舟山群岛西南海域航行船舶的AIS数据,对设置不同船舶会遇距离的试验结果进行比较分析,结果表明:当船舶会遇距离为1 n mile时,可以将56艘船划分为7个会遇船舶类,占船舶总数的32.1%,每个会遇船舶类包括2~3艘船。将该方法运用到实际海上交通监控中,可对每个会遇船舶类中的船舶航行动态进行重点关注,降低海上交通监控人员的工作负担,提高海上交通监控的效率。