隨著網(wǎng)絡(luò)和計(jì)算機(jī)技術(shù)的飛速發(fā)展,內(nèi)河航道信息化成為航運(yùn)安全監(jiān)管的一種有效途徑,航運(yùn)視頻監(jiān)控系統(tǒng)在海事監(jiān)管中發(fā)揮著越來(lái)越重要的作用。為了進(jìn)一步提高航運(yùn)視頻監(jiān)控的智能化水平,本書(shū)重點(diǎn)研究了基于視覺(jué)的內(nèi)河船舶動(dòng)態(tài)跟蹤算法。為了使讀者系統(tǒng)地了解船舶動(dòng)態(tài)跟蹤領(lǐng)域的理論及算法,本書(shū)分析了船舶動(dòng)態(tài)跟蹤的國(guó)內(nèi)外研究現(xiàn)狀,討論了內(nèi)河船舶跟蹤的特點(diǎn)和難點(diǎn),詳細(xì)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(chǎng)景下船舶跟蹤系統(tǒng)的算法設(shè)計(jì)的全部研究成果。
本書(shū)的特點(diǎn)是將算法理論分析和仿真實(shí)驗(yàn)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(wèn)題以及解決問(wèn)題的方向。內(nèi)容涉及到信息處理、計(jì)算機(jī)視覺(jué)、智能視頻監(jiān)控等領(lǐng)域。本書(shū)
電子巡航系統(tǒng)通過(guò)高度整合傳統(tǒng)的船舶交通管理系統(tǒng)(VTS)、船舶自動(dòng)識(shí)別系統(tǒng)(AIS)、無(wú)線甚高頻(VHF)、閉路電視監(jiān)控系統(tǒng)(CCTV)等先進(jìn)監(jiān)管手段,建立了對(duì)船舶實(shí)施動(dòng)態(tài)跟蹤,對(duì)通航秩序進(jìn)行動(dòng)態(tài)管理,對(duì)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(tái)。其具有巡航密度高、工作強(qiáng)度小、反應(yīng)能力強(qiáng)的特點(diǎn),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(xiǎn)情的發(fā)生。"十一五"期間,長(zhǎng)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(diǎn)水域、重點(diǎn)港區(qū)、承點(diǎn)橋區(qū)等紛紛布局了電子巡航系統(tǒng).實(shí)時(shí)監(jiān)控船舶航行、停泊及作業(yè)秩序,實(shí)現(xiàn)對(duì)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(guó)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(chǎng)景觀察、記錄的工具,操控復(fù)雜.不能自動(dòng)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(xiǎn)情信息。而且隨著監(jiān)控點(diǎn)的不斷增多,一般都有幾十只甚至更多的攝像機(jī)在同時(shí)工作,有著海量的視頻監(jiān)控信息需要進(jìn)行檢索,僅靠人力顯然已經(jīng)無(wú)法滿足實(shí)際需求。同時(shí),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(wú)法自動(dòng)識(shí)別船舶,不能實(shí)現(xiàn)船舶流量門(mén)動(dòng)統(tǒng)計(jì)的功能,更無(wú)法實(shí)現(xiàn)對(duì)重點(diǎn)船舶或嚴(yán)管航段船舶的軌跡進(jìn)行自動(dòng)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(jī)視覺(jué)應(yīng)用不斷成熟和擴(kuò)大,研究?jī)?nèi)河航運(yùn)視頻智能分析成為重要的研究方向。本課題組在國(guó)家自然科學(xué)基金項(xiàng)目的支持下,專門(mén)針對(duì)內(nèi)河航運(yùn)視頻監(jiān)控系統(tǒng)的船舶視覺(jué)檢測(cè)和跟蹤技術(shù)進(jìn)行了深入的研究,將研究成果撰寫(xiě)成《內(nèi)河航運(yùn)巾運(yùn)動(dòng)船舶視覺(jué)榆測(cè)算法》和《內(nèi)河航運(yùn)船舶視覺(jué)跟蹤算法》兩本著作。
《內(nèi)河航運(yùn)船舶視覺(jué)跟蹤算法》這本著作共8章,專門(mén)針對(duì)內(nèi)河環(huán)境,從船舶特征和船舶運(yùn)動(dòng)特性人手,研究經(jīng)典和熱門(mén)的跟蹤算法在內(nèi)河航運(yùn)中的應(yīng)用,經(jīng)過(guò)算法的理論分析和大量的對(duì)比試驗(yàn)分析,提出了適合于內(nèi)河航運(yùn)的船舶視覺(jué)跟蹤算法。本書(shū)從理論和實(shí)驗(yàn)兩個(gè)方面詳細(xì)介紹了5種典型的視覺(jué)跟蹤算法,既是一本研究?jī)?nèi)河船舶視覺(jué)跟蹤算法的專門(mén)著作,也是計(jì)算機(jī)視覺(jué)方向的讀者學(xué)習(xí)視覺(jué)跟蹤算法的參考書(shū)。
1 概論
1.1 引言
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 內(nèi)河船舶視覺(jué)跟蹤研究現(xiàn)狀分析
1.2.2 視覺(jué)跟蹤算法現(xiàn)狀分析
1.3 內(nèi)河船舶視覺(jué)跟蹤系統(tǒng)分析
1.3.1 內(nèi)河船舶視覺(jué)跟蹤系統(tǒng)的特點(diǎn)
1.3.2 內(nèi)河船舶視覺(jué)跟蹤難點(diǎn)
1.3.3 內(nèi)河船舶視覺(jué)跟蹤算法性能評(píng)價(jià)指標(biāo)
1.4 內(nèi)河船舶視覺(jué)跟蹤標(biāo)準(zhǔn)庫(kù)建設(shè)
1.4.1 標(biāo)準(zhǔn)庫(kù)建設(shè)的必要性
1.4.2 標(biāo)準(zhǔn)庫(kù)內(nèi)容分析
本章參考文獻(xiàn)
2 基于濾波理論的內(nèi)河船舶視覺(jué)跟蹤
2.1 Kalman濾波器
2.2 粒子濾波理論
2.2.1 貝葉斯估計(jì)
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(shí)驗(yàn)及算法分析
2.5.1 基于卡爾曼濾波的船舶跟蹤實(shí)驗(yàn)及分析
2.5.2 基于粒子濾波的船舶跟蹤實(shí)驗(yàn)及分析
本章參考文獻(xiàn)
3 Mean Shift內(nèi)河船舶跟蹤算法
3.1 基本Mean Shift算法
3.2 擴(kuò)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(jì)步驟
3.4.4 算法分析
本章參考文獻(xiàn)
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(yùn)動(dòng)模型
4.1.3 外觀模型
4.2 算法分析
本章參考文獻(xiàn)
5 隨機(jī)投影內(nèi)河船舶跟蹤算法
5.1 隨機(jī)投影理論
5.2 算法原理
5.3 算法分析
5.3.1 原始信號(hào)屬性
j.3 2 隨機(jī)觀測(cè)矩陣
5 3.3 尺度跟蹤
5.3.4 遮擋跟蹤
本章參考文獻(xiàn)
6 正交粒子濾波低秩約束隨機(jī)投影內(nèi)河船舶跟蹤算法
6.1 貝葉斯?fàn)顟B(tài)估計(jì)
6.2 狀態(tài)轉(zhuǎn)移密度設(shè)計(jì)
6.3 建議分布選擇
6.4 正交實(shí)驗(yàn)原理
6.5 正交實(shí)驗(yàn)設(shè)計(jì)
6.6 正交粒子濾波
6.7 觀測(cè)似然概率密度設(shè)計(jì)
6.7.1 隨機(jī)觀測(cè)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(xiàn)
7 跟蹤檢測(cè)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(cè)模塊
7.1.3 位置估計(jì)
7.1.4 學(xué)習(xí)模塊
7.2 算法分析
本章參考文獻(xiàn)
8 實(shí)驗(yàn)對(duì)比及分析
8.1 參數(shù)設(shè)置
8.2 評(píng)價(jià)指標(biāo)
8.3 定性實(shí)驗(yàn)結(jié)果及分析
8.4 定量實(shí)驗(yàn)結(jié)果及分析