基于計(jì)算機(jī)視覺的船舶跟蹤及類型識(shí)別研究.pdf

1、當(dāng)前，由于機(jī)動(dòng)車的數(shù)量快速增長(zhǎng)，陸地交通發(fā)生了較多的交通事故和擁堵狀況，與此同時(shí)內(nèi)河航道也面臨著同樣的壓力?；陉懧方煌ü芾淼慕?jīng)驗(yàn)，在內(nèi)河管理方面上，引入智能交通管理系統(tǒng)，對(duì)保護(hù)河流生態(tài)系統(tǒng)穩(wěn)定具有重要意義，同時(shí)也能有控制水污染，保障水路交通安全。本文以中山市海事視頻監(jiān)控為研究背景，在全市建立的“海事指揮平臺(tái)”基礎(chǔ)上，在實(shí)際需要的內(nèi)河道區(qū)域進(jìn)行船舶類型識(shí)別。論文應(yīng)用計(jì)算機(jī)視覺理論和方法，對(duì)監(jiān)控視頻中出現(xiàn)的船舶進(jìn)行提取、跟蹤，然后根據(jù)提取

2、出的船舶特征進(jìn)行識(shí)別。論文的研究?jī)?nèi)容包括以下四個(gè)部分:
　　(1)船舶運(yùn)動(dòng)區(qū)域的提取。首先介紹圖像預(yù)處理內(nèi)容，包括灰度化、圖像增強(qiáng)、二值化處理，并通過實(shí)驗(yàn)進(jìn)行分析對(duì)比。然后在運(yùn)動(dòng)目標(biāo)區(qū)域提取方面，對(duì)常見的方法優(yōu)缺點(diǎn)分析，進(jìn)而進(jìn)行實(shí)驗(yàn)結(jié)果比對(duì)。
　　(2)目標(biāo)跟蹤。在目標(biāo)區(qū)域提取出來的前提下，基于顏色特征直方圖的Camshift算法，具有計(jì)算量小，實(shí)時(shí)性高的特點(diǎn)。船舶因遮擋易丟失，采用Kalman算法可以實(shí)現(xiàn)目標(biāo)估計(jì)，進(jìn)而持續(xù)

3、跟蹤，防止船舶丟失。
　　(3)特征提取。介紹常用的特征，如角點(diǎn)特征、幾何特征、直方圖統(tǒng)計(jì)特征、矩特征等，并提取特征值。通過分析數(shù)據(jù)，將矩、角度比值、幾何特征相結(jié)合作為輸入量對(duì)船舶進(jìn)行分類。
　　(4)船型識(shí)別。采用支持向量機(jī)對(duì)船舶分類，通過單特征、多特征和全部特征實(shí)驗(yàn)對(duì)比，選擇正確率高的組合。然后利用交叉驗(yàn)證思想改進(jìn)測(cè)試和訓(xùn)練過程，來提高識(shí)別率。
　　本文最后選擇單高斯建模的背景差分法提取運(yùn)動(dòng)區(qū)域，采用Camshif