發(fā)布時(shí)間：2021-09-07 11:37

　　近年來隨著我國內(nèi)河運(yùn)輸業(yè)的快速發(fā)展,船舶數(shù)量不斷增加,航行風(fēng)險(xiǎn)也隨之增大。對(duì)內(nèi)河船舶流量進(jìn)行實(shí)時(shí)有效監(jiān)控,減少船舶交通事故的發(fā)生逐漸成為海事管理部門關(guān)注的焦點(diǎn)和科研工作者研究的熱點(diǎn)。目前基于視頻圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤已經(jīng)取得了豐碩成果,但由于內(nèi)河航道環(huán)境復(fù)雜導(dǎo)致船舶流量檢測(cè)仍存在較大的發(fā)展空間。因此,基于航道監(jiān)控視頻圖像,結(jié)合計(jì)算機(jī)視覺相關(guān)算法與當(dāng)前發(fā)展迅速的深度學(xué)習(xí)方法研究一種適用的船舶流量檢測(cè)方法,對(duì)船舶航行安全管理、航道合理利用、港航實(shí)時(shí)監(jiān)控具有重要意義。本文從實(shí)際船舶流量檢測(cè)需求出發(fā),分別對(duì)船舶目標(biāo)檢測(cè)、船舶目標(biāo)跟蹤,以及基于視頻圖像的船舶分類流量檢測(cè)方法進(jìn)行研究。針對(duì)已有方法在實(shí)際應(yīng)用中的不足,提出若干優(yōu)化改進(jìn)。實(shí)驗(yàn)結(jié)果表明,本文研究方法能夠滿足實(shí)際應(yīng)用需求,能夠?qū)崿F(xiàn)高效、準(zhǔn)確的船舶流量檢測(cè)。本文主要研究工作及成果如下:（1）針對(duì)內(nèi)河船舶目標(biāo)檢測(cè)任務(wù),本文基于SSD目標(biāo)檢測(cè)算法設(shè)計(jì)了船舶目標(biāo)檢測(cè)框架。首先應(yīng)用膨脹卷積對(duì)原始SSD目標(biāo)檢測(cè)算法的最大池化下采樣層進(jìn)行了替換,增大了模型的感受野,提高了模型對(duì)實(shí)際監(jiān)控視頻圖像中面積占比較小的船舶目標(biāo)的檢測(cè)效果。然后采用輕量級(jí)網(wǎng)絡(luò)模型... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

實(shí)際監(jiān)控視頻船舶尺度膨脹卷積[30]最早被應(yīng)用于圖像分割領(lǐng)域，其主要用于解決在圖像分割過程

, , = , , （2-6） 其中， , 表示卷積核，大小為 × ； , 表示被卷積圖像； 表示卷積運(yùn)算。 對(duì)普通卷積進(jìn)行泛化操作，令 表示膨脹系數(shù)，則膨脹運(yùn)算 可用式（2-7）表示。 , , = , , （2-7） 即：普通卷積是膨脹系數(shù)為 1 的膨脹卷積。 圖 2-6 很好的解釋了膨脹卷積的操作原理。

25表2-1是聚類數(shù)值結(jié)果。表2-1船舶目標(biāo)檢測(cè)標(biāo)注數(shù)據(jù)集標(biāo)注框長(zhǎng)寬比K-means++聚類結(jié)果K-means++中心個(gè)數(shù)聚類結(jié)果4(2.460,5.543),(6.504,6.945),(15.668,7.252),(10.886,9.604)圖2-11顯示了聚類效果圖，其中橫坐標(biāo)表示船型類別數(shù)（共18類），縱坐標(biāo)表示相應(yīng)的長(zhǎng)寬比。圖2-11船舶目標(biāo)檢測(cè)標(biāo)注數(shù)據(jù)集標(biāo)注框長(zhǎng)寬比K-means++聚類效果（4中心）結(jié)合表2-1與圖2-11，本節(jié)基于實(shí)際情況按照四舍五入對(duì)結(jié)果進(jìn)行取舍，最終確定6組長(zhǎng)寬比分別為：5,6,7,8,9,10，如圖2-12所示。Layer_WLayer_Laspect_ratio={5,6,7,8,9,10}圖2-12默認(rèn)框比例優(yōu)化結(jié)果2.3船舶目標(biāo)檢測(cè)方法實(shí)驗(yàn)結(jié)果與分析鑒于當(dāng)前并未找到與我國內(nèi)河船舶目標(biāo)檢測(cè)任務(wù)相關(guān)的公開數(shù)據(jù)集，本課題特花費(fèi)大量人力物力采集并制作船舶目標(biāo)檢測(cè)標(biāo)注數(shù)據(jù)集1。本節(jié)將詳細(xì)講述該數(shù)據(jù)集的制作過程以及數(shù)量，并在之后很長(zhǎng)一段時(shí)間內(nèi)仍然會(huì)不斷擴(kuò)充該數(shù)據(jù)集，并公開為其他研究工作者服務(wù)。此外，本節(jié)將對(duì)本章所研究目標(biāo)檢測(cè)網(wǎng)絡(luò)1船舶目標(biāo)檢測(cè)標(biāo)注數(shù)據(jù)集：鏈接：https://pan.baidu.com/s/1MCe3tcNYoWDPW-FlvzneDg，提取碼：hbli

【參考文獻(xiàn)】：
期刊論文
[1]基于超像素的多特征融合的水平集輪廓跟蹤[J]. 周雪,陳科鑫,馮媛媛,鄒見效.  電子科技大學(xué)學(xué)報(bào). 2018(05)
[2]2017年我國水上交通安全形勢(shì)分析[J].   中國海事. 2018(01)
[3]基于虛擬線圈的內(nèi)河船舶流量檢測(cè)方法[J]. 穆孟超,胡釗政,李祎承.  交通信息與安全. 2017(04)
[4]從適用范圍和主尺度角度對(duì)比分析長(zhǎng)江水系和京杭運(yùn)河標(biāo)準(zhǔn)化船舶新舊主尺度系列[J]. 魏洪斌.  珠江水運(yùn). 2016(20)
[5]基于多結(jié)構(gòu)形態(tài)學(xué)的港口船舶檢測(cè)方法[J]. 石文豪,安博文.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(10)
[6]基于Camshift和SURF的目標(biāo)跟蹤系統(tǒng)[J]. 陳杏源,鄭烈心,裴海龍.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(04)
[7]基于顯著性分析的HOG快速船舶檢測(cè)方法[J]. 元海文,肖長(zhǎng)詩,文元橋,周春輝,張康賀,鄒雄.  中國航海. 2016(01)
[8]長(zhǎng)江繁忙水域船舶間距模型[J]. 侯海強(qiáng),李祎承,初秀民.  大連海事大學(xué)學(xué)報(bào). 2013(04)
[9]一種復(fù)雜海天背景下的紅外艦船目標(biāo)自動(dòng)檢測(cè)方法[J]. 王鵬,呂高杰,龔俊斌,田金文.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2011(12)
[10]內(nèi)河航道通過能力計(jì)算方法研究[J]. 董宇,姜曄,何良德.  水運(yùn)工程. 2007(01)

博士論文
[1]基于區(qū)域特征的目標(biāo)跟蹤算法研究[D]. 劉晴.北京理工大學(xué) 2014

碩士論文
[1]基于視頻處理的道路交通流跟蹤統(tǒng)計(jì)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 牛嘉郡.電子科技大學(xué) 2018
[2]基于視覺的交通車流量統(tǒng)計(jì)[D]. 黃霞.湘潭大學(xué) 2016
[3]基于特征信息提取的船舶檢測(cè)與跟蹤方法研究[D]. 安婷.華北電力大學(xué) 2015
[4]基于視頻的車輛運(yùn)動(dòng)檢測(cè)和流量統(tǒng)計(jì)算法研究[D]. 喬鵬.國防科學(xué)技術(shù)大學(xué) 2013



本文編號(hào)：3389474