详情

原文传递计算机视觉在实时船舶识别方法的研究与应用

论文题名：	计算机视觉在实时船舶识别方法的研究与应用
关键词：	计算机视觉;图像处理;船舶识别;神经网络;船舶自动识别系统;船舶交通管理系统
摘要：	二十世纪七十年代以来，船舶朝着大型化高速化的方向发展，船舶数量、水域交通密度及危险货物的装载量不断增加，海洋事故时有发生，严重威胁着船舶的航行安全及海洋生态环境。安全成为了航海领域中的一个重要问题。人们在长期研究船舶航行安全保障技术的过程中，逐渐认识到船舶间、船岸间相互交换信息及船舶识别的重要性。近年来，在海上值班系统和船舶交通管理系统(VTS)中，雷达、船舶自动识别系统(AIS)、ECDIS、ARPA已有所应用，其中ARPA具有避碰功能，ECDIS可以在CRT屏幕上显示本船位置的电子图，综合ECDIS也能显示由ARPA和AIS提供的信息。针对船舶跟踪，雷达系统是最佳的选择，但雷达能提供的信息有限，不能识别船舶类型，而且在雷达盲区，也失去了跟踪能力。AIS是一种新型的船舶避碰设备，与雷达目标跟踪相比，这在技术上是一次变革——它改进了船舶获取避碰信息的手段。2000年12月，IMO海上安全委员会通过了SOLAS公约新V章，其中《船用导航系统和设备装配要求》明确规定，从2002年起，300GT以上的船舶以及船舶交通管理系统(VTS)必须配备AIS。但AIS系统在一些情况下不可用，例如300GT以下的船舶有可能没有配备AIS系统，危险情况下(如海盗来袭)AIS不能启用。因此，在雷达和AIS不能使用的情况下，我们应该考虑其它的船舶识别方法，以获得目标船的信息，监视目标船等等。这就是我们研究思路的出发点。目前，计算机视觉的许多研究集中在对智能交通视频监控中，已获得了成功的应用，有效地实现了监控功能。本文首先回顾计算机视觉技术在船舶交通管理系统(VTS)中的应用，然后主要讨论基于计算机视觉的船舶识别系统。当设计计算机视觉在(海域监控领域)海上值班系统的应用时，我们可以考虑两种方法；岸台对目标船的跟踪和识别，以及船舶间的跟踪和识别。本文只考虑岸台对目标船的识别。希望把计算机视觉技术引入VTS，为船舶交通管理系统(VTS)获取船舶信息提供一些新的方法。本文应用图像处理和神经网络技术，进行船舶分类。我们的总体工作是，首先用CCD照相机获得船舶的图像，通过图像处理方法，把照片进行图像预处理，如图像获取、编码、存储和传输、图像变换、图像增、除去噪声的方法等，其目的是采用一系列技术改善图像的视觉效果。然后提取船舶图像的特征信息，如船舶的颜色信息、长度、高度、周长、边缘信息、面积等，其目的是将这些特征作为神经网络的输入，最终，应用神经网络对照片中的船舶进行分类。本文的船舶识别系统采用的是使用最广泛的BP网络，准确地说，是多层前向神经网络。该神经网络用BP算法来进行训练。本文分析了BP神经网络在船舶分类任务中的工作原理。由该神经网络将照片中的船只分为大型船、中型船、小型船三类，但不能预测船的大概DWT。我们还用真实的船舶尺寸作实验，真实的船舶尺寸取自于“Navigational Channel Side Slope & Design Ship Size”的船舶尺寸数据库。实验结果证明了该方法的有效性。当我们用真实的船舶尺寸时，我们设计的BP网仍然能识别三类，5000 DWT以下的船，10000 DWT和50000 DWT之间的船，100000 DWT以上的船。而且，我们设计的神经网络还有预测能力，如用户把某个船舶的尺寸输入到BP网络，该BP网能预测出它的大概DWT。对于船舶大小识别的任务，我们给出本方法的实验结果：绘出其实际性能分析图。当用船舶照片中的信息时，我们设计的BP网的识别率达88％，而用真实的船舶尺寸时，识别率达96％。另外，我们提出一种识别船舶类型的方法，也使用前向BP网络。在实验中，我们一共能识别出96个船舶模型。船舶图像库共有96幅船照片，其中的32幅作为学习样本，96幅作为测试样本，测试样本是学习样本中船舶原始照片和它们的一些变化，如人为添加10％、20％或30％的噪声等。经过训练，我们设计的BP网络顺利地学完了全部32个学习样本，对32个测试原照片样本的识别率达97％和对它们的噪声照片样本的平均识别率达85.7％。我们还在不同的天气情况下对拍摄船的照片进行实验，如晴天、雨天、云天、夜晚。目的是检测我们的神经网是否能容忍噪声。我们设计的识别类型网络的特点是，对系统含有不确定因素、噪声及输入模式不完备的情况不太敏感，而且能适应实时监测的要求。对于船舶类型识别任务，我们讨论分析神经网络给出的识别率和结论，并通过计算机仿真，验证基于神经网络方法的船舶类型识别。我们提供给用户一个GUI界面(图形用户界面)，进行计算机仿真的模拟实验。总之，由于各类高科技的发展，未来的VTS将以很大的信息网和高科技为依托，建设成为重要的海上管理手段，但是船舶识别仍然是VTS进行管理和服务的基础和关键所在。本文的主要研究目的是试图将计算机视觉和图像处理技术集成到VTS中，并希望获得较好的结果。通过分析传统的船舶导航设备与计算机视觉对VTS系统中的应用，比较各自的优缺点。我们认为把计算机视觉引入VTS可以与传统的船舶信息获取设备协调工作，从而达到加强VTS的功能的目的，如对船舶的监控、船舶工作模式的管理、交通管理的效率进行提高，从而减少船舶碰撞事故。
作者：	金雪丹
专业：	交通信息工程及控制
导师：	陈雁秋;施朝健
授予学位：	硕士
授予学位单位：	上海海事大学
学位年度：	2007
正文语种：	中文