基于視覺(jué)的內(nèi)河重點(diǎn)水域船舶跟蹤算法研究.pdf

1、實(shí)現(xiàn)對(duì)在航船舶的實(shí)時(shí)動(dòng)態(tài)跟蹤是內(nèi)河航運(yùn)安全監(jiān)管系統(tǒng)的核心要素。在現(xiàn)有內(nèi)河船舶動(dòng)態(tài)監(jiān)控系統(tǒng)中，由于AIS系統(tǒng)、雷達(dá)系統(tǒng)存在各自明顯的局限性，再加上CCTV系統(tǒng)簡(jiǎn)單直觀、投資性價(jià)比高的突出特點(diǎn)，使得基于視覺(jué)技術(shù)的內(nèi)河船舶動(dòng)態(tài)監(jiān)控成為內(nèi)河航運(yùn)監(jiān)管的發(fā)展趨勢(shì)，是亟需解決的重大課題。但是由于該領(lǐng)域客觀的特殊性，相關(guān)研究仍然處于初級(jí)探索階段。本文的研究?jī)?nèi)容定位于探索適合對(duì)內(nèi)河CCTV系統(tǒng)覆蓋的重點(diǎn)水域的在航船舶實(shí)現(xiàn)準(zhǔn)確、魯棒、實(shí)時(shí)的視覺(jué)跟蹤系統(tǒng)，研

2、究成果對(duì)實(shí)現(xiàn)內(nèi)河航運(yùn)安全監(jiān)管具有重要的學(xué)術(shù)及應(yīng)用價(jià)值。本文主要研究工作概括如下：
　　(1)隨機(jī)投影跟蹤算法理論分析及實(shí)驗(yàn)對(duì)比研究。從原始信號(hào)屬性、隨機(jī)觀測(cè)矩陣、低維特征選擇等角度對(duì)50多種隨機(jī)投影類跟蹤算法進(jìn)行系統(tǒng)地、全方位地理論分析研究，深度挖掘各種隨機(jī)投影類跟蹤算法的優(yōu)缺點(diǎn)及適用范圍；選擇10種最具代表性的隨機(jī)投影跟蹤算法在內(nèi)河船舶跟蹤數(shù)據(jù)庫(kù)中進(jìn)行大規(guī)模實(shí)驗(yàn)對(duì)比研究，研究結(jié)論既為本文后續(xù)研究提供了方向指南，也為相關(guān)領(lǐng)域研究者

3、提供了借鑒及指導(dǎo)意義。
　　(2)提出了一種正交粒子濾波低秩約束隨機(jī)投影內(nèi)河船舶跟蹤算法。設(shè)計(jì)的船舶動(dòng)態(tài)模型通過(guò)對(duì)相鄰時(shí)間段船舶運(yùn)動(dòng)狀態(tài)的差分實(shí)現(xiàn)對(duì)船舶狀態(tài)變化速度的有效預(yù)測(cè)；提出正交粒子采樣策略，利用正交實(shí)驗(yàn)構(gòu)造正交粒子數(shù)組實(shí)現(xiàn)對(duì)粒子有效重組和優(yōu)化選擇，顯著提升粒子的有效性、代表性及多樣性；采用輪廓和顏色特征融合策略實(shí)現(xiàn)對(duì)目標(biāo)船舶的魯棒表達(dá)；提出的隨機(jī)觀測(cè)矩陣能夠根據(jù)目標(biāo)船舶不同的初始化尺度大小而自適應(yīng)改變；提出的低秩約束隨機(jī)投

4、影判別模型能夠有效降低對(duì)數(shù)據(jù)先驗(yàn)分布假設(shè)的依賴，使算法性能更加穩(wěn)定。
　　(3)提出了一種跟蹤檢測(cè)協(xié)同的內(nèi)河船舶跟蹤算法。跟蹤模塊、檢測(cè)模塊協(xié)同執(zhí)行，目標(biāo)船舶的最終位置由跟蹤模塊、檢測(cè)模塊的輸出共同決定。根據(jù)目標(biāo)船舶運(yùn)動(dòng)過(guò)程中經(jīng)歷干擾的程度自適應(yīng)地調(diào)整檢測(cè)搜索范圍，提出的低秩約束隨機(jī)投影分類器簡(jiǎn)單有效，判別性高，能夠顯著提升級(jí)聯(lián)檢測(cè)器對(duì)目標(biāo)船舶定位的準(zhǔn)確性。
　　(4)內(nèi)河船舶跟蹤標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)的建立及內(nèi)河船舶跟蹤算法在線實(shí)驗(yàn)平