發(fā)布時間：2021-03-17 21:42

  當前,由于機動車的數量快速增長,陸地交通發(fā)生了較多的交通事故和擁堵狀況,與此同時內河航道也面臨著同樣的壓力。基于陸路交通管理的經驗,在內河管理方面上,引入智能交通管理系統(tǒng),對保護河流生態(tài)系統(tǒng)穩(wěn)定具有重要意義,同時也能有控制水污染,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"基礎上,在實際需要的內河道區(qū)域進行船舶類型識別。論文應用計算機視覺理論和方法,對監(jiān)控視頻中出現(xiàn)的船舶進行提取、跟蹤,然后根據提取出的船舶特征進行識別。論文的研究內容包括以下四個部分:(1)船舶運動區(qū)域的提取。首先介紹圖像預處理內容,包括灰度化、圖像增強、二值化處理,并通過實驗進行分析對比。然后在運動目標區(qū)域提取方面,對常見的方法優(yōu)缺點分析,進而進行實驗結果比對。(2)目標跟蹤。在目標區(qū)域提取出來的前提下,基于顏色特征直方圖的Camshift算法,具有計算量小,實時性高的特點。船舶因遮擋易丟失,采用Kalman算法可以實現(xiàn)目標估計,進而持續(xù)跟蹤,防止船舶丟失。(3)特征提取。介紹常用的特征,如角點特征、幾何特征、直方圖統(tǒng)計特征、矩特征等,并提取特征值。通過分析數據,將矩、角度比值、幾何特征相結合作為輸入量對船舶進行分類。(4)船型識別。采用支持向量機對船舶分類,通過單特征、多特征和全部特征實驗對比,選擇正確率高的組合。然后利用交叉驗證思想改進測試和訓練過程,來提高識別率。本文最后選擇單高斯建模的背景差分法提取運動區(qū)域,采用Camshift和Kalman濾波相結合的方法對目標進行跟蹤,此方法能夠對目標進行有效的跟蹤。隨后選取了比例特征,矩特征,角度特征作為船舶分類的區(qū)分性;最后利用交叉驗證思想改進測試和訓練過程,證明了該思想的可行性與正確性,并取得了較高的準確率。
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前4條

1 陳剛;楊勇;;一種自適應基于紋理和顏色特征的目標跟蹤算法[J];智能計算機與應用;2013年02期

2 謝志明;黃偉瓊;黃道平;;基于輪廓曲線的角點識別方法[J];組合機床與自動化加工技術;2013年03期

3 張順淼;呂開東;;一種基于Surendra背景更新的背景減除運動目標檢測方法[J];南京工程學院學報(自然科學版);2011年02期

4 張娟;毛曉波;陳鐵軍;;運動目標跟蹤算法研究綜述[J];計算機應用研究;2009年12期

相關博士學位論文 前2條

1 劉暢;船舶自動識別系統(tǒng)（AIS）關鍵技術研究[D];大連海事大學;2013年

2 蔣良孝;樸素貝葉斯分類器及其改進算法研究[D];中國地質大學;2009年

相關碩士學位論文 前8條

1 孟祥怡;運動目標的跟蹤與識別算法研究[D];吉林大學;2014年

2 范永東;模型選擇中的交叉驗證方法綜述[D];山西大學;2013年

3 周丹鳳;視覺顯著性特征約束下的形狀骨架提取與分解研究[D];合肥工業(yè)大學;2013年

4 柴東;控制河段船舶視覺監(jiān)控與違規(guī)航行檢測方法研究[D];重慶大學;2012年

5 周靚;航道監(jiān)控中船舶的檢測與跟蹤[D];南京理工大學;2012年

6 柳圣軍;基于計算機視覺的內河航道智能監(jiān)控系統(tǒng)的研究[D];浙江工業(yè)大學;2009年

7 張超;視頻監(jiān)控中的圖像匹配和運動目標檢測[D];華中科技大學;2008年

8 張歆澍;基于內容的圖像檢索方法的研究與實現(xiàn)[D];大連理工大學;2006年

本文編號：2366050