导读:本文包含了船舶跟踪和识别论文开题报告文献综述及选题提纲参考文献，主要关键词:船舶自动识别系统,机器视觉,噪声过滤,VHF
船舶跟踪和识别论文文献综述
华旭奋,赵勇[1]（2019）在《船舶自动识别系统中视觉跟踪控制研究》一文中研究指出船舶自动识别系统AIS诞生于20世纪90年代,最初是由舰船、飞机的敌我侦察系统发展而来的,船舶自动识别系统不论在军事领域还是民用领域都具有非常广泛的应用,包括船舶定位和导航、船舶通信、渔业生产管理等。船舶自动识别系统主要由海岸基站、VHF通信器和船载基站等组成,目前,在船舶的障碍避让、船岸通信、海上交通管理等方面发挥着必不可少的作用。本文针对传统的船舶自动识别系统,将机器视觉跟踪技术应用于船舶的识别和侦察过程中,并对该系统的噪声过滤等问题进行研究,大幅提高了AIS系统的船舶识别效率,具有重要的意义。(本文来源于《舰船科学技术》期刊2019年10期）
刘博,王胜正,赵建森,李明峰[2]（2019）在《基于Darknet网络和YOLOv3算法的船舶跟踪识别》一文中研究指出针对我国沿海与内陆水域区域视频监控处理存在实际利用率低、误差率大、无识别能力、需人工参与等问题,提出基于Darknet网络模型结合YOLOv3算法的船舶跟踪识别方法实现船舶的跟踪并实时检测识别船舶类型,解决了重要监测水域船舶跟踪与识别问题。该方法提出的Darknet网络引入了残差网络的思想,采用跨层跳跃连接方式以增加网络深度,构建船舶深度特征矩阵提取高级船舶特征进行组合学习,得到船舶特征图。在此基础上,引入YOLOv3算法实现基于图像的全局信息进行目标预测,将目标区域预测和目标类别预测整合于单个神经网络模型中。加入惩罚机制来提高帧序列间的船舶特征差异。通过逻辑回归层作二分类预测,实现在准确率较高的情况下快速进行目标跟踪与识别。实验结果表明,提出的算法在30 frame/s的情况下,平均识别精度达到89.5%,与传统以及深度学习算法相比,不仅具有更好的实时性、准确性,对各种环境变化具有较好的鲁棒性,而且可以识别多种船舶的类型及其重要部位。(本文来源于《计算机应用》期刊2019年06期）
吴南[3]（2017）在《基于HOG特征的船舶识别跟踪算法》一文中研究指出在水路交通中,航行船舶类型日益多样化,船舶航行轨迹日益复杂化。监控船舶活动需要对船舶目标做到实时的跟踪,还要能够识别船舶目标,而传统的船舶视频目标跟踪方法存在跟踪计算时耗大、跟踪准确率有限、缺少识别能力等缺陷,这对于有效及时的指挥调度船舶带来了困难。因此有必要设计一种实时、误差率小、具有识别能力的船舶目标跟踪算法。本文的研究包括目标的特征提取、分类识别、跟踪叁个方面。在目标特征提取方面,通过对各种图像特征的优缺点对比,本论文选定提取船舶目标的HOG特征以减少水域环境中其他干扰背景对船舶识别的影响。在目标分类识别方面,SVM模型对目标的原始HOG特征有一定的分类识别能力,但并不是所有的目标HOG特征位包含的都为有效特征,其中掺杂了噪声存在着冗余,并且模型复杂过高,因此本论文引进序列前向选取法对原始的船舶目标HOG特征进行了降噪和特征再选取。但是由于在处理训练样本数据集的时候采取的是交叉验证方法,并且序列前向选取法存在只能加入不能去除特征的缺陷,因此由其选取的最优特征具有不确定性并且关联性强。针对上述缺陷,在序列前向选取法的基础上,本文提出了一种特征位得分系统从而挑选出了船舶HOG特征中的最优特征位。在目标跟踪方面,本论文引进STC算法来对船舶目标进行定位。虽然STC跟踪算法计算速度快并且跟踪准确率高,但是当目标被遮挡时,会发生跟踪目标跳变的情况。本论文通过模板匹配算法对跟踪目标进行检测,改善了 STC的这一缺陷,从而提升了其跟踪性能。实验证实,本文船舶识别与跟踪算法能够实时、稳定且准确地识别跟踪船舶目标。(本文来源于《大连海事大学》期刊2017-05-01）
杨高星[4]（2017）在《基于计算机视觉的船舶跟踪及类型识别研究》一文中研究指出当前,由于机动车的数量快速增长,陆地交通发生了较多的交通事故和拥堵状况,与此同时内河航道也面临着同样的压力。基于陆路交通管理的经验,在内河管理方面上,引入智能交通管理系统,对保护河流生态系统稳定具有重要意义,同时也能有控制水污染,保障水路交通安全。本文以中山市海事视频监控为研究背景,在全市建立的"海事指挥平台"基础上,在实际需要的内河道区域进行船舶类型识别。论文应用计算机视觉理论和方法,对监控视频中出现的船舶进行提取、跟踪,然后根据提取出的船舶特征进行识别。论文的研究内容包括以下四个部分:(1)船舶运动区域的提取。首先介绍图像预处理内容,包括灰度化、图像增强、二值化处理,并通过实验进行分析对比。然后在运动目标区域提取方面,对常见的方法优缺点分析,进而进行实验结果比对。(2)目标跟踪。在目标区域提取出来的前提下,基于颜色特征直方图的Camshift算法,具有计算量小,实时性高的特点。船舶因遮挡易丢失,采用Kalman算法可以实现目标估计,进而持续跟踪,防止船舶丢失。(3)特征提取。介绍常用的特征,如角点特征、几何特征、直方图统计特征、矩特征等,并提取特征值。通过分析数据,将矩、角度比值、几何特征相结合作为输入量对船舶进行分类。(4)船型识别。采用支持向量机对船舶分类,通过单特征、多特征和全部特征实验对比,选择正确率高的组合。然后利用交叉验证思想改进测试和训练过程,来提高识别率。本文最后选择单高斯建模的背景差分法提取运动区域,采用Camshift和Kalman滤波相结合的方法对目标进行跟踪,此方法能够对目标进行有效的跟踪。随后选取了比例特征,矩特征,角度特征作为船舶分类的区分性;最后利用交叉验证思想改进测试和训练过程,证明了该思想的可行性与正确性,并取得了较高的准确率。(本文来源于《大连海事大学》期刊2017-01-01）
杨建姣,齐迹,朱凤武[5]（2016）在《船舶远程识别跟踪系统研究》一文中研究指出文章根据船舶远程识别系统在信息的覆盖面积、保密性和准确性等方面的要求,对该系统与我国AIS系统和船舶报告系统进行了对比与分析;将AIS和LRIT结合,建立了基于AIS的船舶远程识别跟踪模型,用于船舶的通航安全研究;最后探讨了该系统在我国海事领域的应用。(本文来源于《天津航海》期刊2016年02期）
杨建姣,齐迹,刘传金,朱凤武[6]（2016）在《船舶远程识别跟踪系统研究》一文中研究指出船舶远程识别跟踪系统(LRIT)在航行船舶中得到了广泛的安装与应用,基于信息的覆盖面积、保密性和准确性等方面,对我国AIS系统、船舶报告系统和LRIT进行了对比与分析;通过AIS和LRIT的结合,建立了基于AIS的船舶远程识别跟踪模型,用于船舶的通航安全研究;最后探讨了LRIT在我国海事领域的应用。(本文来源于《安徽电子信息职业技术学院学报》期刊2016年03期）
孙延泽,陈星森[7]（2015）在《船舶远程识别与跟踪系统的发展及趋势探讨》一文中研究指出SOLAS公约LRIT条款生效、系统运行以来,包括我国在内的各缔约国,在平稳开展LRIT业务的同时存有一些热点议题,其未来发展方向已初露端倪。介绍LRIT系统的发展及我国LRIT系统的现状,并结合对LRIT发展趋势的分析,提出我国后续的工作建议。(本文来源于《中国航海科技优秀论文集（2014）》期刊2015-09-01）
朱城和[8]（2012）在《基于图像序列水上运动船舶识别跟踪技术研究》一文中研究指出视频图像目标识别跟踪是计算机视觉的核心技术之一，广泛应用在许多智能控制行业。而水上运动船舶检测、识别与跟踪技术在海上安防、管理、调度等方面有着重要的用途。实现水上运动船舶的自动检测、识别和跟踪对于统计水面船舶信息、防止船舶相碰具有重要意义。本文主要研究水上运动船舶识别与跟踪技术。首先概述了水上运动目标检测和跟踪的研究现状；对目前图像预处理技术进行了简要的概述；采用了基于灰度区间分布模型的目标检测方法；利用HU不变特征矩作为图像的特征提取方法，选择SVM分类器达到识别效果；采用均值偏移以及粒子滤波跟踪算法实现对运动船舶的跟踪，并验证了方法的有效性。本文的主要研究工作内容包括以下几点：1.在深入研究了现有的视觉区间模型后，本文采用了一种基于灰度区间模型方法来检测图像序列中的船舶目标。利用背景更新方法抽取背景，通过阈值分割和背景扰动去除、形态学去噪等图像处理后快速提取出显着感兴趣的运动目标，为船舶目标的识别提供了良好的基础。2.在目标检测的基础上，本文深入研究了模式识别中诸如形状等目标特征。然后在模板匹配达不到理想情况下，采用不变矩提取目标的形状特征信息，归一化后组成模板信息库并训练目标模板特征。最终将待识别船舶目标特征输入SVM中，快速输出船舶目标类型，从而实现对船舶精确识别。3.对MeanShift方法和粒子滤波方法进行了深入的研究，并将其应用于水上船舶跟踪系统中。针对传统的卡尔曼滤波等在复杂场景中无法有效的跟踪运动目标，采用MeanShift方法和粒子滤波方法实现了遮挡情况下的船舶目标跟踪，并分析了两种方法在跟踪误差、处理时间等方面的优势。这样在达到相对效果的同时，提高船舶跟踪的实时性和鲁棒性。(本文来源于《江西理工大学》期刊2012-12-29）
靳智,梁山,曹芳平[9]（2011）在《基于自动识别系统的长江控制河段船舶视觉伺服跟踪方法》一文中研究指出针对狭窄弯曲的控制河段目标船舶跟踪监视难度大,直接采用现有海事视频跟踪监视方法存在跟踪滞后、对准误差,乃至目标丢失的问题,提出了采用船舶自动识别系统(AIS)与多个云台摄像机联动的方式对控制河段船舶进行主动跟踪监视。云台摄像机根据目标船舶的经纬度进行初始对准;同时结合船舶航速、航向进行动态预测跟踪以平滑图像并消除跟踪滞后;进一步运用目标船舶图像识别进行误差校正,以保证目标船舶始终处于最佳监视区域。仿真结果表明,该算法可对目标船舶进行连续、动态跟踪,实时性好,准确性高。(本文来源于《计算机应用》期刊2011年12期）
左秋荣,武志谦[10]（2011）在《船舶远程识别与跟踪系统》一文中研究指出随着国际恐怖组织日益猖獗,航运安全问题变的尤为突出。为了增强对船舶的识别能力,国际上建议组建船舶远程识别与跟踪系统(LRIT)。LRIT系统是利用全球卫星通信系统(GMDSS)将船舶信息传送给各LRIT数据中心或区域数据中心从而实现对船舶的实时跟踪。(本文来源于《中外船舶科技》期刊2011年03期）
船舶跟踪和识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对我国沿海与内陆水域区域视频监控处理存在实际利用率低、误差率大、无识别能力、需人工参与等问题,提出基于Darknet网络模型结合YOLOv3算法的船舶跟踪识别方法实现船舶的跟踪并实时检测识别船舶类型,解决了重要监测水域船舶跟踪与识别问题。该方法提出的Darknet网络引入了残差网络的思想,采用跨层跳跃连接方式以增加网络深度,构建船舶深度特征矩阵提取高级船舶特征进行组合学习,得到船舶特征图。在此基础上,引入YOLOv3算法实现基于图像的全局信息进行目标预测,将目标区域预测和目标类别预测整合于单个神经网络模型中。加入惩罚机制来提高帧序列间的船舶特征差异。通过逻辑回归层作二分类预测,实现在准确率较高的情况下快速进行目标跟踪与识别。实验结果表明,提出的算法在30 frame/s的情况下,平均识别精度达到89.5%,与传统以及深度学习算法相比,不仅具有更好的实时性、准确性,对各种环境变化具有较好的鲁棒性,而且可以识别多种船舶的类型及其重要部位。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
船舶跟踪和识别论文参考文献
[1].华旭奋,赵勇.船舶自动识别系统中视觉跟踪控制研究[J].舰船科学技术.2019
[2].刘博,王胜正,赵建森,李明峰.基于Darknet网络和YOLOv3算法的船舶跟踪识别[J].计算机应用.2019
[3].吴南.基于HOG特征的船舶识别跟踪算法[D].大连海事大学.2017
[4].杨高星.基于计算机视觉的船舶跟踪及类型识别研究[D].大连海事大学.2017
[5].杨建姣,齐迹,朱凤武.船舶远程识别跟踪系统研究[J].天津航海.2016
[6].杨建姣,齐迹,刘传金,朱凤武.船舶远程识别跟踪系统研究[J].安徽电子信息职业技术学院学报.2016
[7].孙延泽,陈星森.船舶远程识别与跟踪系统的发展及趋势探讨[C].中国航海科技优秀论文集（2014）.2015
[8].朱城和.基于图像序列水上运动船舶识别跟踪技术研究[D].江西理工大学.2012
[9].靳智,梁山,曹芳平.基于自动识别系统的长江控制河段船舶视觉伺服跟踪方法[J].计算机应用.2011
[10].左秋荣,武志谦.船舶远程识别与跟踪系统[J].中外船舶科技.2011