發(fā)布時(shí)間：2021-03-17 21:42

  當(dāng)前,由于機(jī)動(dòng)車的數(shù)量快速增長(zhǎng),陸地交通發(fā)生了較多的交通事故和擁堵狀況,與此同時(shí)內(nèi)河航道也面臨著同樣的壓力�；陉懧方煌ü芾淼慕�(jīng)驗(yàn),在內(nèi)河管理方面上,引入智能交通管理系統(tǒng),對(duì)保護(hù)河流生態(tài)系統(tǒng)穩(wěn)定具有重要意義,同時(shí)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(tái)"基礎(chǔ)上,在實(shí)際需要的內(nèi)河道區(qū)域進(jìn)行船舶類型識(shí)別。論文應(yīng)用計(jì)算機(jī)視覺理論和方法,對(duì)監(jiān)控視頻中出現(xiàn)的船舶進(jìn)行提取、跟蹤,然后根據(jù)提取出的船舶特征進(jìn)行識(shí)別。論文的研究?jī)?nèi)容包括以下四個(gè)部分:(1)船舶運(yùn)動(dòng)區(qū)域的提取。首先介紹圖像預(yù)處理內(nèi)容,包括灰度化、圖像增強(qiáng)、二值化處理,并通過(guò)實(shí)驗(yàn)進(jìn)行分析對(duì)比。然后在運(yùn)動(dòng)目標(biāo)區(qū)域提取方面,對(duì)常見的方法優(yōu)缺點(diǎn)分析,進(jìn)而進(jìn)行實(shí)驗(yàn)結(jié)果比對(duì)。(2)目標(biāo)跟蹤。在目標(biāo)區(qū)域提取出來(lái)的前提下,基于顏色特征直方圖的Camshift算法,具有計(jì)算量小,實(shí)時(shí)性高的特點(diǎn)。船舶因遮擋易丟失,采用Kalman算法可以實(shí)現(xiàn)目標(biāo)估計(jì),進(jìn)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(diǎn)特征、幾何特征、直方圖統(tǒng)計(jì)特征、矩特征等,并提取特征值。通過(guò)分析數(shù)據(jù),將矩、角度比值、幾何特征相結(jié)合作為輸入量對(duì)船舶進(jìn)行分類。(4)船型識(shí)別。采用支持向量機(jī)對(duì)船舶分類,通過(guò)單特征、多特征和全部特征實(shí)驗(yàn)對(duì)比,選擇正確率高的組合。然后利用交叉驗(yàn)證思想改進(jìn)測(cè)試和訓(xùn)練過(guò)程,來(lái)提高識(shí)別率。本文最后選擇單高斯建模的背景差分法提取運(yùn)動(dòng)區(qū)域,采用Camshift和Kalman濾波相結(jié)合的方法對(duì)目標(biāo)進(jìn)行跟蹤,此方法能夠?qū)δ繕?biāo)進(jìn)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(yàn)證思想改進(jìn)測(cè)試和訓(xùn)練過(guò)程,證明了該思想的可行性與正確性,并取得了較高的準(zhǔn)確率。
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 陳剛;楊勇;;一種自適應(yīng)基于紋理和顏色特征的目標(biāo)跟蹤算法[J];智能計(jì)算機(jī)與應(yīng)用;2013年02期

2 謝志明;黃偉瓊;黃道平;;基于輪廓曲線的角點(diǎn)識(shí)別方法[J];組合機(jī)床與自動(dòng)化加工技術(shù);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(yùn)動(dòng)目標(biāo)檢測(cè)方法[J];南京工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年02期

4 張娟;毛曉波;陳鐵軍;;運(yùn)動(dòng)目標(biāo)跟蹤算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2009年12期

相關(guān)博士學(xué)位論文 前2條

1 劉暢;船舶自動(dòng)識(shí)別系統(tǒng)（AIS）關(guān)鍵技術(shù)研究[D];大連海事大學(xué);2013年

2 蔣良孝;樸素貝葉斯分類器及其改進(jìn)算法研究[D];中國(guó)地質(zhì)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前8條

1 孟祥怡;運(yùn)動(dòng)目標(biāo)的跟蹤與識(shí)別算法研究[D];吉林大學(xué);2014年

2 范永東;模型選擇中的交叉驗(yàn)證方法綜述[D];山西大學(xué);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(xué);2013年

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

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

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

7 張超;視頻監(jiān)控中的圖像匹配和運(yùn)動(dòng)目標(biāo)檢測(cè)[D];華中科技大學(xué);2008年

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

本文編號(hào)：2366050