船舶AIS系统中的计算机视觉技术应用

船舶AIS系统中的计算机视觉技术应用摘要:船舶AIS系统是一种智能化自动识别助航系统，AIS系统在国内的发展和前景还有很大提升与创新空间。基于OpenCV的计算机视觉技术在各项领域中都已投入应用，因此将计算机视觉技术应用到AIS中，结合AIS的优势，拓宽和完善AIS的图像识别功能。本文主要提出计算机视觉技术在AIS中的船舶识别应用技术。关键词：船舶AIS系统；计算机视觉技术；船舶识别中图分类号：文献标识码：ATheapplicationofcomputervisiontechnologyinshipAISsystemRONGKangqi，YANGGuanchong(CollegeofMechanicalandMarineEngineering,BeibuGulf

University,Qinzhou535011,China)Abstract:TheshipAISsystemisakindofintelligentautomaticidentificationnavigationaidsystem.ThereisstillmuchroomforimprovementandinnovationinthedevelopmentandProspectofAISsysteminChina.ThecomputervisiontechnologybasedonOpenCVhasbeenappliedinvariousfields,sotheapplicationofcomputervisiontechnologytoAIS,combinedwiththeadvantagesofAIS,broadensandimprovestheimagerecognitionfunctionofAIS.ThispapermainlypresentstheapplicationofcomputervisiontechnologyinAIS.Keywords:ShipAISsystem;Computervisiontechnology;Shipidentification1.引言从近十年中国船舶制造业占世界造船市场份额的变化可以看出，中国船舶制造业在全球市场上所占的比重正在明显上升，中国已经成为全球重要的造船中心之一。此外，国内的船舶数量正不断增长，水域交通密度逐步增长，随时会危及船舶航行安全及破坏海洋生态环境。为保证船舶航行安全，我们需要一种能建立于船舶间、船岸间的实时通信及具备船舶信息识别功能的全新智能系统。雷达虽然可以据其优点避免船舶碰撞，但提供的视觉信息有限，如地形、天气等不利因素难以检测，从而出现盲区，而且雷达没有船舶识别的功能。因此，船舶AIS系统一一智能化自动识别助航系统应运而生。AIS是一种集网络技术、现代通讯技术、计算机技术、电子信息显示技术为一体的数字助航系统。AIS设备能将船舶的航行位置、航行速度、航行方向等动态信息和标识码、船舶称号、呼号等静态信息，经处理后向岸上接收端发送⑴AIS系统受外界自然因素干扰较少，使得其在船舶导航、船舶避碰、船舶信息交互、船岸通信、海上搜救、海事监管等方面发挥着重要作用。同时，在企业运营方面，AIS通过改变航运企业的经营和管理方式，提高了航运企业的服务水平和管理效率。近年来，国内越来越多的船舶开始使用AIS设备。我国家规定500t以上的船舶在2008年7月1日前完成安装AIS设备。但是，AIS在特殊情况下不能使用，否则会发生信息窃取危险，如海盗来袭等。计算机视觉技术是计算机先进技术的研究热点，其具备了获信息量大、响应速度快、抗干扰能力强等优点，与AIS系统相结合可以实现目标船海目标的识别与跟踪，对现代航道船舶信息采集、航行交通的智能监管、船舶的航行安全都具有非常重要的意义。将计算机视觉技术应用到AIS中，可实现航道的数字化和智能化。1.计算机视觉技术

计算机视觉技术是AI的一个重要分支，涉及计算机科学、机械、图像处理、模式识别等诸多领域的交叉学科，被誉为“工业之眼”，并且已逐步发展成为工业自动化生产过程中不可或缺的关键子系统［2-3］。通常情况下，视觉系统包含硬件与软件两部分，其工作过程可分为图像采集、图像分析与控制以及输出3个部分，见图1。首先，工业相机在恰当照明系统的辅助作用下采集目标图像，将三维目标物体转换为二维图像信息；然后，由图像处理与分析系统对图像进行特征量分析并输出结果；最后，根据输出信号决定控制单元动作［4］。夏w►n庄捕夏w►n庄捕►临尊与靴图1典型计算机视觉系统Figure1typicalcomputervisionsystem1.计算机视觉技术在AIS中的应用本文主要阐述船舶跟踪方面的应用。随着经济发展，船舶朝着大型化、高速化发展，对于某些河段，航道通航压力增大，交通堵塞加剧，交通事故频发。因而对航行船舶进行识别跟踪监视，将有利于缓解河道船只通行压力，提高控制中心的指挥调度能力丘。根据船舶实时跟踪的功能要求，利用现有的AIS信息图像采集与视频监控方案，设计了如图4所示的船舶跟踪系统。该系统主要由云台摄像机、信号传输设备、网络视频服务器、监控中心和AIS设备等部分组成。VHF大+EAw-VHF大+EAw-诲沾讷邮器Figure2shiptrackingsystem信息采集主要分为AIS信息采集与视频监控图像采集。云台摄像机将采集的图像信息传输给网络视频服务器，监控中心可以访问服务器获取图像信息⑹。当船舶刚开始驶入云台摄像机视场内，控制台根据其经纬度控制云台摄像机进行对准，在此后的航行过程中会依据航行初速度、航行方向对船舶进行预测，直到船舶出现在下一时刻的预测位置，并实时更新目标的动态信息，据此信息再次预测，最后直到船舶驶出该监控系统范围卫。在此，一次计算即可求得摄像机对应的预测跟踪位置。同时，根据船舶成像的大小和船舶与镜头之间的距离，镜头的焦距可以进行调节。由于在初始对准和计算过程中均有误差存在，需进行误差校正。1.计算机视觉技术在AIS中的船舶跟踪的方法由4339100.^752200.2126490.7151690.01775&0.109470R

255

由4339100.^752200.2126490.7151690.01775&0.109470R

255

G

255

R

255O.IB9R6O0.0721320.872915I=III”',\I■1113：-'■/t=[\f>Q.00fiR5Sff-7.7B7-t-b-4-.t<0.0008&G其中RGB为源图像的三通道值，Lab为Lab颜色空间的三通道值。利用OpenCV算法实现程序如下：cvtColor(src,gray_src,cv::COLOR_BGR2GRAY);转换到Lab颜色空间后使用3X3的高斯掩膜对图像进行卷积求解高斯模糊，即降噪处理和使图像平滑。主要公式为9：/x—!.其中,...为一个常数，当•,；.为二维时，.:。：是掩膜中心的坐标。利用OpenCV算法实现程序如下：GaussianBlur(labImg，gaussImg，cv::Size(3，3)，3，3);利用直方图矩阵对图像像素中的亮度进行分类四，并找最大类间方差阈值。此阈值可以用OTSU曲线全阈值分割法。主要计算公式如下u：1.通过直方图的各个分量，像素被分到某一类中的概率'—[P2.L-1图像的全局均值;ii3.Otsu的最佳阈值'’=，"：i:.再通过求得的最佳阈值对图像进行二值化显示如图3所示。图3图像海面天空背景分离效果对比图Figure3Comparisonofseaskybackgroundseparationeffect获取图像后利用图像分割K-means均值聚类算法，对目标区域进行提取。主要公式[⑵：1.随机取k个聚类质心点为—,计算样本“•和质心向量的距离：，-tirgmjiijl.x,-[j,||'2.£1j，xi重新计算聚类的质心—'主要代码及效果图：I3L・0:farlinLri■b.rir4hiLffal:efTitw〈JinW>]■■如<4>Lf■ld<h；WJe)t[”书c「，>■•*1用rhTd:TdL■UV.AE'CYmJfeXlL'M,I:pc^nik-切*“叫怀rAMi;^arri-i.air十：ar'InndRdS'l-lEBTi-r-rsLir".irri,',■:rfr'I、：mdnL・atV/rboHH'Dirj£,•■砒albc.raBLtJn!%任仆；Tr-r^p-trrlCfl'L-fe*s：；fnt“.r:01川，1ft|l;kMUd.r^Ki.iA.E^uiwtouiE,ljb»k.Erli-erd^1,f^JOS图4执行k-mean算法处理后的图像Fig.4Imageprocessedbyk-meanalgorithm再使用Shi-Tomasi角点检测，这里不使用Harris，是由于在海上图像Harris角点检测算子不具有尺度不变性，不适用于海上船舶的检测。而Shi-Tomasi可得到强角点有利于提高识别的准确性［13］。主要公式有：多元灰度变化函数[^y八"I2.对图像变化微分使L：IJ<M|v.,由图像的导数得：”|叫孩一，*。]从而推出特征矩阵m侦，其中和芯代表了x和y方向的灰度变化率1.Shi-Tomasi角点检测改进的角点响应函数：止-，官通过Shi-Tomasi角点检测的图像区域与执行k-mean算法处理后图像目标区域对比口旬如果目标区域误差没有超过一定值，则认为目标检测成功。1.结语作为船舶间避碰和信息交换的重要工具，船舶自动识别系统(AIS)不仅可向AIS基站发送船舶信息，同时还可以接收管理部门的助航和预警信息，使船舶航行更加安全。本文介绍计算机视觉技术在AIS船舶识别中的应用，它可更多地获取船舶的信息，便于管理部门的统一调度和管理；而船舶跟踪技术融合了AIS与CCTV的优点，兼顾了船舶的运动状态信息和视觉信息，使得AIS功能更加完善。参考文献：1.刘畅.船舶自动识别系统(AIS)关键技术研究[D].大连：大连海事大学，2013.2.HORNBKP.机器视觉[M].王亮，蒋欣兰，译.北京：中国青年出版社，2014.3.SONKAM,HLAVACV,BOYLER.图像处理、分析与机器视觉[M].兴军亮，艾海舟，译.北京：清华大学出版社，2016.4.尹仕斌，任永杰，刘涛，等.机器视觉技术在现代汽车制造中的应用综述[J].光学学报，2018，38(8):0815001.YINSB，RENYJ，LIUT，etal.Reviewonapplicationofmachinevisioninmodernautomobilemanufacturing[J].ActaOpticaSinica，2018，38(8):0815001.5.陈素红，李学海.三峡-葛洲坝两坝间航道整治工程方案试验研究[J].水运工程，2010(1):94-101.6.贾传荧，贾银山.基于电子海图的船舶动态监控系统设计与实现[J].大连海事大学学报，2002,28(3):20-22.7.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，2011,31(12):3414-3417.8.AdrianKaehler/GaryBradski.《LearningOpenCV3》[M].O'ReillyMedia.2017.9.韩泽慧.海天背景条件下船舶检测方法研究[D].哈尔滨工程大学,2019.Hida,Takeyuki/