一种船舶监控方法

1.一种船舶监控方法，其特征在于：所述监控方法包括目标识别方法和目标跟踪方法，目标识别方法包括以下步骤：
步骤1.1：获得全景视频，初始化背景图像，置为灰度图像；
步骤1.2：实时截取视频图像，置为灰度图像，与背景图像做差分运算，比较差值，差值记为M；
步骤1.3：对视频图像和背景图像的差分图像进行二值化，取M与阈值T比较，若M大于阈值T则设差分图像灰度值为255，否则设其灰度值为0，其中15＜T＜45；
步骤1.4：使用区域生长算法，扫描步骤1.3所得的二值化的图像，若有相邻点的像素值为255，则合并成一个区域；
步骤1.5：获取每一个区域的上、下、左、右四个端点组成一矩形框，记为目标A；
步骤1.6：取若干帧为一个循环，在此过程中，判断区域生长算法框出的矩形框是否能够符合船舶规律运动的特点，如果不满足就当做干扰目标去除，得到有效的船舶目标； 通过目标识别方法识别到船舶目标后进行目标跟踪，目标跟踪方法包括以下步骤：
步骤2.1：在当前位置的实时视频流中截取当前帧图像，若检测到目标则继续下一步，否则重复步骤2.1；
步骤2.2：对于检测到的目标利用目标锁定方法进行锁定，并跟踪；
所述目标跟踪方法中的步骤2.2所述的目标锁定方法包括以下步骤：
步骤3.1：取一帧图像，若检测到目标则继续进行下一步，否则重复步骤3.1；
步骤3.2：将检测到的目标图像写入有效目标队列L；
步骤3.3：遍历后续帧，检测到的目标与原有效目标队列L中的目标进行配对比较，若配对成功则进行下一步，若配对不成功则在有效目标队列L中增加新目标；
步骤3.4：有效目标帧数加一，并在目标框上标注序号，重复步骤3.3；
所述配对比较包括以下步骤：
步骤4.1：将新检测到的目标与原有效目标队列L中的目标的上、下、左、右四个端点值比较得差值，取差值的绝对值；
步骤4.2：当左端点差值小于a且下端点差值小于b，或右端点差值小于c且上端点差值小于d时配对成功，否则为新目标；其中，15＜a＜45，1＜b＜9，15＜c＜45，15＜d＜45。
2.根据权利要求1所述的一种船舶监控方法，其特征在于：所述阈值T取30。
3.根据权利要求1所述的一种船舶监控方法，其特征在于：所述a取30，b取5，c取
30，d取30。
4.根据权利要求1所述的一种船舶监控方法，其特征在于：所述船舶监控方法还包括数据库管理方法，所述数据库管理方法包括以下步骤：
步骤5.1：筛选被跟踪并锁定的船舶的视频图像；
步骤5.2：截取带有船名号的图像，确认船舶编号、船名；
步骤5.3：建立船舶进入和离开监控范围的时间及运动方向，储存入数据库；
步骤5.4：调用数据库查询。

一种船舶监控方法\n技术领域\n[0001] 本发明属于电通信技术；测试电路或测试设备；用于检测、指示、或报告故障或事故的电路或设备的技术领域，特别涉及一种可以通过计算机编程实现的船舶监控方法。\n背景技术\n[0002] 随着电子行业飞速发展，电子技术更新不断加快，各种传感器、摄像头和采集器等被大量应用在电子技术的研发和使用中，且由于各行业对设备自动化和功能数字化的要求提高，使得传感器、摄像头和采集器等电子器件的数量不断加大、功能不断增强。\n[0003] 监控系统不断发展，视频监控系统已从人工控制向智能控制迅速升级，无人值守的船舶动态视频监控系统也随之诞生，且在现有的航道视频监控系统中已进行了推广应用。但从航区目前的监控系统运行情况来看，现有的航道视频监控系统存在着一定弊端，主要表现在只有在白天能见度高的时候才能发挥功效，在夜间或者雾气很大的条件下，现有的监控系统几乎不起作用，且现有的监控系统必须手动控制操作台与变焦镜头才能对船舶进行实时的监控，在一定程度上增加了监控的难度。\n发明内容\n[0004] 本发明解决的技术问题是，由于现有技术只有在白天能见度高的时候才能发挥功效，在夜间或者雾气很大的条件下，现有的监控几乎不起作用，且现有的监控系统必须手动控制操作台与变焦镜头才能对船舶进行实时的监控，而导致的需要利用大量的人力解决上述问题的同时还无法保证工作效率、在一定程度上增加了监控的难度的问题，进而提供了一种优化的船舶监控方法。\n[0005] 本发明所采用的技术方案是，一种船舶监控方法，所述监控方法包括目标识别方法和目标跟踪方法，目标识别方法包括以下步骤：\n[0006] 步骤一：获得全景视频，初始化背景图像，置为灰度图像；\n[0007] 步骤二：实时截取视频图像，置为灰度图像，与背景图像做差分运算，比较差值，差值记为M；\n[0008] 步骤三：对视频图像和背景图像的差分图像进行二值化，取M与阈值T比较，若M大于阈值T则设差分图像灰度值为255，否则设其灰度值为0，其中15＜T＜45；\n[0009] 步骤四：使用区域生长算法，扫描步骤四所得的二值化图像，若有相邻点的像素值为255，则合并成一个区域；\n[0010] 步骤五：获取每一个区域的上、下、左、右四个端点组成一矩形框，记为目标A；\n[0011] 步骤六：取若干帧为一个循环，在此过程中，判断区域生长算法框出的矩形框是否能够符合船舶规律运动的特点，如果不满足就当做干扰目标去除，得到有效的船舶目标；\n[0012] 通过目标识别方法识别到船舶目标后进行目标跟踪，目标跟踪方法包括以下步骤：\n[0013] 步骤一：在当前位置的实时视频流中截取当前帧图像，若检测到目标则继续下一步，否则重复步骤一；\n[0014] 步骤二：对于检测到的目标利用目标锁定方法进行锁定，并跟踪。\n[0015] 优选地，所述目标跟踪方法中的步骤二所述的目标锁定方法包括以下步骤：\n[0016] 步骤一：取一帧图像，若检测到目标则继续进行下一步，否则重复步骤一；\n[0017] 步骤二：将检测到的目标图像写入有效目标队列L；\n[0018] 步骤三：遍历后续帧，检测到的目标与原有效目标队列L中的目标进行配对比较，若配对成功则进行下一步，若配对不成功则在有效目标队列L中增加新目标；\n[0019] 步骤四：有效目标帧数加一，并在目标框上标注序号，重复步骤三。\n[0020] 优选地，所述阈值T取30。\n[0021] 优选地，所述配对比较包括以下步骤：\n[0022] 步骤一：将新检测到的目标与原有效目标队列L中的目标的上、下、左、右四个端点值比较得差值，取差值的绝对值；\n[0023] 步骤二：当左端点差值小于a且下端点差值小于b，或右端点差值小于c且上端点差值小于d时配对成功，否则为新目标；其中，15＜a＜45，1＜b＜9，15＜c＜45，15＜d＜45。\n[0024] 优选地，所述a取30，b取5，c取30，d取30。\n[0025] 优选地，所述船舶监控方法还包括数据库管理方法，所述数据库管理方法包括以下步骤：\n[0026] 步骤一：筛选被跟踪并锁定的船舶的视频图像；\n[0027] 步骤二：截取带有船名号的图像，确认船舶编号、船名；\n[0028] 步骤三：建立船舶进入和离开监控范围的时间及运动方向，储存入数据库；\n[0029] 步骤四：调用数据库查询。\n[0030] 本发明提供了一种优化的船舶监控方法，通过目标识别方法、目标跟踪方法、目标锁定方法、配对比较和数据库管理方法的配合，使得监控系统即使在有雾或者夜晚的情况下也能够捕捉船舶，能够获得连续的船舶视频，实现对航道的全天候监控，保障了航道的通畅及船舶的安全，减少了人工操作，实现了自动化管理，且将监控得到的数据信息等储存入数据库，便于船舶的数字化管理，能够在有需要时及时调用，并能够帮助管理人员更多的了解关于船舶的信息，解决了现有技术在夜间或者雾气很大的条件下监控作用有限的问题，节约了大量的人力、保证工作效率、降低了监控的难度。\n附图说明\n[0031] 图1为本发明中目标识别方法的流程图；\n[0032] 图2为本发明中目标跟踪方法的流程图；\n[0033] 图3为本发明中目标锁定方法的流程图；\n[0034] 图4为本发明中配对比较过程的流程图；\n[0035] 图5为本发明中数据库管理方法的流程图。\n具体实施方式\n[0036] 下面结合实施例对本发明做进一步的详细描述，但本发明的保护范围并不限于此。\n[0037] 如图1、2所示，本发明涉及一种船舶监控方法，所述监控方法包括目标识别方法和目标跟踪方法，目标识别方法包括以下步骤：\n[0038] 步骤一：获得全景视频，初始化背景图像，置为灰度图像；\n[0039] 步骤二：实时截取视频图像，置为灰度图像，与背景图像做差分运算，比较差值，差值记为M；\n[0040] 步骤三：对视频图像和背景图像的差分图像进行二值化，取M与阈值T比较，若M大于阈值T则设差分图像灰度值为255，否则设其灰度值为0，其中15＜T＜45；\n[0041] 步骤四：使用区域生长算法，扫描步骤四所得的二值化图像，若有相邻点的像素值为255，则合并成一个区域；\n[0042] 步骤五：获取每一个区域的上、下、左、右四个端点组成一矩形框，记为目标A；\n[0043] 步骤六：取若干帧为一个循环，在此过程中，判断区域生长算法框出的矩形框是否能够符合船舶规律运动的特点，如果不满足就当做干扰目标去除，得到有效的船舶目标；\n[0044] 通过目标识别方法识别到船舶目标后进行目标跟踪，目标跟踪方法包括以下步骤：\n[0045] 步骤一：在当前位置的实时视频流中截取当前帧图像，若检测到目标则继续下一步，否则重复步骤一；\n[0046] 步骤二：对于检测到的目标利用目标锁定方法进行锁定，并跟踪。\n[0047] 本发明中，目标识别方法主要目的为对船舶轮廓进行捕捉。本方法主要流程为：通过摄像机获得航道的全景视频，并选择一初始画面作为背景图像，将背景图像置为灰度图像；不间断地截取实时的视频图像，此时的视频图像也都是彩色图像，将其置为灰度图像，不断与背景图像做差分处理；将差分处理得到的差值M不断与阈值T进行比较，一旦发现差值M大于阈值T则表示有目标船舶驶入航道，故对当前的差分图像进行设置其灰度值为\n255，即全显示白色的二值化处理，并将差值M未大于阈值T的差分图像进行设置其灰度值为0，即全显示黑色的二值化处理；使用区域生长算法，扫描所得的二值化图像，若有相邻点的像素值为255，则合并成一个区域；区域生长算法后，获取每一个区域的上、下、左、右四个端点组成一矩形框，记为目标A；由于船舶监控的过程中监控装置的会受到水波纹的干扰，需要去除，故需根据船舶运动的特点，取若干帧作为一个循环，在此过程中，判断上述区域生长算法框出的矩形框是否能够符合船舶规律运动的特点，如果无法满足就当做干扰目标去除，此处若干帧的控制由学习获得。\n[0048] 本发明的目标识别方法中的阈值T一般在一个范围内选取，根据学习及计算获得，本发明的实施例中优选为30。\n[0049] 本发明中的图像在截取后都设置为灰度图像。灰度即使用黑色调表示物体，从0%（白色）到100%（黑色）表现物体的亮度值。 \n[0050] 同时，一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群，此为图像的二值化（BINARIZATION）。图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。而一般情况下，物体的边缘会呈现灰度的不连续性，故可以通过区域生长算法合并分割像素群后的像素群周围的一些散落的与目标的灰度相同的区域，最终获得一个接近矩形的目标框，即为目标。\n[0051] 本发明通过目标识别方法，利用摄像机获取航道全景图像，利用差分算法对船舶轮廓进行捕捉，解决了传统的监控系统在有雾或者夜晚情况下船舶难以捕捉的问题。\n[0052] 本发明中，目标跟踪方法主要用于在监控系统发现目标后在某一发现目标的范围内对目标进行跟踪，保证目标不丢失。本方法主要流程为：在当前已经识别到目标的范围的实时视频流中截取当前帧图像，当检测到船舶时对检测到的目标进行锁定并跟踪。\n[0053] 本发明通过目标跟踪方法实现了对航道的全天候监控，保障了航道的通畅及船舶的安全，减少了人工操作，实现了自动化管理。\n[0054] 如图3所示，所述目标跟踪方法中的步骤二所述的目标锁定方法包括以下步骤：\n[0055] 步骤一：取一帧图像，若检测到目标则继续进行下一步，否则重复步骤一；\n[0056] 步骤二：将检测到的目标图像写入有效目标队列L；\n[0057] 步骤三：遍历后续帧，检测到的目标与原有效目标队列L中的目标进行配对比较，若配对成功则进行下一步，若配对不成功则在有效目标队列L中增加新目标；\n[0058] 步骤四：有效目标帧数加一，并在目标框上标注序号，重复步骤三。\n[0059] 本发明中，目标锁定方法主要用于获得连续的船舶图像，并且保证在存在有多艘船舶时船舶的序号不出现混淆。本方法主要流程为：在当前已经识别到目标的范围内进行实时的图像截取，截取第一帧的图像，并在图像中检测目标，检测到目标则将检测到的目标图像写入有效目标队列L，然后截取并检测下一帧的图像，将截取的目标与原有效队列L中的已有目标进行配对比较，当配对不成功时表示这是一艘新加入的目标船舶，故另外在有效目标队列L里增加目标，当配对成功时则将有效目标帧数加一，并在目标框上标注序号。\n例如，一直检索到同一艘船1，则该队列里所有的目标框上标注的都是1，有效帧数为配对成功的次数，意为锁定船1；当监控范围内出现船2时，由于船1和船2的数据无法配对，故将船2增加为另一目标，在目标框上标注2，后检测到一次2则继续在目标框上标注2，有效帧数为配对成功的次数，意为锁定船2。\n[0060] 本发明通过目标锁定方法跟踪船舶，意在获得连续的船舶视频，尤其在监控范围内有多艘船舶时，本方法可以保证对船舶的有效跟踪，保证在跟踪过程中能够锁定每一艘船，并且在跟踪过程中监控范围里出现新进目标船舶时能快速将其置为新目标实施跟踪，切实了解每一艘船不同的运动轨迹，保证不会在监控范围内出现船舶跟丢的情况。\n[0061] 目标锁定方法是目标跟踪方法中的一部分，只有目标锁定方法正常工作才能切实保证目标跟踪方法的顺利进行。\n[0062] 如图4所示，上述目标锁定方法中提到的配对比较主要包括以下步骤：\n[0063] 步骤一：将新检测到的目标与原有效目标队列L中的目标的上、下、左、右四个端点值比较得差值，取差值的绝对值；\n[0064] 步骤二：当左端点差值小于a且下端点差值小于b，或右端点差值小于c且上端点差值小于d时配对成功，否则为新目标；其中，15＜a＜45，1＜b＜9，15＜c＜45，15＜d＜45。\n[0065] 所述a取30，b取5，c取30，d取30。\n[0066] 本发明中，配对比较主要用于比较新检测到的目标与原有效目标队列L中的目标是否配对以决定是否要往原有效目标队列L中加入新的目标。本方法主要流程为：由上述方法可知，本发明的主要截取目标的方式为获得目标所在的被二值化的目标框，根据目标框的走向来确定目标的走向，故通过比较新检测到的目标与原有效目标队列L中的目标的上、下、左、右四个端点值，得到差值，取差值的绝对值；当左端点的差值小于某值a且下端点的差值小于某值b，或右端点的差值小于某值c且上端点的差值小于d时则配对成功，视为是同一个现有目标的正常运动框；当不满足上述的比较条件时，则视为是一个新出现在监控系统中的目标，即配对不成功。\n[0067] 本配对比较的实施例中，a值取30，b值取5，c值取30，d值取30，以上各值可以通过计算学习确定。\n[0068] 本发明通过配对比较判断出现在监控系统跟踪过程中的船舶目标是否为现有的船舶目标，意在控制连续的目标，尤其在监控范围内有多艘船舶时，本方法可以保证对船舶的有效跟踪，保证在跟踪过程中能够锁定每一艘船，并且在跟踪过程中监控范围里出现新进目标船舶时能快速将其置为新目标实施跟踪，切实了解每一艘船不同的运动轨迹，保证不会在监控范围内出现船舶跟丢的情况。\n[0069] 配对比较是目标锁定方法中的一部分，只有配对比较正常进行才能切实保证目标锁定方法的顺利进行。\n[0070] 如图5所示，所述船舶监控方法还包括数据库管理方法，所述数据库管理方法包括以下步骤：\n[0071] 步骤一：筛选被跟踪并锁定的船舶的视频图像；\n[0072] 步骤二：截取带有船名号的图像，确认船舶编号、船名；\n[0073] 步骤三：建立船舶进入和离开监控范围的时间及运动方向，储存入数据库；\n[0074] 步骤四：调用数据库查询。\n[0075] 本发明中，数据库管理方法主要用于截取带有船名号的图片，确认船舶数据信息，建立船舶进入和离开监控点的时间以及运动方向等信息，储存入数据库。本方法主要流程为：在通过上述步骤得到的有效队列中筛选被跟踪并锁定的船舶的视频图像，截取带有船名号的图像并确认船舶编号和船名，甚至衍生出更多信息，根据船舶编号和船名的信息区别建立出船舶进入和离开监控范围的时间及运动方向等信息，并储存入数据库，在需要使用数据库时调用数据库进行查询作业。\n[0076] 本发明通过数据库管理方法将船舶的数据整理入库，并在需要的时候可以做到及时调阅，更便于船舶的管理，并帮助管理人员更多的了解关于船舶的信息，更适用于大批量的船舶的管理工作，提高效率，降低差错。\n[0077] 本发明解决了现有技术只有在白天能见度高的时候才能发挥功效，在夜间或者雾气很大的条件下，现有的监控几乎不起作用，且现有的监控系统必须手动控制操作台与变焦镜头才能对船舶进行实时的监控的问题，改变了需要利用大量的人力解决上述问题的同时还无法保证工作效率、在一定程度上增加了监控的难度的现状。\n[0078] 本发明通过目标识别方法、目标跟踪方法、目标锁定方法、配对比较和数据库管理方法的配合，使得监控系统即使在有雾或者夜晚的情况下也能够捕捉船舶，能够获得连续的船舶视频，实现对航道的全天候监控，保障了航道的通畅及船舶的安全，减少了人工操作，实现了自动化管理，且将监控得到的数据信息等储存入数据库，便于船舶的数字化管理，能够在有需要时及时调用，并能够帮助管理人员更多的了解关于船舶的信息。