构建基于智能视觉的船舶碰撞风险评估模型,以提升船舶航行安全性。利用机器视觉技术采集的船舶航行图像,提取船舶航行图像中的颜色特征与梯度方向特征。利用高效卷积运算符(efficient convolution operators for tracking,ECO)算法学习...构建基于智能视觉的船舶碰撞风险评估模型,以提升船舶航行安全性。利用机器视觉技术采集的船舶航行图像,提取船舶航行图像中的颜色特征与梯度方向特征。利用高效卷积运算符(efficient convolution operators for tracking,ECO)算法学习滤波器模板,获取船舶航行图像特征的响应图值。加权求和处理特征响应图值,实现船舶航行轨迹跟踪。依据船舶航行轨迹跟踪结果的时间与坐标信息,获取船舶航行的速度、方位以及坐标信息。依据船舶航行速度等信息,构建船舶碰撞风险评估模型,输出船舶碰撞风险值。测试结果表明,该模型有效评估船舶航行过程中的对遇碰撞、交叉碰撞以及追越碰撞风险,提升船舶航行安全性。展开更多
文摘构建基于智能视觉的船舶碰撞风险评估模型,以提升船舶航行安全性。利用机器视觉技术采集的船舶航行图像,提取船舶航行图像中的颜色特征与梯度方向特征。利用高效卷积运算符(efficient convolution operators for tracking,ECO)算法学习滤波器模板,获取船舶航行图像特征的响应图值。加权求和处理特征响应图值,实现船舶航行轨迹跟踪。依据船舶航行轨迹跟踪结果的时间与坐标信息,获取船舶航行的速度、方位以及坐标信息。依据船舶航行速度等信息,构建船舶碰撞风险评估模型,输出船舶碰撞风险值。测试结果表明,该模型有效评估船舶航行过程中的对遇碰撞、交叉碰撞以及追越碰撞风险,提升船舶航行安全性。
