本发明专利技术涉及一种基于空海自主协同系统的船舶异常行为红外监测方法，无人船通过雷达检测到活动船只，释放无人机监测船只；无人机将采集的船舶图像输入到目标检测模块中，识别目标类别，并根据红外相机参数和无人机GPS位置信息，计算目标GPS位置，将图像中多目标GPS位置的质心点作为航点，实现多目标跟踪；根据相邻帧图像目标构建关联度矩阵，使用基于关联度最大权匹配的匈牙利算法找出最优匹配，得到目标轨迹；依据轨迹提取目标轨迹特征，通过自编码器重构特征信息，计算原始特征和重构特征的误差，判别船舶行为异常情况。与现有技术相比，本发明专利技术解决了船舶关闭AIS系统后难以监控的问题，提升了夜间船舶监控能力，降低人工监测强度。
【技术实现步骤摘要】
本专利技术涉及海上监测，尤其是涉及一种基于空海自主协同系统的船舶异常行为红外监测方法。
技术介绍
1、随着全球化贸易加速发展，海上交通环境日益复杂，相关部门需要高效实时的海上船舶行为监测手段，从而实现快速救援事故船舶和打击海上犯罪行为。由于监控海域大、夜间走私违法行为频率高，加大了监管人员工作强度和监管成本，需要自动监测识别船舶行为方法，实现快速识别船舶异常行为及时预警，提高海上船舶监控效率和智能化。
2、现在大多数的海上船舶行为监测方法都是基于船舶自动识别系统(automaticidentification system，ais)获取船舶的基本信息、位置信息和航行状态，根据这些信息得出船舶的运动轨迹，并与正常的典型轨迹进行比较，从而自动识别船舶的异常行为(徘徊、驻留、越界、聚集、往返等)。但是，船舶在施行违法行为时，一般都选择篡改或者关闭ais系统来避免相关部门的监控，造成监管的困难。同时，违法船舶为了避免视觉的监测，大多数选择在夜间活动，提升了海事监管的难度。
技术实现思路
>1、本专利技术的目本文档来自技高网...
【技术保护点】
1.一种基于空海自主协同系统的船舶异常行为红外监测方法，其特征在于，所述空海自主协同系统由无人机和无人船组成，无人船在指定海域巡航，当通过航海雷达监测到远距离活动船只时，空海自主协同系统释放携带的无人机，前往目标船只海域上空对船只进行监测，所述无人机采用红外相机监控目标船舶；
2.根据权利要求1所述的一种基于空海自主协同系统的船舶异常行为红外监测方法，其特征在于，所述步骤S2中，轻量化的特征提取网络为改进的轻量化FastViT网络，所述网络在训练时采用结构重参数化，在网络模块中新增多个分支结构以提升网络模型的检测精度，在实际推理运行时去除分支结构采用单分支以提高网络运行速度。...
【技术特征摘要】
1.一种基于空海自主协同系统的船舶异常行为红外监测方法，其特征在于，所述空海自主协同系统由无人机和无人船组成，无人船在指定海域巡航，当通过航海雷达监测到远距离活动船只时，空海自主协同系统释放携带的无人机，前往目标船只海域上空对船只进行监测，所述无人机采用红外相机监控目标船舶；
2.根据权利要求1所述的一种基于空海自主协同系统的船舶异常行为红外监测方法，其特征在于，所述步骤s2中，轻量化的特征提取网络为改进的轻量化fastvit网络，所述网络在训练时采用结构重参数化，在网络模块中新增多个分支结构以提升网络模型的检测精度，在实际推理运行时去除分支结构采用单分支以提高网络运行速度。
3.根据权利要求1所述的一种基于空海自主协同系统的船舶异常行为红外监测方法，其特征在于，所述自适应交叉双向特征金字塔网络采用自顶向下、自底向上、上下交叉和跳跃连接的多尺度自适应加权特征融合方式，网络的每个节点采用自适应加权融合不同的输入特征，对节点的每个输入特征增加自学习的归一化权重。
4.根据权利要求1所述的一种基于空海自主协同系统的船舶异常行为红外监测方法，其特征在于，所述步骤s3中，把目标的图像位置信息转换为目标实际的gps位置信息的具体过程包括：
5.根据权利要求1所述的一种基于空海自主协同系统的船舶异常行为红外监测方法，其特征在于，所述步骤s4中，相邻帧目标的关联度矩阵由交并比、目标gps中心距离归一化值和目标类别概率相似度构成，具体计算形式为：r＝(riou+rdis)·rcls，其中，riou为交并比，rdis为目标gps中心距离归一化值，rcls为目标类别概率相似度。
6.根据权利要求1所述的一种基于空海自主协同系统的船舶异常行为红外监测方法，其特征在于，所述步骤s5中，基于关联度最大权匹配的匈牙利算法为采用匈牙利算法选取连续的边，使得选中的...
【专利技术属性】
技术研发人员：张卫东，张文波，张云飞，沈春华，尚艺琳，方宇凡，张宝晨，陈挚，胡小波，王嘉良，何鹭飞，束锋，胡智焕，林斌，陈树康，
申请(专利权)人：海南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。