CN113222040B - 海上固定目标识别方法、装置、计算机设备和存储介质 - Google Patents
海上固定目标识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113222040B CN113222040B CN202110567107.4A CN202110567107A CN113222040B CN 113222040 B CN113222040 B CN 113222040B CN 202110567107 A CN202110567107 A CN 202110567107A CN 113222040 B CN113222040 B CN 113222040B
- Authority
- CN
- China
- Prior art keywords
- target
- suspected
- fixed
- fixed target
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000002776 aggregation Effects 0.000 claims abstract description 50
- 238000004220 aggregation Methods 0.000 claims abstract description 50
- 238000007621 cluster analysis Methods 0.000 claims abstract description 24
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 24
- 230000004931 aggregating effect Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种海上固定目标识别方法、装置、计算机设备和存储介质。所述方法包括：获取经由雷达设备输出的在历史预设天数内生成的历史目标数据；将具备相同历史目标标识、且所属同一天的海上目标对象聚合到相应的聚类集合并进行聚类分析，得到聚蔟结果；基于得到的聚蔟结果，分别从各聚类集合中筛选出相应的疑似固定目标；分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定对应的疑似固定目标区域；计算所属同一疑似固定目标的疑似固定目标区域的总生成次数，并将总生成次数大于次数阈值的区域作为固定目标区域；当获取到雷达设备传输的实时目标数据时，基于固定目标区域进行海上固定目标的识别。
Description
技术领域
本申请涉及目标定位技术领域，特别是涉及一种海上固定目标识别方法、装置、计算机设备和存储介质。
背景技术
随着雷达定位技术的发展，出现了利用雷达定位技术对海上目标进行定位及跟踪，该技术通过比较目标位置信息的变化范围与雷达传感器探测误差范围的大小，来判断识别到的目标是否为固定目标。然而，在利用雷达传感器对海上目标进行定位及跟踪时，由于它无法识别到定位目标的身份，类似的像这种海上浮标、灯塔、海浪、礁石和海上垃圾等固定目标都有可能被雷达传感器识别到，并将其作为识别目标，而类似的这种识别目标对于海上船只态势分析来说，并没有太大的意义，反而还会影响分析的效率。因此，现有的雷达定位技术，存在海上固定目标识别不准确的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高海上固定目标识别准确度的海上固定目标识别方法、装置、计算机设备和存储介质。
一种海上固定目标识别方法，所述方法包括：
获取经由雷达设备输出的在历史预设天数内生成的历史目标数据，其中，针对识别到的各个海上目标对象，所述历史目标数据包括历史目标标识、时间戳、以及位置信息；
将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果；
基于得到的多项聚蔟结果，分别从各个聚类集合中筛选出至少一个疑似固定目标；
针对每个所述疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域；
对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域；
当获取到所述雷达设备传输的实时目标数据时，基于所述固定目标区域对所述实时目标数据进行位置匹配，以进行海上固定目标的识别。
在其中一个实施例中，所述位置信息包括经纬度信息，在所述将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中的步骤之前，所述方法还包括：
从所述历史目标数据中过滤出经纬度为空的无效数据，得到历史有效数据；
对所述历史有效数据进行解析处理，以针对识别到的各个海上目标对象，从所述历史有效数据中解析出相应的历史目标标识、时间戳信息、以及有效的经纬度信息。
在其中一个实施例中，所述基于得到的多项聚蔟结果，分别从各个聚类集合中筛选出至少一个疑似固定目标，包括：
对每个聚类集合进行遍历；
针对当前遍历到的聚类集合，当所述聚类集合的聚蔟结果中存在多个聚合蔟或全是噪声点时，则将所述聚类集合中包括的多个海上目标对象作为非固定目标；
当所述聚类集合的聚蔟结果中存在唯一一个聚合蔟以及部分噪声点时，确定所述部分噪声点的分布范围；
若所述部分噪声点的分布范围大于预设的范围阈值，则将所述聚类集合中包括的多个海上目标对象作为非固定目标；否则，将所述聚类集合中包括的多个海上目标对象作为疑似固定目标；
继续对多个聚类集合进行遍历，直至对所有聚类集合遍历完成；
从遍历完成的聚类集合中筛选出至少一个疑似固定目标。
在其中一个实施例中，所述对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，包括：
以天为单位，统计所属同一天的疑似固定目标区域，得到相应的疑似固定目标区域列表；
对在历史预设天数内生成的各项疑似固定目标区域列表进行遍历，并对所述疑似固定目标区域的遍历次数进行记录；
当遍历结束时，对所属同一疑似固定目标的疑似固定目标区域的遍历次数进行叠加，得到相应的总生成次数。
在其中一个实施例中，在所述基于所述固定目标区域对所述实时目标数据进行位置匹配，以进行海上固定目标的识别的步骤之前，所述方法还包括：
利用光学检测设备，对当前在所述固定目标区域中的海上目标对象进行识别，得到相应的图像识别结果；
当通过所述图像识别结果，确定当前识别到的海上目标对象为非固定目标时，删除对应的固定目标区域；
当通过所述图像识别结果，确定当前识别到的海上目标对象为固定目标时，保留对应的固定目标区域。
在其中一个实施例中，所述基于所述固定目标区域对所述实时目标数据进行位置匹配，以进行海上固定目标的识别，包括：
依据所述实时目标数据中包括的实时目标标识进行聚合，并形成相应的轨迹点集合；
对所述轨迹点集合进行聚类分析，得到相应的聚簇点，当各聚蔟点的位置均分布在同一个所述固定目标区域中时，将当前识别到的海上目标对象作为海上固定目标。
一种海上固定目标识别装置，所述装置包括：
获取模块，用于获取经由雷达设备输出的在历史预设天数内生成的历史目标数据，其中，针对识别到的各个海上目标对象，所述历史目标数据包括历史目标标识、时间戳、以及位置信息；
第一聚合模块，用于将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果；
第二聚合模块，用于基于得到的多项聚蔟结果，分别从各个聚类集合中筛选出至少一个疑似固定目标；
预判断模块，用于针对每个所述疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域；
综合判断模块，用于对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域；
识别模块，用于当获取到所述雷达设备传输的实时目标数据时，基于所述固定目标区域对所述实时目标数据进行位置匹配，以进行海上固定目标的识别。
在其中一个实施例中，所述第二聚合模块还用于对每个聚类集合进行遍历；针对当前遍历到的聚类集合，当所述聚类集合的聚蔟结果中存在多个聚合蔟或全是噪声点时，则将所述聚类集合中包括的多个海上目标对象作为非固定目标；当所述聚类集合的聚蔟结果中存在唯一一个聚合蔟以及部分噪声点时，确定所述部分噪声点的分布范围；若所述部分噪声点的分布范围大于预设的范围阈值，则将所述聚类集合中包括的多个海上目标对象作为非固定目标；否则，将所述聚类集合中包括的多个海上目标对象作为疑似固定目标；继续对多个聚类集合进行遍历，直至对所有聚类集合遍历完成；从遍历完成的聚类集合中筛选出至少一个疑似固定目标。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取经由雷达设备输出的在历史预设天数内生成的历史目标数据，其中，针对识别到的各个海上目标对象，所述历史目标数据包括历史目标标识、时间戳、以及位置信息；
将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果；
基于得到的多项聚蔟结果，分别从各个聚类集合中筛选出至少一个疑似固定目标；
针对每个所述疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域；
对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域；
当获取到所述雷达设备传输的实时目标数据时，基于所述固定目标区域对所述实时目标数据进行位置匹配，以进行海上固定目标的识别。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取经由雷达设备输出的在历史预设天数内生成的历史目标数据，其中，针对识别到的各个海上目标对象，所述历史目标数据包括历史目标标识、时间戳、以及位置信息；
将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果；
基于得到的多项聚蔟结果，分别从各个聚类集合中筛选出至少一个疑似固定目标；
针对每个所述疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域；
对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域；
当获取到所述雷达设备传输的实时目标数据时，基于所述固定目标区域对所述实时目标数据进行位置匹配，以进行海上固定目标的识别。
上述海上固定目标识别方法、装置、计算机设备和存储介质，将具备相同目标标识的海上目标对象聚合到同一个聚合集合中，并对聚合集合进行聚类分析，根据得到的聚簇结果，通过提取到的各个海上目标的运行轨迹特征，进行疑似固定目标的筛选；另一方面，为了能够对海上固定目标以及长时间的处于停靠状态的船舶进行区分，通过对各疑似固定目标在多天内的行进轨迹进行综合分析，即基于所属同一疑似固定目标聚合蔟的疑似固定目标区域的总生成次数，进行固定目标区域的判断，达到相应的区分效果，并进一步提高了对提高海上固定目标的识别准确度。
附图说明
图1为一个实施例中海上固定目标识别方法的应用环境图；
图2为一个实施例中海上固定目标识别方法的流程示意图；
图3为一个实施例中从各个聚类集合中筛选出至少一个疑似固定目标的步骤的流程示意图；
图4为一个实施例中海上固定目标识别方法的逻辑判断流程示意图；
图5为一个实施例中海上固定目标识别装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的海上固定目标识别方法，可以应用于如图1所示的应用环境中。其中，雷达设备102通过网络与计算机设备104进行通信。当前应用场景中，首先，将由计算机设备104获取经由雷达设备102输出的在历史预设天数内生成的历史目标数据。其次，再由计算机设备104将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并由计算机设备104对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果。其次，再由计算机设备104，基于得到的多项聚蔟结果，分别从各个聚类集合中筛选出至少一个疑似固定目标，并由计算机设备104针对每个所述疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域。其次，由计算机设备104对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域。最后，当计算机设备104获取到经由雷达设备102传输实时目标数据时，再基于固定目标区域对实时目标数据进行位置匹配，以进行海上固定目标的识别。
上述应用场景中，计算机设备104可以为终端或者服务器，其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种海上固定目标识别方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
步骤S202，获取经由雷达设备输出的在历史预设天数内生成的历史目标数据，其中，针对识别到的各个海上目标对象，历史目标数据包括历史目标标识、时间戳、以及位置信息。
其中，雷达设备包括雷达传感器，海上目标对象不仅包括海上浮标、灯塔、海浪、礁石和海上垃圾等长时间流动在一个固定区域内，且流动位置相对固定的海上固定目标，也还包括正常行驶在海上、或因抛锚等故障长时间停靠在一个固定区域内，且位置变化规律与海上固定目标十分相似的船舶目标。
具体的，在计算机设备与雷达设备之间通信成功的情况下，由计算机设备获取经由雷达设备传输的历史目标数据，并对该历史目标数据进行解析，从而得到所需的历史目标标识、时间戳信息以及位置信息。其中，目标标识可以理解为一种身份识别标签，具体的，雷达设备在检测到任一个海上目标对象时，会对当前检测到的对象赋予相应的目标标识；时间戳信息为对数据产生的时间进行认证的一类信息，根据时间戳信息也将生成对应的时段标记，在具体应用的时候，时段标记的取值可以在0-23这一取值区间进行灵活设置；位置信息包括在相应时间段，海上目标对象所处的经纬度坐标。
在其中一个实施例中，在利用计算机设备对获取的历史目标数据进行解析时，可以采用预设的正则表达式，以此实现对历史目标标识、时间戳信息、以及位置信息的有效提取。可参考的实施方式有：key＝"javapythonc++php"；re.findall('python',key)，上述的实施方式可以进一步理解为，从定义的key中，提取出所需的字符串'python'。
步骤S204，将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果。
具体的，由计算机设备根据上一步骤S202取出的数据，并以历史目标标识为聚合条件，将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合。其中，该聚类集合可以进一步理解为一个轨迹点集合，该轨迹点集合中包括了历史目标标识所指示的海上目标对象，在不同时段所抵达的位置点，基于该轨迹点集合可以进一步反映海上目标对象在过去某一天中的行进轨迹。
在其中一个实施例中，由计算机设备根据DBSCAN(Density-Based SpatialClustering of Applications with Noise，基于密度的聚类算法)聚类算法，对各个聚类集合分别进行聚类分析，其中，通过设置的最小点数以及距离阈值，可以得到相应的聚蔟结果。当然计算机设备还可采用其他的聚类算法进行聚类分析，比如图论聚类法等，本申请实施例对此不做限定。
需要说明的是：
(1)分析得到的聚蔟结果包括多个噪声点、以及多个或唯一一个聚合蔟；其中，各聚合蔟包括了多个聚合点。
(2)DBSCAN聚类算法是基于一组邻域来描述样本集的紧密程度的算法，通过参数(∈∈,MinPts)来描述邻域的样本分布紧密程度。其中，参数∈∈描述了某一样本的邻域距离阈值(即距离阈值)，参数MinPts描述了某一样本的距离为∈∈的邻域中样本个数的阈值(即最小点数)。
(3)聚合点指的是如果一个对象在其半径内含有超过MinPts数目的点时，则该对象为核心点；噪声点指的是如果一个对象既不是核心点也不是边界点，则该对象为噪声点。通俗地将，核心点对应稠密区域内部的点，噪声点对应稀疏区域中的点。
上述实施例中，基于DBSCAN聚类算法进行聚合分析，可以允许分析数据中存在异常的噪声数据，并且不需要指定聚合簇的个数，即可以对任意形状的稠密数据集进行聚类，由此提高了海上规定目标识别算法的执行效率。
步骤S206，基于得到的多项聚蔟结果，分别从各个聚类集合中筛选出至少一个疑似固定目标。
具体的，疑似固定目标指的是长时间流动在一个固定区域中的对象。当前实施例中，由计算机设备基于DBSCAN聚类算法分别对各个聚类集合进行聚合分析，并基于聚蔟结果中包括的噪声点以及聚合蔟的分布，从各个聚类集合中筛选出至少一个疑似固定目标，将所属同一聚类集合的疑似固定目标进行聚合，将形成相应的疑似固定目标聚合蔟。
在其中一个实施例中，在利用计算机设备进行疑似固定目标的筛选的时候，可以分为以下两种情况进行具体分析：
(1)如果聚簇结果中全部都是噪声点或者存在多个聚合簇，则证明当前分析对象在海上的行进区域较为分散，该分析对象可以认为是非固定目标。需要说明的是，非固定目标可以理解为正常行驶在海上的船舶目标。
(2)如果聚簇结果中存在一个唯一的聚合簇以及部分噪声点，接下来在对聚簇结果中的部分噪声点的分布情况进行分析的时候，若该部分噪声点的分布范围大于预设的范围阈值时，则该分析对象可以认为是非固定目标，否则该分析对象可以认为是疑似固定目标。
上述实施例中，利用DBSCAN算法进行聚类分析，通过提取各个海上目标对象的运行轨迹特征，并利用聚类结果中噪声点的范围分布阈值，有效的区分出正常行驶在海上的船舶目标以及疑似固定目标，由此提高了疑似固定目标的识别准确度。
步骤S208，针对每个疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域。
具体的，由计算机设备基于疑似固定目标在不同时间戳所对应的位置信息，对疑似固定目标的海上的行进区域进行划分。
在其中一个实施例中，由计算机设备对疑似固定目标在不同时间戳所对应的位置信息进行整合，形成相应的边界范围。接着，可以利用该边界范围确定相应的疑似固定目标区域。在一个实施例中，可以利用矩形区域划分方式对疑似固定目标的疑似固定目标区域进行划分，以保证该疑似固定目标在不同时间戳所处的位置均能够包含在疑似固定目标区域中。
步骤S210，对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域。
具体的，对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，包括：以天为单位，统计所属同一天的疑似固定目标区域，得到相应的疑似固定目标区域列表；对在历史预设天数内生成的各项疑似固定目标区域列表进行遍历，并对疑似固定目标区域的遍历次数进行记录；当遍历结束时，对所属同一疑似固定目标的疑似固定目标区域的遍历次数进行叠加，得到相应的总生成次数。
在其中一个实施例中，由计算机设备对在历史预设天数内，每天生成的疑似固定目标区域列表进行迭代计算，并统计各区域被识别为疑似固定目标区域的总次数。其中，针对统计的总次数大于次数阈值的目标区域，可以判定该目标区域即为固定目标区域。为了便于后续的数据调用，可以将固定目标区域的位置信息存入到数据库中。
另外，考虑到由于一些船舶会因为故障等原因，长时间的处于停靠状态，但是，也不能够排除该船舶会在2-3天(亦或者更长的时间周期)内，会被工作人员回收到相应地点，其行进区域在一段较长的时间周期内，也存在分布分散的可能。当前实施例中，为了能够对海上固定目标以及长时间的处于停靠状态的船舶进行区分，通过对各疑似固定目标在多天内的行进轨迹进行综合分析，即基于所属同一疑似固定目标的疑似固定目标区域的总生成次数，进行固定目标区域的判断，达到相应的区分效果，并进一步提高了对提高海上固定目标的识别准确度。
步骤S212，当获取到雷达设备传输的实时目标数据时，基于固定目标区域对实时目标数据进行位置匹配，以进行海上固定目标的识别。
具体的，基于固定目标区域对实时目标数据进行位置匹配，以进行海上固定目标的识别，包括：依据实时目标数据中包括的实时目标标识进行聚合，并形成相应的轨迹点集合；对轨迹点集合进行聚类分析，得到相应的聚簇点，当各聚蔟点的位置均分布在同一个固定目标区域中时，将当前识别到的海上目标对象作为海上固定目标。
在其中一个实施例中，由计算机设备获取经由雷达设备传输的实时目标数据，并依据实时目标数据中包括的实时目标标识进行聚合，得到相应的聚合结果(具体的聚合分析过程可以参考步骤S204)，基于各个聚蔟点的位置分布，当排除了聚合结果中包括的全部噪声点之后，以步骤S210中输出的固定目标区域为匹配基准，当判断在各聚蔟点的位置均分布在同一个固定目标区域中时，那么可以将当前识别到的海上目标对象作为海上固定目标。
上述海上固定目标识别方法中，将具备相同目标标识的海上目标对象聚合到同一个聚合集合中，并对聚合集合进行聚类分析，根据得到的聚簇结果，通过提取到的各个海上目标的运行轨迹特征，进行疑似固定目标的筛选；另一方面，为了能够对海上固定目标以及长时间的处于停靠状态的船舶进行区分，通过对各疑似固定目标在多天内的行进轨迹进行综合分析，即基于所属同一疑似固定目标聚合蔟的疑似固定目标区域的总生成次数，进行固定目标区域的判断，达到相应的区分效果，并进一步提高了对提高海上固定目标的识别准确度。
在一个实施例中，如图3所示，从各个聚类集合中筛选出至少一个疑似固定目标，具体包括以下步骤：
步骤S302，对每个聚类集合进行遍历。
步骤S304，针对当前遍历到的聚类集合，当聚类集合的聚蔟结果中存在多个聚合蔟或全是噪声点时，则将聚类集合中包括的多个海上目标对象作为非固定目标。
需要说明的是，针对当前遍历到的聚类集合，当其聚蔟结果中存在多个聚合蔟或全是噪声点时，可以认为该聚类集合所指示的海上目标对象的位置分布较为分散，而由于海上浮标和灯塔等海上固定目标，存在在一定时段内的位置分布较为聚集的位置变化规律，因此，基于海上固定目标的位置变化规律，可以进一步判断出该聚类集合中包括的多个海上目标对象为非固定目标。
步骤S306，当聚类集合的聚蔟结果中存在唯一一个聚合蔟以及部分噪声点时，确定部分噪声点的分布范围。
步骤S308，若部分噪声点的分布范围大于预设的范围阈值，则将聚类集合中包括的多个海上目标对象作为非固定目标；否则，将聚类集合中包括的多个海上目标对象作为疑似固定目标。
步骤S310，继续对多个聚类集合进行遍历，直至对所有聚类集合遍历完成。
需要说明的是，由计算机设备完成对每个聚类集合的遍历，遍历的过程中，针对每个聚类集合执行上述的步骤S304-S308，从相应的聚类集合中筛选出至少一个疑似固定目标。
步骤S312，从遍历完成的聚类集合中筛选出至少一个疑似固定目标。
上述实施例中，在聚合结果中存在噪声点的同时，基于聚合蔟的数量，以及当存在部分噪声点时，利用部分噪声点的位置分布范围，从聚类集合中筛选出相应的疑似固定目标，基于上述方式可以有效的排除由于测量误差带来的干扰，提高海上固定目标识别的精准度。
在一个实施例中，如图4所示，其为一个实施例中海上固定目标识别方法的逻辑判断流程示意图，具体包括以下实施步骤：
(1)从数据仓库中取出经由雷达设备输出的，在过去某一天中生成的历史目标数据；其中，历史目标数据主要包含：目标标识、MMSI(Maritime Mobile Service Identify，水上移动通信业务标识码)、目标类别、时间戳、经度、纬度、航速、航向、航艏向、船长和国籍等信息；
(2)对步骤(1)中获取到的历史目标数据进行清洗，从中过滤出经纬度为空的无效数据，得到历史有效数据。
(3)对历史有效数据进行预处理，取出历史有效数据中的目标标识、MMSI、经度、纬度和时间戳信息，并根据时间戳信息生成对应的时段标记，时段标记取值为0-23。
(4)根据步骤(3)取出的目标标识，对具备相同目标标识的多个海上目标对象进行聚合，并生成相应的轨迹点集合。
(5)利用DBSCAN聚类算法，对各轨迹点集合中的轨迹点的轨迹特征进行聚类分析。其中，通过设置最小点数及距离阈值，可以得到各轨迹点集合分别对应的聚簇结果。
(6)根据各轨迹点集合分别对应的聚簇结果，若聚簇结果中全是噪声点或者存在多个聚合簇时，则可判断对应的聚类集合中包括的多个海上目标对象为非固定目标。
(7)根据各轨迹点集合分别对应的聚簇结果，若存在一个唯一的聚合簇以及部分噪声点时，那么接下来需要对部分噪声点的分布范围进行判断。其中，如果部分噪声点的分布范围大于预设的分布阈值时，则可判断对应的聚类集合中包括的多个海上目标对象为非固定目标，否则为疑似固定目标。
(8)将所属同一聚类集合的疑似固定目标进行聚合，形成相应的疑似固定目标聚合蔟。针对各疑似固定目标聚合簇，对其中包括的所有疑似固定目标的位置信息进行整合，确定相应的边界范围，并根据该边界范围生成相应的固定目标区域。
(9)合并各固定目标区域，形成相应的固定目标区域集。
(10)重复上述步骤(1)-(9)，以天为单位生成相应的固定目标区域集，直到达到预设的迭代终止条件时(例如可以为仅针对过去30天的历史目标数据进行分析，在重复迭代到第30次时，在输出相应的固定目标区域集之后，则跳出循环)，执行步骤(11)。
(11)对生成的多个固定目标区域集进行迭代计算，统计各区域被识别为疑似固定目标区域的总次数，并将总次数大于一定次数阈值的区域作为固定目标区域。
(12)由人工对基于步骤(12)计算得到的各项固定目标区域进行二次确认；其中，二次确认可以采用过往经验，或调用摄像头对固定目标区域中的海上目标对象进行确认，当确认得到该海上目标对象为行驶中的船舶或因故障长时间处于停靠状态的故障船舶，则删除相应的固定目标区域数据。
(13)根据生成的固定目标区域，对实时获取的实时目标数据进行位置计算，同样依据实时目标标识聚合形成相应的轨迹点集合，并利用DBSCAN聚类算法，在排除噪声点之后，如果聚簇点的位置都在同一个固定区域内，则可以判定该目标为海上固定目标。
在一个实施例中，位置信息包括经纬度信息，在将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中的步骤之前，该方法还包括：从历史目标数据中过滤出经纬度为空的无效数据，得到历史有效数据；对历史有效数据进行解析处理，以针对识别到的各个海上目标对象，从历史有效数据中解析出相应的历史目标标识、时间戳信息、以及有效的经纬度信息。
在一个实施例中，在基于固定目标区域对实时目标数据进行位置匹配，以进行海上固定目标的识别的步骤之前，该方法还包括：利用光学检测设备，对当前在固定目标区域中的海上目标对象进行识别，得到相应的图像识别结果；当通过图像识别结果，确定当前识别到的海上目标对象为非固定目标时，删除对应的固定目标区域；当通过图像识别结果，确定当前识别到的海上目标对象为固定目标时，保留对应的固定目标区域。当前实施例中，通过人工二次确认，进一步提高了固定目标区域的准确度，并通过排除数据中由于测量误差带来的干扰，提高海上固定目标识别的精准度。
应该理解的是，虽然图1-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种海上固定目标识别装置，包括：获取模块501、第一聚合模块502、第二聚合模块503、预判断模块504、综合判断模块505和识别模块506，其中：
获取模块501，用于获取经由雷达设备输出的在历史预设天数内生成的历史目标数据，其中，针对识别到的各个海上目标对象，历史目标数据包括历史目标标识、时间戳、以及位置信息。
第一聚合模块502，用于将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果。
第二聚合模块503，用于基于得到的多项聚蔟结果，分别从各个聚类集合中筛选出至少一个疑似固定目标。
预判断模块504，用于针对每个疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域。
综合判断模块505，用于对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域。
识别模块506，用于当获取到雷达设备传输的实时目标数据时，基于固定目标区域对实时目标数据进行位置匹配，以进行海上固定目标的识别。
在其中一个实施例中，位置信息包括经纬度信息，该装置还包括预处理模块，其中：
预处理模块，用于从历史目标数据中过滤出经纬度为空的无效数据，得到历史有效数据；对历史有效数据进行解析处理，以针对识别到的各个海上目标对象，从历史有效数据中解析出相应的历史目标标识、时间戳信息、以及有效的经纬度信息。
在其中一个实施例中，第二聚合模块还用于对每个聚类集合进行遍历；针对当前遍历到的聚类集合，当聚类集合的聚蔟结果中存在多个聚合蔟或全是噪声点时，则将聚类集合中包括的多个海上目标对象作为非固定目标；当聚类集合的聚蔟结果中存在唯一一个聚合蔟以及部分噪声点时，确定部分噪声点的分布范围；若部分噪声点的分布范围大于预设的范围阈值，则将聚类集合中包括的多个海上目标对象作为非固定目标；否则，将聚类集合中包括的多个海上目标对象作为疑似固定目标；继续对多个聚类集合进行遍历，直至对所有聚类集合遍历完成；从遍历完成的聚类集合中筛选出至少一个疑似固定目标。
在其中一个实施例中，综合判断模块505，还用于以天为单位，统计所属同一天的疑似固定目标区域，得到相应的疑似固定目标区域列表；对在历史预设天数内生成的各项疑似固定目标区域列表进行遍历，并对疑似固定目标区域的遍历次数进行记录；当遍历结束时，对所属同一疑似固定目标的疑似固定目标区域的遍历次数进行叠加，得到相应的总生成次数。
在其中一个实施例中，该装置还包括二次判断模块，其中：
二次判断模块，用于利用光学检测设备，对当前在固定目标区域中的海上目标对象进行识别，得到相应的图像识别结果；当通过图像识别结果，确定当前识别到的海上目标对象为非固定目标时，删除对应的固定目标区域；当通过图像识别结果，确定当前识别到的海上目标对象为固定目标时，保留对应的固定目标区域。
在其中一个实施例中，识别模块506还用于获取经由雷达设备传输的实时目标数据，依据实时目标数据中包括的实时目标标识进行聚合，并形成相应的轨迹点集合；对轨迹点集合进行聚类分析，得到相应的聚簇点，当各聚蔟点的位置均分布在同一个固定目标区域中时，将当前识别到的海上目标对象作为海上固定目标。
上述海上固定目标识别装置，将具备相同目标标识的海上目标对象聚合到同一个聚合集合中，并对聚合集合进行聚类分析，根据得到的聚簇结果，通过提取到的各个海上目标的运行轨迹特征，进行疑似固定目标的筛选；另一方面，为了能够对海上固定目标以及长时间的处于停靠状态的船舶进行区分，通过对各疑似固定目标在多天内的行进轨迹进行综合分析，即基于所属同一疑似固定目标聚合蔟的疑似固定目标区域的总生成次数，进行固定目标区域的判断，达到相应的区分效果，并进一步提高了对提高海上固定目标的识别准确度。
关于海上固定目标识别装置的具体限定可以参见上文中对于海上固定目标识别方法的限定，在此不再赘述。上述海上固定目标识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端或服务器，其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器和通信接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种海上固定目标识别方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取经由雷达设备输出的在历史预设天数内生成的历史目标数据，其中，针对识别到的各个海上目标对象，历史目标数据包括历史目标标识、时间戳、以及位置信息；将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果；基于得到的多项聚蔟结果，分别从各个聚类集合中筛选出至少一个疑似固定目标；针对每个疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域；对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域；当获取到雷达设备传输的实时目标数据时，基于固定目标区域对实时目标数据进行位置匹配，以进行海上固定目标的识别。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：从历史目标数据中过滤出经纬度为空的无效数据，得到历史有效数据；对历史有效数据进行解析处理，以针对识别到的各个海上目标对象，从历史有效数据中解析出相应的历史目标标识、时间戳信息、以及有效的经纬度信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对每个聚类集合进行遍历；针对当前遍历到的聚类集合，当聚类集合的聚蔟结果中存在多个聚合蔟或全是噪声点时，则将聚类集合中包括的多个海上目标对象作为非固定目标；当聚类集合的聚蔟结果中存在唯一一个聚合蔟以及部分噪声点时，确定部分噪声点的分布范围；若部分噪声点的分布范围大于预设的范围阈值，则将聚类集合中包括的多个海上目标对象作为非固定目标；否则，将聚类集合中包括的多个海上目标对象作为疑似固定目标；继续对多个聚类集合进行遍历，直至对所有聚类集合遍历完成；从遍历完成的聚类集合中筛选出至少一个疑似固定目标。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：以天为单位，统计所属同一天的疑似固定目标区域，得到相应的疑似固定目标区域列表；对在历史预设天数内生成的各项疑似固定目标区域列表进行遍历，并对疑似固定目标区域的遍历次数进行记录；当遍历结束时，对所属同一疑似固定目标的疑似固定目标区域的遍历次数进行叠加，得到相应的总生成次数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：利用光学检测设备，对当前在固定目标区域中的海上目标对象进行识别，得到相应的图像识别结果；当通过图像识别结果，确定当前识别到的海上目标对象为非固定目标时，删除对应的固定目标区域；当通过图像识别结果，确定当前识别到的海上目标对象为固定目标时，保留对应的固定目标区域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：依据实时目标数据中包括的实时目标标识进行聚合，并形成相应的轨迹点集合；对轨迹点集合进行聚类分析，得到相应的聚簇点，当各聚蔟点的位置均分布在同一个固定目标区域中时，将当前识别到的海上目标对象作为海上固定目标。
上述计算机设备，将具备相同目标标识的海上目标对象聚合到同一个聚合集合中，并对聚合集合进行聚类分析，根据得到的聚簇结果，通过提取到的各个海上目标的运行轨迹特征，进行疑似固定目标的筛选；另一方面，为了能够对海上固定目标以及长时间的处于停靠状态的船舶进行区分，通过对各疑似固定目标在多天内的行进轨迹进行综合分析，即基于所属同一疑似固定目标聚合蔟的疑似固定目标区域的总生成次数，进行固定目标区域的判断，达到相应的区分效果，并进一步提高了对提高海上固定目标的识别准确度。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取经由雷达设备输出的在历史预设天数内生成的历史目标数据，其中，针对识别到的各个海上目标对象，历史目标数据包括历史目标标识、时间戳、以及位置信息；将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果；基于得到的多项聚蔟结果，分别从各个聚类集合中筛选出至少一个疑似固定目标；针对每个疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域；对在历史预设天数内，所属同一疑似固定目标的疑似固定目标区域的生成次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域；当获取到雷达设备传输的实时目标数据时，基于固定目标区域对实时目标数据进行位置匹配，以进行海上固定目标的识别。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：从历史目标数据中过滤出经纬度为空的无效数据，得到历史有效数据；对历史有效数据进行解析处理，以针对识别到的各个海上目标对象，从历史有效数据中解析出相应的历史目标标识、时间戳信息、以及有效的经纬度信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对每个聚类集合进行遍历；针对当前遍历到的聚类集合，当聚类集合的聚蔟结果中存在多个聚合蔟或全是噪声点时，则将聚类集合中包括的多个海上目标对象作为非固定目标；当聚类集合的聚蔟结果中存在唯一一个聚合蔟以及部分噪声点时，确定部分噪声点的分布范围；若部分噪声点的分布范围大于预设的范围阈值，则将聚类集合中包括的多个海上目标对象作为非固定目标；否则，将聚类集合中包括的多个海上目标对象作为疑似固定目标；继续对多个聚类集合进行遍历，直至对所有聚类集合遍历完成；从遍历完成的聚类集合中筛选出至少一个疑似固定目标。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：以天为单位，统计所属同一天的疑似固定目标区域，得到相应的疑似固定目标区域列表；对在历史预设天数内生成的各项疑似固定目标区域列表进行遍历，并对疑似固定目标区域的遍历次数进行记录；当遍历结束时，对所属同一疑似固定目标的疑似固定目标区域的遍历次数进行叠加，得到相应的总生成次数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：利用光学检测设备，对当前在固定目标区域中的海上目标对象进行识别，得到相应的图像识别结果；当通过图像识别结果，确定当前识别到的海上目标对象为非固定目标时，删除对应的固定目标区域；当通过图像识别结果，确定当前识别到的海上目标对象为固定目标时，保留对应的固定目标区域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：依据实时目标数据中包括的实时目标标识进行聚合，并形成相应的轨迹点集合；对轨迹点集合进行聚类分析，得到相应的聚簇点，当各聚蔟点的位置均分布在同一个固定目标区域中时，将当前识别到的海上目标对象作为海上固定目标。
上述计算机存储介质，将具备相同目标标识的海上目标对象聚合到同一个聚合集合中，并对聚合集合进行聚类分析，根据得到的聚簇结果，通过提取到的各个海上目标的运行轨迹特征，进行疑似固定目标的筛选；另一方面，为了能够对海上固定目标以及长时间的处于停靠状态的船舶进行区分，通过对各疑似固定目标在多天内的行进轨迹进行综合分析，即基于所属同一疑似固定目标聚合蔟的疑似固定目标区域的总生成次数，进行固定目标区域的判断，达到相应的区分效果，并进一步提高了对提高海上固定目标的识别准确度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种海上固定目标识别方法，其特征在于，所述方法包括：
获取经由雷达设备输出的在历史预设天数内生成的历史目标数据，其中，针对识别到的各个海上目标对象，所述历史目标数据包括历史目标标识、时间戳、以及位置信息；
将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果；
对每个聚类集合进行遍历；针对当前遍历到的聚类集合，当所述聚类集合的聚蔟结果中存在多个聚合蔟或全是噪声点时，则将所述聚类集合中包括的多个海上目标对象作为非固定目标；当所述聚类集合的聚蔟结果中存在唯一一个聚合蔟以及部分噪声点时，确定所述部分噪声点的分布范围；若所述部分噪声点的分布范围大于预设的范围阈值，则将所述聚类集合中包括的多个海上目标对象作为非固定目标；否则，将所述聚类集合中包括的多个海上目标对象作为疑似固定目标；继续对多个聚类集合进行遍历，直至对所有聚类集合遍历完成；从遍历完成的聚类集合中筛选出至少一个疑似固定目标；
针对每个所述疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域；
以天为单位，统计所属同一天的疑似固定目标区域，得到相应的疑似固定目标区域列表；对在历史预设天数内生成的各项疑似固定目标区域列表进行遍历，并对所述疑似固定目标区域的遍历次数进行记录；当遍历结束时，对所属同一疑似固定目标的疑似固定目标区域的遍历次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域；
当获取到所述雷达设备传输的实时目标数据时，基于所述固定目标区域对所述实时目标数据进行位置匹配，以进行海上固定目标的识别。
2.根据权利要求1所述的方法，其特征在于，所述位置信息包括经纬度信息，在所述将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中的步骤之前，所述方法还包括：
从所述历史目标数据中过滤出经纬度为空的无效数据，得到历史有效数据；
对所述历史有效数据进行解析处理，以针对识别到的各个海上目标对象，从所述历史有效数据中解析出相应的历史目标标识、时间戳信息、以及有效的经纬度信息。
3.根据权利要求1所述的方法，其特征在于，在所述基于所述固定目标区域对所述实时目标数据进行位置匹配，以进行海上固定目标的识别的步骤之前，所述方法还包括：
利用光学检测设备，对当前在所述固定目标区域中的海上目标对象进行识别，得到相应的图像识别结果；
当通过所述图像识别结果，确定当前识别到的海上目标对象为非固定目标时，删除对应的固定目标区域；
当通过所述图像识别结果，确定当前识别到的海上目标对象为固定目标时，保留对应的固定目标区域。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述固定目标区域对所述实时目标数据进行位置匹配，以进行海上固定目标的识别，包括：
依据所述实时目标数据中包括的实时目标标识进行聚合，并形成相应的轨迹点集合；
对所述轨迹点集合进行聚类分析，得到相应的聚簇点，当各聚蔟点的位置均分布在同一个所述固定目标区域中时，将当前识别到的海上目标对象作为海上固定目标。
5.一种海上固定目标识别装置，其特征在于，所述装置包括：
获取模块，用于获取经由雷达设备输出的在历史预设天数内生成的历史目标数据，其中，针对识别到的各个海上目标对象，所述历史目标数据包括历史目标标识、时间戳、以及位置信息；
第一聚合模块，用于将具备相同历史目标标识、且所属同一天的多个海上目标对象聚合到相应的聚类集合中，并对各个聚类集合分别进行聚类分析，得到相应的聚蔟结果；
第二聚合模块，用于对每个聚类集合进行遍历；针对当前遍历到的聚类集合，当所述聚类集合的聚蔟结果中存在多个聚合蔟或全是噪声点时，则将所述聚类集合中包括的多个海上目标对象作为非固定目标；当所述聚类集合的聚蔟结果中存在唯一一个聚合蔟以及部分噪声点时，确定所述部分噪声点的分布范围；若所述部分噪声点的分布范围大于预设的范围阈值，则将所述聚类集合中包括的多个海上目标对象作为非固定目标；否则，将所述聚类集合中包括的多个海上目标对象作为疑似固定目标；继续对多个聚类集合进行遍历，直至对所有聚类集合遍历完成；从遍历完成的聚类集合中筛选出至少一个疑似固定目标；
预判断模块，用于针对每个所述疑似固定目标，分别根据相应疑似固定目标在不同时间戳所对应的位置信息，确定与相应疑似固定目标对应的疑似固定目标区域；
综合判断模块，用于以天为单位，统计所属同一天的疑似固定目标区域，得到相应的疑似固定目标区域列表；对在历史预设天数内生成的各项疑似固定目标区域列表进行遍历，并对所述疑似固定目标区域的遍历次数进行记录；当遍历结束时，对所属同一疑似固定目标的疑似固定目标区域的遍历次数进行叠加，得到相应的总生成次数，并将总生成次数大于预设次数阈值的疑似固定目标区域作为固定目标区域；
识别模块，用于当获取到所述雷达设备传输的实时目标数据时，基于所述固定目标区域对所述实时目标数据进行位置匹配，以进行海上固定目标的识别。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110567107.4A CN113222040B (zh) | 2021-05-24 | 2021-05-24 | 海上固定目标识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110567107.4A CN113222040B (zh) | 2021-05-24 | 2021-05-24 | 海上固定目标识别方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113222040A CN113222040A (zh) | 2021-08-06 |
| CN113222040B true CN113222040B (zh) | 2024-04-26 |
Family
ID=77098177
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110567107.4A Active CN113222040B (zh) | 2021-05-24 | 2021-05-24 | 海上固定目标识别方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113222040B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113932282B (zh) * | 2021-11-11 | 2024-03-01 | 武汉中绘炫图信息科技有限公司 | 一种城市供暖监管方法和*** |
| CN117111019B (zh) * | 2023-10-25 | 2024-01-09 | 深圳市先创数字技术有限公司 | 一种基于雷达探测的目标跟踪监控方法和*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010014491A (ja) * | 2008-07-02 | 2010-01-21 | National Institute Of Advanced Industrial & Technology | 洋上監視システムおよび方法 |
| CN107832778A (zh) * | 2017-10-13 | 2018-03-23 | 中国舰船研究设计中心 | 一种基于空间综合相似度的相同目标识别方法 |
| CN110309240A (zh) * | 2018-03-14 | 2019-10-08 | 北京京东尚科信息技术有限公司 | 去除动态目标的方法和装置 |
| CN111581314A (zh) * | 2020-04-26 | 2020-08-25 | 亿海蓝（北京）数据技术股份公司 | 基于船舶轨迹的泊位识别方法及装置 |
| CN112100303A (zh) * | 2020-09-14 | 2020-12-18 | 拉扎斯网络科技（上海）有限公司 | 建筑实***置确定方法、装置、计算机设备及可读存储介质 |
| CN112613455A (zh) * | 2020-12-29 | 2021-04-06 | 武汉理工大学 | 一种船舶锚泊聚集区识别方法及装置 |
-
2021
- 2021-05-24 CN CN202110567107.4A patent/CN113222040B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010014491A (ja) * | 2008-07-02 | 2010-01-21 | National Institute Of Advanced Industrial & Technology | 洋上監視システムおよび方法 |
| CN107832778A (zh) * | 2017-10-13 | 2018-03-23 | 中国舰船研究设计中心 | 一种基于空间综合相似度的相同目标识别方法 |
| CN110309240A (zh) * | 2018-03-14 | 2019-10-08 | 北京京东尚科信息技术有限公司 | 去除动态目标的方法和装置 |
| CN111581314A (zh) * | 2020-04-26 | 2020-08-25 | 亿海蓝（北京）数据技术股份公司 | 基于船舶轨迹的泊位识别方法及装置 |
| CN112100303A (zh) * | 2020-09-14 | 2020-12-18 | 拉扎斯网络科技（上海）有限公司 | 建筑实***置确定方法、装置、计算机设备及可读存储介质 |
| CN112613455A (zh) * | 2020-12-29 | 2021-04-06 | 武汉理工大学 | 一种船舶锚泊聚集区识别方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| "Invariant triangle-based stationary oil platform detection from multitemporal synthetic aperture radar data";Liang Cheng等;《Journal of Applied Remoting Sensing》;20130709;第073537号 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113222040A (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xiao et al. | Maritime traffic probabilistic forecasting based on vessels’ waterway patterns and motion behaviors | |
| CN113222040B (zh) | 海上固定目标识别方法、装置、计算机设备和存储介质 | |
| Laxhammar et al. | Inductive conformal anomaly detection for sequential detection of anomalous sub-trajectories | |
| CN109684384B (zh) | 一种轨迹数据时空密度分析***及其分析方法 | |
| CN109829936B (zh) | 一种目标追踪的方法及设备 | |
| CN113822513B (zh) | 一种基于锚地与泊位自动识别算法的港口拥堵监测方法 | |
| CN113723715A (zh) | 公交线网自动匹配道路网络方法、***、设备及存储介质 | |
| CN112200059B (zh) | 水上移动目标的流量统计方法、装置和计算机设备 | |
| CN114564545A (zh) | 一种基于ais历史数据的船舶经验航线提取***及方法 | |
| CN110493221A (zh) | 一种基于聚簇轮廓的网络异常检测方法 | |
| CN115718874A (zh) | 异常检测 | |
| CN113269042A (zh) | 基于行驶车辆违章识别的智能交通管理方法及*** | |
| Xu et al. | Trajectory clustering for SVR-based Time of Arrival estimation | |
| CN117221087A (zh) | 告警根因定位方法、装置及介质 | |
| Yan et al. | Development of denoising and compression algorithms for AIS-based vessel trajectories | |
| Ahmed et al. | Choosing thresholds for density-based map construction algorithms | |
| CN115187884A (zh) | 一种高空抛物识别方法、装置、电子设备及存储介质 | |
| CN110796129A (zh) | 一种文本行区域检测方法及装置 | |
| CN112163019A (zh) | 基于区块链的可信电子批记录处理方法及区块链服务平台 | |
| Liu et al. | An online method for ship trajectory compression using AIS data | |
| Salamanis et al. | Evaluating the effect of time series segmentation on STARIMA-based traffic prediction model | |
| Wang et al. | Extracting the main routes and speed profiles between two locations from massive uncertain historical trajectories | |
| CN116108376A (zh) | 一种反窃电的监测***、方法、电子设备及介质 | |
| Newaliya et al. | A review of maritime spatio-temporal data analytics | |
| Guan et al. | Research on the recognition of multiple MMSI codes on a single vessel based on AIS datas |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230719 Address after: 570000 Unit B, 14 #, Fortune Plaza, 103 Binhai Avenue, Haikou City, Hainan Province Applicant after: Haikou Branch of Guangzhou Bureau of China Southern Power Grid Co.,Ltd. Address before: 510700 Building 2, 223 science Avenue, Huangpu District, Guangzhou City, Guangdong Province Applicant before: GUANGZHOU BUREAU OF EXTRA HIGH VOLTAGE TRANSMISSION COMPANY OF CHINA SOUTHERN POWER GRID Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |