CN116310873A - 基于卫星遥感的船舶目标识别方法、装置、介质及设备 - Google Patents
基于卫星遥感的船舶目标识别方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN116310873A CN116310873A CN202310285743.7A CN202310285743A CN116310873A CN 116310873 A CN116310873 A CN 116310873A CN 202310285743 A CN202310285743 A CN 202310285743A CN 116310873 A CN116310873 A CN 116310873A
- Authority
- CN
- China
- Prior art keywords
- ship
- target
- remote sensing
- longitude
- target ship
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003384 imaging method Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001174 ascending effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Astronomy & Astrophysics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于卫星遥感的船舶目标识别方法、装置、介质及设备。其中,方法包括:获取带有目标船舶的卫星遥感影像,确定卫星遥感影像的成像时间和经纬度;根据卫星遥感影像的成像时间和经纬度,确定用于识别目标船舶的时间范围和经纬度范围;根据获取的船舶AIS航迹数据以及时间范围和经纬度范围,确定在该范围内的目标船舶集合;利用计算机视觉算法对卫星遥感影像进行船舶识别,提取目标船舶的尺寸和类型;根据目标船舶的船舶尺寸和类型,和目标船舶集合的船舶AIS航迹数据中船舶尺寸和类型进行比对,确定目标船舶的船舶数据信息。
Description
技术领域
本发明涉及遥感图像处理技术领域,并且更具体地,涉及一种基于卫星遥感的船舶目标识别方法、装置、介质及设备。
背景技术
目前,现有已有卫星AIS、LRIT、CCTV、GPS等等多种船跟踪舶识别的技术手段,每种方式都具有自身特点也能够在特定环境下满足人们的需求。进入21世纪以后特别是近十年,随着卫星技术和机器视觉技术的发展,卫星遥感图像分辨率大幅提高,获取来源愈加多元,利用遥感卫星进行海域船舶目标识别得到迅速发展。目前已有基于神经网络对卫星照片中的船舶进行识别以及船舶类型识别的技术,但仍无法识别出船舶的具体身份标识信息,这也是传统卫星的主要特点,可以发现目标,但是不能识别目标。
发明内容
针对现有技术的不足,本发明提供一种基于卫星遥感的船舶目标识别方法、装置、介质及设备。
根据本发明的一个方面,提供了一种基于卫星遥感的船舶目标识别方法,包括:
获取带有目标船舶的卫星遥感影像,确定卫星遥感影像的成像时间和经纬度;
根据卫星遥感影像的成像时间和经纬度,确定用于识别目标船舶的时间范围和经纬度范围;
根据获取的船舶AIS航迹数据以及时间范围和经纬度范围,确定在该范围内的目标船舶集合;
利用计算机视觉算法对卫星遥感影像进行船舶识别,提取目标船舶的尺寸和类型;
根据目标船舶的船舶尺寸和类型,和目标船舶集合的船舶AIS航迹数据中船舶尺寸和类型进行比对,确定目标船舶的船舶数据信息。
可选地,还包括:
在目标船舶集合中包含和根据目标船舶的船舶尺寸和类型相同的多个船舶的情况下,识别遥感卫星影像中目标船舶的船型角度和尾浪角度;
根据目标船舶的船型角度以及尾浪角度,和多个船舶的船舶AIS航迹数据中的船型角度和尾浪角度进行比对,确定目标船舶的船舶数据信息。
可选地,还包括:
对目标船舶集合中的船舶和成像时间的时间差进行升序排列。
可选地,还包括:
通过可配置窗口对时间范围和经纬度范围进行配置和可视化。
根据本发明的另一个方面,提供了一种基于卫星遥感的船舶目标识别装置,包括:
获取模块,用于获取带有目标船舶的卫星遥感影像,确定卫星遥感影像的成像时间和经纬度;
第一确定模块,用于根据卫星遥感影像的成像时间和经纬度,确定用于识别目标船舶的时间范围和经纬度范围;
第二确定模块,用于根据获取的船舶AIS航迹数据以及时间范围和经纬度范围,确定在该范围内的目标船舶集合;
提取模块,用于利用计算机视觉算法对卫星遥感影像进行船舶识别,提取目标船舶的尺寸和类型;
第三确定模块,用于根据目标船舶的船舶尺寸和类型,和目标船舶集合的船舶AIS航迹数据中船舶尺寸和类型进行比对,确定目标船舶的船舶数据信息。
根据本发明的又一个方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本发明上述任一方面所述的方法。
根据本发明的又一个方面,提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本发明上述任一方面所述的方法。
从而,。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1是本发明一示例性实施例提供的基于卫星遥感的船舶目标识别方法的流程示意图;
图2是本发明一示例性实施例提供的识别的多个船舶的示意图;
图3是本发明一示例性实施例提供的目标船舶识别结果的示意图;
图4是本发明一示例性实施例提供的基于卫星遥感的船舶目标识别装置的结构示意图;
图5是本发明一示例性实施例提供的电子设备的结构。
具体实施方式
下面,将参考附图详细地描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
本领域技术人员可以理解,本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本发明实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本发明实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本发明中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本发明中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本发明对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机***、服务器等电子设备,其可与众多其它通用或专用计算***环境或配置一起操作。适于与终端设备、计算机***、服务器等电子设备一起使用的众所周知的终端设备、计算***、环境和/或配置的例子包括但不限于:个人计算机***、服务器计算机***、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的***、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机***﹑大型计算机***和包括上述任何***的分布式云计算技术环境,等等。
终端设备、计算机***、服务器等电子设备可以在由计算机***执行的计算机***可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机***/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算***存储介质上。
示例性方法
图1是本发明一示例性实施例提供的基于卫星遥感的船舶目标识别方法的流程示意图。本实施例可应用在电子设备上,如图1,基于卫星遥感的船舶目标识别方法100包括以下步骤:
步骤101,获取带有目标船舶的卫星遥感影像,确定卫星遥感影像的成像时间和经纬度;
步骤102,根据卫星遥感影像的成像时间和经纬度,确定用于识别目标船舶的时间范围和经纬度范围;
步骤103,根据获取的船舶AIS航迹数据以及时间范围和经纬度范围,确定在该范围内的目标船舶集合;
步骤104,利用计算机视觉算法对卫星遥感影像进行船舶识别,提取目标船舶的尺寸和类型;
步骤105,根据目标船舶的船舶尺寸和类型,和目标船舶集合的船舶AIS航迹数据中船舶尺寸和类型进行比对,确定目标船舶的船舶数据信息。
可选地,还包括:
在目标船舶集合中包含和根据目标船舶的船舶尺寸和类型相同的多个船舶的情况下,识别遥感卫星影像中目标船舶的船型角度和尾浪角度;
根据目标船舶的船型角度以及尾浪角度,和多个船舶的船舶AIS航迹数据中的船型角度和尾浪角度进行比对,确定目标船舶的船舶数据信息。
可选地,还包括:
对目标船舶集合中的船舶和成像时间的时间差进行升序排列。
可选地,还包括:
通过可配置窗口对时间范围和经纬度范围进行配置和可视化。
具体地,卫星成像数据与AIS信号数据两种截然不同的数据之间唯一直接交集的信息有两个,一是经纬度、二是时间。因此要将卫星成像数据中的船舶与AIS信号中的船舶进行识别只要利用上述两种信息即可,但准确率存在一定的问题。因此在本发明中提出了多属性关联的概念,即在时间、空间的维度上增加船舶尺度(即尺寸)、船舶对地航向(即船型角度)、船舶尾浪等等多种属性进行关联。
比如已知卫星图像船舶位的经纬度为118.981、39.223,成像时间为2021-10-0110:00,在基础上。以该点为中心设置有效半径范围,以成像时间为基准扩大时间范围,同时加上船舶类型、船舶尺度、船舶对地航向、船舶尾浪等参数进行卫星目标与AIS轨迹信息的匹配。
通过上述多重属性方式,往往会出现多个AIS候选目标,如图2所示,经验证从时间、空间、船型、尺度等多属性维度是能够正确且找到唯一对应的AIS信息,从而实现卫星图像船舶与AIS信号准确关联,具体过程如下图:
1.基于静止目标的多维属性识别
锚地船舶、靠泊船舶通常处于静止状态,对于静止目标的识别利用卫星图像成像的时间、经纬度数据结合实时存储的AIS轨迹数据,理论上只要该船舶当时开启了AIS设备便能够找到卫星图像中任意船舶的相关AIS信息。
但实际在对比的过程中不难发现,卫星图像和AIS轨迹数据各有其自身特点,如卫星图像因角度、焦距、画幅等属性,对于几十几百海里的海域,只需要卫星飞过一次的瞬间即可完成拍摄。而AIS设备根据其类型CLASSA/CLASSB、船舶当前行驶状态是静止或航行、航行船舶的速度等,理论最快信号发送间隙为3秒,而在实际中,这个间隙往往会更长。这就给直接用卫星成像数据的经度纬度与AIS航迹对比造成困扰。
因此本发明对静止目标的识别是在时域属性的基础上增加了船舶长度、船舶类型的属性判断。具体的识别过程分为三步,首先对卫星成像影像的时间和经纬度给定一个时间和范围阈值,根据该阈值对AIS航迹数据进行检查,查找指定时间出现在指定范围内的船舶,并按距离和时间对候选船舶进行排序,从而将距离最近时间差最小的排在最前,其次利用计算视觉技术对影像中船舶的长度和类型对进行取值并与候选数据中的船舶进行对比从而进行正确的识别。
2.基于运动失量目标的模拟识别
处于航行状态的船舶除具有静止船舶的属性外还可以增加船舶对地航向(船头朝向)和船舶尾浪两个属性进行匹配。具体的识别过程分为三步,即在静止目标识别的基础上,增加第三步,对船型角度和尾浪角度进行匹配。
在AIS航迹中本身就存储了船舶的船头朝向数据,可以直接取出来使用,对于尾浪则需要对卫星成像数据进行影像数据的提取。从而提高运动失量目标的识别率。
进一步地,AIS可变窗融合识别,基于多属性关联的识别,是计算机程序通过预先编程设置的规则在后台黑盒运行自动产生识别结果的过程。
其过程不透明,面对产生的结果,人无知获知正确性。因此本发明提出了AIS可变窗融合识别,通过窗口应用进行配置和可视化计算机在多属性关联中具体的识别过程,同时将影响识别结果的各项阈值设置成可变参数。从而实现使用人员可以进行识别结果的验证和识别过程的参与。
位置参数:利用地球经纬度网格化,处理卫星目标识别窗变化,提前设置码头、锚地、航道、港外网格,提高AI影像正向识别和卫星目标反识别率。
时间参数:利用成像时间向前向后各增加30分钟或指定时间进行AIS航迹的数据的过滤
船舶类型尺寸:依据成像结果中的船舶类型以及船舶的尺寸,对AIS数据中的船舶类型船型大小进行在一次过滤,以排除不匹配的目标。
例如参考图3,根据可变窗可以看到,以卫星成像为基础依据,在加上时间阈值、空间阈值、船型阈值等,虽然有多个AIS目标可选。但最终识别结果仍应该是MMSI为414134000的太行128船。
从而,本发明中结合了卫星遥感图像数据和AIS轨迹数据,实现了船舶身份数据和特征数据的结合,并且对于运动船舶可以在卫星影像上提取尾浪角度进行提取,从而提高运动失量目标的识别率。,达到准确识别目标船舶数据信息的效果。
示例性装置
图4是本发明一示例性实施例提供的基于卫星遥感的船舶目标识别装置的结构示意图。如图4,装置400包括:
获取模块410,用于获取带有目标船舶的卫星遥感影像,确定所述卫星遥感影像的成像时间和经纬度;
第一确定模块420,用于根据所述卫星遥感影像的所述成像时间和所述经纬度,确定用于识别所述目标船舶的时间范围和经纬度范围;
第二确定模块430,用于根据获取的船舶AIS航迹数据以及所述时间范围和所述经纬度范围,确定在该范围内的目标船舶集合;
提取模块440,用于利用计算机视觉算法对所述卫星遥感影像进行船舶识别,提取所述目标船舶的尺寸和类型;
第三确定模块450,用于根据所述目标船舶的船舶尺寸和类型,和所述目标船舶集合的所述船舶AIS航迹数据中船舶尺寸和类型进行比对,确定所述目标船舶的船舶数据信息。
可选地,装置400还包括:
识别模块,用于在所述目标船舶集合中包含和根据所述目标船舶的船舶尺寸和类型相同的多个船舶的情况下,识别所述遥感卫星影像中所述目标船舶的船型角度和尾浪角度;
第四确定模块,用于根据所述目标船舶的船型角度以及尾浪角度,和所述多个船舶的所述船舶AIS航迹数据中的船型角度和尾浪角度进行比对,确定所述目标船舶的所述船舶数据信息。
可选地,装置400还包括:
排列模块,用于对所述目标船舶集合中的船舶和所述成像时间的时间差进行升序排列。
可选地,装置400还包括:
配置模块,用于通过可配置窗口对所述时间范围和所述经纬度范围进行配置和可视化。
示例性电子设备
图5是本发明一示例性实施例提供的电子设备的结构。如图5,电子设备50包括一个或多个处理器51和存储器52。
处理器51可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器52可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器51可以运行所述程序指令,以实现上文所述的本发明的各个实施例的软件程序的方法以及/或者其他期望的功能。在一个示例中,电子设备还可以包括:输入装置53和输出装置54,这些组件通过总线***和/或其他形式的连接机构(未示出)互连。
此外,该输入装置53还可以包括例如键盘、鼠标等等。
该输出装置54可以向外部输出各种信息。该输出装置54可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图5中仅示出了该电子设备中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的对历史变更记录进行信息挖掘的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、***或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,在本发明中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本发明为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于***实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明中涉及的器件、***、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、***、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本发明的方法和***。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和***。用于所述方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
还需要指出的是,在本发明的***、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此,本发明不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本发明的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种基于卫星遥感的船舶目标识别方法,其特征在于,包括:
获取带有目标船舶的卫星遥感影像,确定所述卫星遥感影像的成像时间和经纬度;
根据所述卫星遥感影像的所述成像时间和所述经纬度,确定用于识别所述目标船舶的时间范围和经纬度范围;
根据获取的船舶AIS航迹数据以及所述时间范围和所述经纬度范围,确定在该范围内的目标船舶集合;
利用计算机视觉算法对所述卫星遥感影像进行船舶识别,提取所述目标船舶的尺寸和类型;
根据所述目标船舶的船舶尺寸和类型,和所述目标船舶集合的所述船舶AIS航迹数据中船舶尺寸和类型进行比对,确定所述目标船舶的船舶数据信息。
2.根据权利要求1所述的方法,其特征在于,还包括:
在所述目标船舶集合中包含和根据所述目标船舶的船舶尺寸和类型相同的多个船舶的情况下,识别所述遥感卫星影像中所述目标船舶的船型角度和尾浪角度;
根据所述目标船舶的船型角度以及尾浪角度,和所述多个船舶的所述船舶AIS航迹数据中的船型角度和尾浪角度进行比对,确定所述目标船舶的所述船舶数据信息。
3.根据权利要求1所述的方法,其特征在于,还包括:
对所述目标船舶集合中的船舶和所述成像时间的时间差进行升序排列。
4.根据权利要求1所述的方法,其特征在于,还包括:
通过可配置窗口对所述时间范围和所述经纬度范围进行配置和可视化。
5.一种基于卫星遥感的船舶目标识别装置,其特征在于,包括:
获取模块,用于获取带有目标船舶的卫星遥感影像,确定所述卫星遥感影像的成像时间和经纬度;
第一确定模块,用于根据所述卫星遥感影像的所述成像时间和所述经纬度,确定用于识别所述目标船舶的时间范围和经纬度范围;
第二确定模块,用于根据获取的船舶AIS航迹数据以及所述时间范围和所述经纬度范围,确定在该范围内的目标船舶集合;
提取模块,用于利用计算机视觉算法对所述卫星遥感影像进行船舶识别,提取所述目标船舶的尺寸和类型;
第三确定模块,用于根据所述目标船舶的船舶尺寸和类型,和所述目标船舶集合的所述船舶AIS航迹数据中船舶尺寸和类型进行比对,确定所述目标船舶的船舶数据信息。
6.根据权利要求5所述的装置,其特征在于,还包括:
识别模块,用于在所述目标船舶集合中包含和根据所述目标船舶的船舶尺寸和类型相同的多个船舶的情况下,识别所述遥感卫星影像中所述目标船舶的船型角度和尾浪角度;
第四确定模块,用于根据所述目标船舶的船型角度以及尾浪角度,和所述多个船舶的所述船舶AIS航迹数据中的船型角度和尾浪角度进行比对,确定所述目标船舶的所述船舶数据信息。
7.根据权利要求5所述的装置,其特征在于,还包括:
排列模块,用于对所述目标船舶集合中的船舶和所述成像时间的时间差进行升序排列。
8.根据权利要求5所述的装置,其特征在于,还包括:
配置模块,用于通过可配置窗口对所述时间范围和所述经纬度范围进行配置和可视化。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-4任一所述的方法。
10.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-4任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310285743.7A CN116310873A (zh) | 2023-03-22 | 2023-03-22 | 基于卫星遥感的船舶目标识别方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310285743.7A CN116310873A (zh) | 2023-03-22 | 2023-03-22 | 基于卫星遥感的船舶目标识别方法、装置、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116310873A true CN116310873A (zh) | 2023-06-23 |
Family
ID=86818415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310285743.7A Pending CN116310873A (zh) | 2023-03-22 | 2023-03-22 | 基于卫星遥感的船舶目标识别方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116310873A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315573A (zh) * | 2023-09-20 | 2023-12-29 | 亿海蓝(北京)数据技术股份公司 | 供油船的作业行为识别方法及***、电子设备及存储介质 |
-
2023
- 2023-03-22 CN CN202310285743.7A patent/CN116310873A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315573A (zh) * | 2023-09-20 | 2023-12-29 | 亿海蓝(北京)数据技术股份公司 | 供油船的作业行为识别方法及***、电子设备及存储介质 |
CN117315573B (zh) * | 2023-09-20 | 2024-06-04 | 亿海蓝(北京)数据技术股份公司 | 供油船的作业行为识别方法及***、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
You et al. | Pixel-level remote sensing image recognition based on bidirectional word vectors | |
Kim et al. | Real-time visual SLAM for autonomous underwater hull inspection using visual saliency | |
US9594984B2 (en) | Business discovery from imagery | |
EP3346445B1 (en) | Methods and devices for extracting an object from a video sequence | |
CN108765458A (zh) | 基于相关滤波的高海况无人艇海面目标尺度自适应跟踪方法 | |
US10599949B2 (en) | Automatic moving object verification | |
US9569668B2 (en) | Method and device for image-assisted runway localization | |
US20220156483A1 (en) | Efficient three-dimensional object detection from point clouds | |
Villar et al. | Evaluation of an efficient approach for target tracking from acoustic imagery for the perception system of an autonomous underwater vehicle | |
Piskur et al. | Algorithms for passive detection of moving vessels in marine environment | |
CN116310873A (zh) | 基于卫星遥感的船舶目标识别方法、装置、介质及设备 | |
CN111639513A (zh) | 一种船只遮挡识别方法、装置及电子设备 | |
CN113592706B (zh) | 调整单应性矩阵参数的方法和装置 | |
CN116844129A (zh) | 多模态特征对齐融合的路侧目标检测方法、***及装置 | |
Zhao et al. | Mosaic method of side‐scan sonar strip images using corresponding features | |
Wang et al. | RPFNet: Recurrent pyramid frequency feature fusion network for instance segmentation in side-scan sonar images | |
CN112150508B (zh) | 一种目标追踪方法、装置及相关设备 | |
Yang et al. | Foreground enhancement network for object detection in sonar images | |
CN110021036B (zh) | 红外目标检测方法、装置、计算机设备和存储介质 | |
Lee et al. | SAM-net: LiDAR depth inpainting for 3D static map generation | |
CN113985436A (zh) | 基于slam的无人机三维地图构建与定位方法及装置 | |
CN113486907A (zh) | 一种无人驾驶设备避障方法、装置及无人驾驶设备 | |
CN112070893A (zh) | 一种基于深度学习的动态海面三维建模方法及存储介质 | |
CN112926534A (zh) | 一种基于变换域信息融合的sar图形船只目标检测方法 | |
Gnilitskii et al. | Decision making algorithms in the problem of object selection in images of ground scenes |
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 |