项目名称: 面向电子巡航的内河视频智能分析算法研究

项目编号: No.51279152

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 水利工程

项目作者: 刘清

作者单位: 武汉理工大学

项目金额: 74万元

中文摘要: 内河航道安装的CCTV系统,与船舶交通管理、自动识别、全球定位等系统相结合构成的"电子巡航",成为当前内河海事监管的一种重要手段。然而目前CCTV系统智能化程度不高,人工参与的工作量大。而且内河有雾天数达全年60%,CCTV监控系统亦无法获得清晰视频,不能发挥"眼"的作用。本项目基于内河图像特征,研究内河CCTV系统的视频去雾与船舶检测、跟踪算法。主要内容包括:1.研究图像复原与增强相结合的去雾方法来获取清晰视频;2.研究河道中阴影干扰机理和消除方法,建立船舶背景模型,提取前景区域,实现复杂背景下船舶目标检测;3.研究水面光照反射干扰机理,提取船舶特征,采用智能计算方法改进TLD(Tracking-Learning-Detection)算法,实现多目标跟踪。本项目旨在提高现有CCTV监控水平,实现视频智能去雾,智能分析、检测、识别与船舶跟踪,为海事监控、船舶辅助驾驶等提供理论基础。

中文关键词: 电子巡航;计算机视觉;去雾算法;运动船舶检测;船舶跟踪

英文摘要: CCTV system, in combination with vessel transportation system, automatic identification system, global position system, weather information system, etc., serves as a key part of "electronic cruise" and an important safety monitoring method in the field of inland waterway marine surveillance. However, because of the related low intelligent level, the use of current CCTV leads to the expenditure of human resource. Besides, being susceptible to weather conditions, current CCTV systems can hardly get clear video information for waterways under foggy navigation state which, according to related statistics, accounts for more than 60 percent in inland waterway. In this project, based on the features of inland waterway images, we will focus on the video defogging and vessel target detection and tracking algorithms of inland waterway CCTV systems, principally as follows: first, an intelligent dehazing algorithm which consists of both image restoration and enhancement in order to get clear inland waterway video surveillance images; second, the disturbance mechanism and subtracting algorithm of waterway shadow, waterway background modeling and foreground area extraction algorithms, as well as the vessel target detection algorithm in complicated background scene; third, the disturbance mechanism of light reflection on the w

英文关键词: electronic cruise;computer vision;defogging algorithm;moving ship detection;ship tracking

成为VIP会员查看完整内容
0

相关内容

面向行人重识别的局部特征研究进展、挑战与展望
专知会员服务
26+阅读 · 2021年10月13日
专知会员服务
44+阅读 · 2021年5月24日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
视觉目标跟踪十年研究进展
专知会员服务
86+阅读 · 2021年3月10日
Python编程基础,121页ppt
专知会员服务
48+阅读 · 2021年1月1日
面向健康的大数据与人工智能,103页ppt
专知会员服务
107+阅读 · 2020年12月29日
专知会员服务
20+阅读 · 2020年9月8日
【ACM MM2020】跨模态分布匹配的半监督多模态情感识别
专知会员服务
42+阅读 · 2020年9月8日
深度学习视频中多目标跟踪:论文综述
专知会员服务
92+阅读 · 2019年10月13日
ACM通讯:自动驾驶“走”到哪了?
大数据文摘
0+阅读 · 2022年4月4日
阿里斑马智行算法团队招聘深度学习算法专家
极市平台
0+阅读 · 2022年1月27日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
视频中的多目标跟踪【附PPT与视频资料】
人工智能前沿讲习班
30+阅读 · 2018年11月29日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2010年12月31日
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关主题
相关VIP内容
面向行人重识别的局部特征研究进展、挑战与展望
专知会员服务
26+阅读 · 2021年10月13日
专知会员服务
44+阅读 · 2021年5月24日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
视觉目标跟踪十年研究进展
专知会员服务
86+阅读 · 2021年3月10日
Python编程基础,121页ppt
专知会员服务
48+阅读 · 2021年1月1日
面向健康的大数据与人工智能,103页ppt
专知会员服务
107+阅读 · 2020年12月29日
专知会员服务
20+阅读 · 2020年9月8日
【ACM MM2020】跨模态分布匹配的半监督多模态情感识别
专知会员服务
42+阅读 · 2020年9月8日
深度学习视频中多目标跟踪:论文综述
专知会员服务
92+阅读 · 2019年10月13日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2010年12月31日
微信扫码咨询专知VIP会员