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。
Build a ship collision risk assessment model based on intelligent vision to improve the safety of ship navigation. Using the ship navigation image collected by machine vision technology, the color features and gradient direction features in the ship navigation image are extracted. The efficient convolution operators for tracking (ECO) algorithm is used to learn the filter template and obtain the response graph value of ship navigation image features. Weighted summation is used to process the value of the characteristic response diagram to realize the tracking of the ship's navigation trajectory. According to the time and coordinate information of ship trajectory tracking results, the speed, orientation and coordinate information of ship navigation are obtained. According to the information of ship's sailing speed, the ship collision risk assessment model is constructed, and the ship collision risk value is output. The test results show that the model can effectively evaluate the risks of collision, cross collision and overtaking collision in the process of ship navigation, and improve the safety of ship navigation.
2022,44(16): 155-158 收稿日期：2022-01-22
DOI：10.3404/j.issn.1672-7649.2022.16.033
分类号：U674.7
基金项目：山西省教育科学“十四五”规划资助项目(GH-220360)
作者简介：陆青梅(1979-)，女，博士，讲师，研究方向为人工智能及计算机应用
参考文献：
[1] 包张静, 洪方智, 翁雨波, 等. 基于线性叠加的智能船舶经济性评估模型构建[J]. 船舶工程, 2020, 42(6): 132–136
[2] 李宏伟, 陈亮, 白景波. 基于CMFO算法的投影寻踪威胁目标评估模型[J]. 计算机工程与应用, 2020, 56(2): 152–157
[3] 童宗鹏, 叶林昌, 夏兆旺, 等. 基于海冰JH-2模型的极地邮轮冰-船碰撞性能模拟分析[J]. 中国舰船研究, 2021, 16(5): 87–94
[4] 朱凯歌, 史国友, 汪琪, 等. 基于船舶领域的碰撞危险度评估模型[J]. 上海海事大学学报, 2020, 41(2): 1–5+57
[5] 刘章. 基于REICH模型的同高度交叉航路碰撞风险研究[J]. 深圳大学学报(理工版), 2020, 37(2): 136–142
[6] 丁善婷, 王淼, 董正琼, 等. 基于多智能体的舰船装备健康状态仿真评估方法[J]. 中国机械工程, 2022, 33(10): 1169–1177
[7] 乔卫亮, 刘阳, 周群, 等. 基于模糊人工神经网络的安全风险评估模型[J]. 安全与环境学报, 2021, 21(4): 1405–1411
[8] 马啸, 邵利民, 卢惠民, 等. 一种基于视觉感知的舰船目标智能化识别方法[J]. 电讯技术, 2020, 60(10): 1133–1141
[9] 李雨泽, 张中信. 基于排队模型的网络安全风险损失评估方法[J]. 计算机仿真, 2021, 38(4): 258–262
[10] 柳碧辉, 王培元. 基于改进Faster R-CNN的舰船目标三维识别算法[J]. 火力与指挥控制, 2022, 47(5): 42–52
[11] 李丽圆, 李潇雁, 胡琸悦, 等. 基于回归模型与注意力的轻量化SAR舰船检测模型[J]. 红外与毫米波学报, 2022, 41(3): 618–625
[12] 徐英, 谷雨, 彭冬亮, 等. 面向合成孔径雷达图像任意方向舰船检测的改进YOLOv3模型[J]. 兵工学报, 2021, 42(8): 1698–1707
[13] 张筱晗, 姚力波, 吕亚飞, 等. 基于中心点的遥感图像多方向舰船目标检测[J]. 光子学报, 2020, 49(4): 210–218
[14] 詹锦皓, 李维波, 李齐, 等. 基于比例伪时序算法的舰船电力风险评估系统[J]. 中国舰船研究, 2022, 17(1): 176–186
[15] 刘俊杰, 夏劲松, 金言, 等. 冰-水耦合作用下船舶与浮冰碰撞动响应数值仿真研究[J]. 船舶力学, 2020, 24(5): 651–661
