为保障桥区通航安全,提出一种视觉与船舶自动识别系统(Automatic Identification System,AIS)融合的船舶自动监测方法。基于YOLOv5(You Only Look Once version 5)目标检测算法和Canny算法提取船舶图像轮廓信息,构建桥区水域目标距离、...为保障桥区通航安全,提出一种视觉与船舶自动识别系统(Automatic Identification System,AIS)融合的船舶自动监测方法。基于YOLOv5(You Only Look Once version 5)目标检测算法和Canny算法提取船舶图像轮廓信息,构建桥区水域目标距离、方位和高度视觉测量模型与方法,实现船舶三维定位。利用融合视觉与AIS的船舶航行态势数据建立异常行为检测模型,自动识别、监测桥区水域危险船舶。试验结果表明:在单、多船的情况下视觉与AIS数据关联准确率分别达到98.45%、91.29%;能有效监测桥区船舶的运动状态。本研究可为保障船舶和桥梁的安全提供有效方法。展开更多
随着传感器网络环境监控应用的发展,传感器网络测量数据的异常检测近年来受到学术界和工业界的高度关注。提出一种基于DBSCAN(Density-Based Spatial Clustering of Application with Noise)的异常数据检测方法,该方法利用距离定义数据...随着传感器网络环境监控应用的发展,传感器网络测量数据的异常检测近年来受到学术界和工业界的高度关注。提出一种基于DBSCAN(Density-Based Spatial Clustering of Application with Noise)的异常数据检测方法,该方法利用距离定义数据的相似度进行划分聚类,使用DBSCAN算法提取环境特征集,并根据特征集对异常数据进行检测。最后,基于真实的传感器网络完成了多组实验,实验结果表明该方法能够实时准确地检测出异常数据。展开更多
文摘为保障桥区通航安全,提出一种视觉与船舶自动识别系统(Automatic Identification System,AIS)融合的船舶自动监测方法。基于YOLOv5(You Only Look Once version 5)目标检测算法和Canny算法提取船舶图像轮廓信息,构建桥区水域目标距离、方位和高度视觉测量模型与方法,实现船舶三维定位。利用融合视觉与AIS的船舶航行态势数据建立异常行为检测模型,自动识别、监测桥区水域危险船舶。试验结果表明:在单、多船的情况下视觉与AIS数据关联准确率分别达到98.45%、91.29%;能有效监测桥区船舶的运动状态。本研究可为保障船舶和桥梁的安全提供有效方法。
文摘随着传感器网络环境监控应用的发展,传感器网络测量数据的异常检测近年来受到学术界和工业界的高度关注。提出一种基于DBSCAN(Density-Based Spatial Clustering of Application with Noise)的异常数据检测方法,该方法利用距离定义数据的相似度进行划分聚类,使用DBSCAN算法提取环境特征集,并根据特征集对异常数据进行检测。最后,基于真实的传感器网络完成了多组实验,实验结果表明该方法能够实时准确地检测出异常数据。
