[发明专利]一种港口泊船监测方法、系统及电子设备

说明书

本申请涉及港口交通管理技术领域，特别涉及一种港口泊船监测方法、系统及电子设备。所述港口泊船监测方法包括：步骤a：通过摄像装置采集港口泊船数据；步骤b：构建基于“全卷积网络+区域目标网络分支”的神经网络模型；步骤c：将所述港口泊船数据输入基于“全卷积网络+区域目标网络分支”的神经网络模型，所述基于“全卷积网络+区域目标网络分支”的神经网络模型根据所述港口泊船数据进行舰船对象区域分割以及舰船类型分类，并根据所述舰船对象区域分割结果和舰船类型分类结果计算港口泊船状态。本申请通过可以自动准确地评估出当前港口码头的拥塞状态，对应用场景的限制条件少且更加智能便利，便于广泛使用。

技术领域

本申请涉及港口交通管理技术领域，特别涉及一种港口泊船监测方法、系统及电子设备。

背景技术

航运事业的迅猛发展，为国家经济的发展做出了很大贡献。港口码头的泊船监测对航运事业的影响至关重要，在协调舰船靠岸停泊和控制舰船驶入港口码头的过程中，高效准确地划分出港口和码头的拥塞程度，是合理调度舰船停靠的关键。但目前的海上交通管理系统已跟不上航运事业发展的需要。

海军兵种指挥学院的郭石军针对海上交通出现了船舶吨位增大、船舶航行密度大、航行事故发生率有所上升的趋势，为了更有效地管理海上交通，在《舰载成像雷达在港口交管系统的应用》一文中提出利用一些先进技术例如成像雷达及飞艇等装备对港口交通管理系统进行改进。在研究中就成像雷达及飞艇应用到港口交通管理系统中作了一些初步研究和探讨，主要涉及成像雷达及飞艇介绍、成像雷达及飞艇的优势，并提出了通过飞艇将目标雷达图像传给系统数据处理单元，系统数据处理单元通过智能对比、提取、分析港口区域里的图像情报变化来监视和跟踪所有目标及变化态势。

交通部天津海上安全监督局的史光平、甄刚、李冬梅和孙虎山提出一种船舶数据处理系统(申请号CN98117214.8)，该系统应用软件中设置的数据库由基本资料、引航员资料、泊位资料、船舶管理资料、航行计划、航行记录及统计资料各个数据库构成。在船舶管理资料数据库中设置当前位置状态字段，该字段随着船舶的位置不同而改变。并采用ODBC(Open Database Connectivity，开放数据库连接)接口连接ORACLE数据库与FOXPRO数据库，从而实现数据的转换。

综上所述，现有的海上交通管理技术至少存在以下缺点：

一、现有的一种基于雷达、飞艇等装备的海上交通管理技术研究需要维护一个巨大的港口区域信息知识库，通过与以前的知识进行比较，来完成图像判读理解，因此计算复杂度较高。

二、利用图像处理的航运中舰船目标识别技术都是仅仅完成主要目标的提取、识别和分类，并没有分割出各个类别舰船目标的区域，在效率和准确率上都无法达到较为满意的效果。

三、最新研究中提取对象区域的技术，人工地将识别分类和区域分割划分开，造成训练中计算复杂度提高。

四、截止目前尚没有采用机器学习的方法进行舰船种类识别和区域分割的技术。

随着人工智能和海洋交通运输业的发展，机器学习的相关研究成果在陆地、海洋交通领域的应用越来越多。机器学习是人工智能的一个分支。人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，一条自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。然而，基于机器学习的对象识别和分割技术目前并没有应用于港口和码头拥塞程度监测技术中。

发明内容

本申请提供了一种港口泊船监测方法、系统及电子设备，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种港口泊船监测方法，其特征在于，包括：