[发明专利]一种基于雷达扫描变量的水上多目标视频影像坐标估计方法

说明书

本发明公开了一种基于雷达扫描变量的水上多目标视频影像坐标估计方法。该方法通过ARPA系统和CCTV系统扫描水上单个参考目标，分别转化得到其在显示器上的待校准屏幕位置和实际屏幕位置；将这两个位置间的距离作为目标函数，利用遗传算法优化模型训练得到最优的参数集合，建立从ARPA目标向CCTV屏幕坐标的转化关系；最后将其用于水上多个目标下的视频影像坐标估计。本发明方法克服了各单一系统在面对水上多目标复杂环境下坐标估计的局限性，有效实现了雷达ARPA目标和CCTV识别船舶目标的融合。

技术领域

本发明涉及水上目标监测技术，特别是一种基于雷达扫描变量的水上多目标视频影像坐 标估计方法。

背景技术

随着船舶保有量的不断提高，船舶安全问题的重要性愈加凸显。智能船舶已成为船舶行 业的发展趋势，用以改善船舶行驶的安全性。如何精准感知目标信息并在此基础上对多源目 标信息进行有效融合，已成为目前智能船舶发展需要解决的主要问题。ARPA雷达、CCTV 作为主动探测工具，是当前最为常用的水上感知、监管工具。

其中，ARPA雷达，在GPS、罗经等其他传感器的支持下，能自动捕捉并跟踪水上多个目标，并推算目标的速度、航向、运动趋势，在标准应用场景下，可保证捕捉率优于80％。 同时在雷达显示输出上，以矢量形式显示目标船舶的航向和航速，以数据形式显示DCPA(预计会遇距离)和TCPA(预计会遇时间)等重要的避碰数据。因此，ARPA的出现使得雷达在 船舶避碰应用中发挥了更大的作用，但缺点在于雷达的信息输出仍不够直观，和人的直观视觉感受存在差异，需要较多的知识进行解读。CCTV系统，相较而言是更为直观的监视工具，由遥控摄像机及其辅助设备组成，可安装于船上、沿岸较高建筑物上，用以对水面目标和沿岸目标及港口的跟踪识别与实时图像获取。通过深度学习、卷积神经网络的引入，CCTV已经可以模仿人眼，在连续视频中识别船舶等关键目标。然而，CCTV的成像机理决定了，捕 捉到目标的坐标、运动速度、方向是难以获得的。综上，ARPA雷达系统提供了丰富的数值 信息，却不够直观；CCTV提供了直观的视觉影像，却缺乏完整的数值依据。有必要将二者 的优点进行结合。如果CCTV捕获到的目标，可以与ARPA雷达目标实现自动匹配，将大幅 改善驾驶、监管人员的使用体验。

因此，为了实现这一目标，更好地适用于航行复杂环境下的多目标监视、避碰需求，发 明采用与常规单一利用ARPA系统或者CCTV系统不同的坐标估计方法。亦即通过ARPA系 统和CCTV系统分别扫描，并转化得到水上单个参考目标在显示器上的待校准屏幕位置和实 际屏幕位置，利用遗传算法优化模型训练得到最优参数集合，建立从ARPA目标向CCTV屏 幕坐标的转化关系，用于水上多目标的视频影像坐标估计。这种ARPA系统和CCTV系统的联合监视方法，克服了各单一系统在面对水上多目标复杂环境下坐标估计的局限性，实现对 多目标船舶及其周边环境的精准识别，将大幅降低人在驾驶过程中的态势判断难度。

发明内容

针对现有技术中存在的问题，本发明提供了一种克服了各单一系统在面对水上多目标复 杂环境下坐标估计的局限性，实现对多目标船舶及其周边环境的精准识别，将大幅降低人在 驾驶过程中的态势判断难度的基于雷达扫描变量的水上多目标视频影像坐标估计方法。

本发明的目的通过以下技术方案实现。

一种基于雷达扫描变量的水上多目标视频影像坐标估计方法，步骤包括：

1)建立水上监测平台P，所述检测平台P包括雷达ARPA系统、闭路电视监控系统CCTV、 定位设备、艏向获取设备；

2)选定时刻，在雷达ARPA系统可覆盖范围内，将闭路电视监控系统CCTV唯一稳定地捕 获到的单个水上目标记为T，分别利用雷达ARPA系统、闭路电视监控系统CCTV同时对单 个水上目标T进行多次连续扫描和观测，获得单个水上目标T的扫描坐标和多帧画面；

3)将步骤2)中参考单个水上目标T的ARPA坐标的多次扫描坐标转化为经纬度，根据相机 的内外参数决定单个水上目标T在闭路电视监控系统CCTV中成像的待校准位置；