[发明专利]船舶实时跟踪监控方法

说明书

技术领域

本发明涉及跟踪监控方法，尤其涉及利用AIS信息的云台摄像机的船舶实时跟踪监控方法。

背景技术

为了保障航道内船舶安全通行，需要对水域内的船舶进行跟踪和监测，主动避免安全事故发生。目前，一般可采用人工控制摄像机云台的方法，来跟踪所需检测的船舶，这种方法对值守人员的注意力，特别对异常情况的反应能力要求很高，一般监控过程中发生的失误都是由注意力不集中造成的。另外可以采用视频图像运动检测和跟踪方法，这种方法会受到各种场景光线以及天气的影响，而且图像采集后的处理算法复杂度高，处理时延大，很难达到实时跟踪控制的要求。除了上述两种方法，还可以采用AIS信息辅助的视频跟踪方法，但这种方法存在一些问题，无线传输AIS报文可能会丢失，AIS报文发送时间间隔过长，导致船舶视频监控不能连续、准确和实时获取船舶视频图像。为了避免AIS信息缺失及延迟导致视频监控盲点，本发明提出了一种船舶实时跟踪监控方法。

发明内容

本发明的目的在于克服上述现有技术之缺陷，提供一种船舶实时跟踪监控方法。

为实现本发明的目的，所采用的船舶实时跟踪监控方法包括：

船舶跟踪系统中的船舶自动识别单元收集被跟踪船舶发送的AIS报文，并将收集的AIS报文解析后存储到AIS数据库；

任选一条船舶进行监测，并将数据库中最新记录的该船舶位置和速度信息作为初始监控值；

根据初始监控值，对所需跟踪的目标船舶的AIS信息进行坐标位置变换和速度变换，得到相关变换值；

根据所述变换值，预测船舶下一时刻的航行坐标和船速，对预测值进行控制门限的检验，以确定适应跟踪拍摄目标船舶的跟踪云台摄像机；

对跟踪云台摄像机进行控制参数的修正。

进一步的，所述预测船舶下一时刻的航行坐标和船速的方法包括：

用卡尔曼滤波算法建立船舶跟踪系统的状态方程、观测方程和预测误差协方差阵方程；

根据所述初始监控值对状态方程、观测方程和协方差阵初始化；

更新状态值，计算当前时刻的状态预测方程；

船舶跟踪系统根据当前时刻是否收到被跟踪船舶的AIS报文分别进行预测误差协方差阵计算；若收到，根据预测误差协方差阵方程计算协方差阵并计算对应的滤波增益矩阵，然后计算状态估计；若未收到，则利用前面统计获得的误差协方差阵进行加权平均，获得的预测误差协方差阵，并计算对应的滤波增益矩阵；

更新当前的误差协方差阵，从该更新的误差协方差阵中获得目标船舶下一时刻的航行坐标和船速值。

更进一步的，所述船舶跟踪系统在时间t内的系统连续状态方程为：

其中：A为常数矩阵，

N(t)在时间t内的系统噪声矩阵，

a_x，a_y为状态方程的噪声，影响船舶的运动状态，此噪声为系统噪声，其统计特性与白噪声相似，N(t)为系统噪声矩阵；

更进一步的，所述系统连续状态方程在离散点时刻的系统状态方程为：

X(k+1)＝Φ(k+1,k)X(k)+G(k)N(k),

其中

k为时间t被预测时间间隔T分隔成若干时间离散点中的第k个离散点，k＝1,2,3…；Φ(k+1,k)和G(k)为连续时间域到离散时间域的变换矩阵。

4.更进一步的，依据所述离散点时刻的系统状态方程，对应的观测方程为：Z(k)＝HX(k)+V(k)(3)，

其中：H为常数矩阵，V(k)为坐标及速度矩阵，v_x,v_y为待跟踪船舶在大地平面直角坐标中X、Y轴方向的速度分量；X(k)为离散点k时刻的系统状态方程。

更进一步的，所述更新状态值是目标船舶由时间离散点k至k+1时段，根据预测值对航行坐标和船速值的更新，该时段的状态所述预测方程为：

更进一步的，所述预测误差协方差阵方程为：

P(k+1|k)＝Φ(k+1|k)P(k|k)Φ^T(k+1|k)+G(k+1|k)Q(k)G^T(k+1|k)，