船舶实时跟踪监控方法技术

本发明专利技术涉及一种船舶实时跟踪监控方法。该方法包括：船舶自动识别单元收集被跟踪船舶发送的AIS报文及相关信息，并将收集的信息存储到船舶跟踪系统的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、速度变换以及焦距换算，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，以确定跟踪云台摄像机；对跟踪云台摄像机进行控制参数进行修正。本发明专利技术具有系统信号处理复杂度低，准确度高的优点，并大大提高了人员值守的工作效率。

【技术实现步骤摘要】
船舶实时跟踪监控方法
本专利技术涉及跟踪监控方法，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。
技术介绍
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，本专利技术提出了一种船舶实时跟踪监控方法。
技术实现思路
本专利技术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。为实现本专利技术的目的，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，ax，ay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，vx,vy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)ΦT(k+1|k)+G(k+1|k)Q(k)GT(k+1|k)，其中：系统噪声Q(k)＝E[N(k)N(k)]，E为求解数学期望，Φ(k+1|k)为连续时间域到离散时间域的变换矩阵、P(k|k)为预测误差的协方差阵、ΦT(k+1|k)为连续时间域到离散时间域的变换矩阵转置、G(k+1|k)为连续时间域到离散时间域的变换矩阵、Q(k)为系统噪声、GT(k+1|k)为连续时间域到离散时间域的变换矩阵转置。更进一步的，依据所述预测误差协方差阵，对应的滤波增益矩阵为：K(k+1|k)＝P(k+1|k)HT[HP(k+1|k)HT+R(k+1)]-1其中，R(k+1)为观测噪声协方差阵，R(k+1)＝E[V(k+1)V(k+1)]8.更进一步的，所述状态估计是依据由状态预测方程、滤波增益矩阵方程和观测方程所得到状态估计方程进行的计算，该状态估计方程为：更进一步的，依据已获得的预测误差的协方差阵和滤波增益矩阵，更新误差当前k+1时刻的协方差阵为：P(k+1|k+1)＝[I-K(k+1)H]P(k+1|k)。更进一步的，所述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为：P(k+1|k)＝τP(k|k)+(1-τ)P(k-1|k-1)。进一步的，所述船舶跟踪系统包括AIS报文采集模块、信息处理模块、云台摄像机和监控中心，所述AIS报文采集模块收集、存储船舶的AIS信息，并将收集的相关船舶坐标、速度和焦距焦点的信息传递给信息处理模块；所述信息处理模块对传递的所述信息进行随时间点的变换和动态预测，并根据动态预测结果对云台摄像机进行选择和控制，所述监控中心对云台摄像机拍摄的视频图像进行记录，对目标船舶进行图像检测，对航行轨迹异常的船舶发出警报。据此，本专利技术具有如下优点：1、该方法取代人工观察和控制的方式，提高了监控的效率和准确度；2、该方法取代视频图像运动检测和跟踪方法，减少了算法处理的复杂度，迅速定位所需跟踪的船只，提高了监控的实时性；3、该方法避免AIS信息缺失导致视频监控盲点，为目标船舶安全航行提供准确的信息。附图说明图1为本专利技术实施例提供的一种船舶实时跟踪监控方法流程图；图2为本专利技术实施例提供的一种船舶实时跟踪系统的示意图；图3为本专利技术实施例提供的一种采用长时统计误差矩阵辅助卡尔曼滤波算法流程图。具体实施方式如图1，本专利技术的船舶实时跟踪系统如图2所示，该系统包括AIS报文采集模块201、信息处理模块202、云台摄像机203和监控中心204。其中的AIS报文采集模块201主要收集船舶的AIS信息并存入AIS数据库，同时将收集的相关船舶坐标、速度和焦距焦点的信息传递给信息处理模块；信息处理模块202由AIS信息处理模块和动态预测模块组成，AIS信息处理模块主要是对目标船舶的坐标、速度和焦距焦点等的AIS信息进行随时间点的变换，动态预测模块则是对被跟踪的目标船舶下一时间点相关坐标、速度和焦距焦点的预测计算，并根据动态预测计算的结果对云台摄像机进行选择和控制。为了适应较大的监控范围，采用多台云台摄像机，要对能更好地拍摄跟踪的云台摄像机进行选择，选针好对应的云台摄像机后，还需根据拍摄内容转动云台。而监控中心204则对云台摄像机拍摄的视频图像进行记录，对目标船舶进行图像检测，对航行轨迹异常的船舶发出警报。如图2，上述系统中的AIS报文采集模块201收集所以被跟踪船舶发送的AIS报文，并将收集的报文解析后存储到船舶跟踪系统中的AIS数据库。为了方便快捷地确定初始监控值，系统任选一条监控的船舶作为初始目标船舶，将该船舶在数据库中最新记录的船舶位置和速度信息作为初始监控值，根据该初始监控值，信息处理模块20本文档来自技高网...

【技术保护点】
一种船舶实时跟踪监控方法，其特征在于，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。

【技术特征摘要】
1.一种船舶实时跟踪监控方法，其特征在于，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；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，所述状态方程包括连续监测的时间t被时间间隔T分隔成若干时间离散点的针对离散时间域的系统状态方程；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，依据的离散时间域的系统状态方程对时间离散点k至k+1时刻新的航行坐标和船速值进行更新得到当前时刻的状态预测方程，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。2.根据权利要求1所述的一种船舶实时跟踪监控方法，其特征在于，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)为在时间t内的系统噪声矩阵，ax，ay为状态方程的噪声，影响船舶的运动状态。3.根据权利要求2所述的一种船舶实时跟踪监控方法，其特征在于，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)(2)，其中k为时间t被时间间隔T分隔成若干时间离散点中的第k个离散点，且为当前时刻，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.根据权利要求3所述的一种船舶实时跟踪监控方法，其特征在于，依据离散点时刻的系统状态方程，对应的观测方程为：Z...

【专利技术属性】
技术研发人员：徐晨，孙强，罗磊，周晖，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32