船舶自动识别系统的轨迹分类方法综述

2755779 2021-05-07 | rar | 2.39 MB | 次下载 | 免费

资料介绍

　　由于监控设备视野有限、代价昂贵等问题，导致基于船舶图像或视频的船舶分类效果欠佳，改进船舶分类方法、提高船舶分类的准确率迫在眉睫。近几年，随着各类轨迹数据采集系统的兴起，通过船舶航行轨迹数据实现船舶类型的分类逐渐成为可能。针对使用传统二维卷积神经网络（ Convolutional Neural Network，CNN）对船舶轨迹分类存在特征压缩和时序特征表达能力匮乏的问题，文中提出了一种一维CNN（ One-dimensional CNN，1DCNN）与长短期记忆网络（ Long short-term Memory，Ⅰ相结合的混合分类模型，对采集到的船舶自动识别系统（ Automatic Identification Syste，AIS）数据进行船舶类型识别。首先，针对AIS采集到的船舶轨迹数据进行预处理，过滤噪声数据;然后，针对隐含在船舶轨迹信息中的特征对于1DCNN而言过于隐晦的问题，提岀了一种针对大规模航舶轨迹数据的，且 IDCNN能够识别的轨迹分布特征向量的构建算法，冋时在此基础上提取了LSTM能够识别的时序特征向量;最后，将训练后的1DCNN模型与LSTM模型进行数据融合得到混合船舶分类模型。以渤海区域2016年δ月的船舶ΔIS数据为基础，使用 1 DCNN与LSTM相结合的混合模型对渔船、客船、油船、集装箱船和散货船5类典型船舶的轨迹数据进行分类，并将其与使用一种神经网络如ⅠSTM作为分类器的方法进行对比，结果表明所提方法具有明显的有效性，是一种有效的船舶轨迹分类方法。