典型文献
多源融合的船舶身份智能识别与验证技术
文献摘要：
针对船舶污染物监管场景需求,提出了船舶申报信息、船舶自动识别系统和摄像头图像检测多源融合的船舶目标智能识别和验证方法.从申报信息中获取船舶水上移动通信业务标识码身份,利用该标识码提取船舶自动识别系统参数,判断船舶是否达到现场;通过改进的YOLOv5检测模型从摄像头获取现场船舶的视觉目标检测框;采用视觉目标检测框与船舶自动识别系统目标在摄像头像素坐标系映射标定框的交叉匹配算法,完成船舶目标的融合验证.在SeaShips公开数据集上的试验表明,相较原始YOLOv5模型,提出的船舶视觉目标检测模型平均精确度指标提升了3.14％,达到80.83％;且利用TensorRT加速使得模型推理速度提升了73％,帧率达到64.18.船舶自动识别系统目标与视觉目标的匹配融合满足船舶污染物接收现场船舶身份的识别和验证需求.
文献关键词：
视觉目标检测;多源融合;船舶身份;智能识别
中图分类号：
作者姓名：
王永兴;王涛;韦扬
作者机构：
广西壮族自治区港航发展中心,广西南宁,530029;桂林电子科技大学建筑与交通工程学院,广西桂林,541004
文献出处：
引用格式：
[1]王永兴;王涛;韦扬-.多源融合的船舶身份智能识别与验证技术)[J].中国航海,2022(04):133-139
A类：
船舶身份
B类：
多源融合,验证技术,船舶污染物,监管场景,报信,船舶自动识别系统,摄像头,图像检测,船舶目标,目标智能识别,验证方法,水上,上移,移动通信,通信业务,标识码,系统参数,YOLOv5,取现,视觉目标检测,头像,像素坐标,坐标系,匹配算法,融合验证,SeaShips,公开数据集,目标检测模型,模型平均,指标提升,TensorRT,模型推理,推理速度,帧率,验证需求
AB值：
0.34813
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
