船舶尾迹检测识别方法及相关设备与流程

本申请涉及船舶检测，尤其涉及一种船舶尾迹检测识别方法及相关设备。

背景技术：

1、当前，随着海上船舶数量与密度不断攀升，需要对船舶轨迹数据进行更深层次的分析与处理，以便增强海上交通的安全性。

2、相关技术中，船舶自动识别系统（automatic identification system，ais）是海上交通管控与船舶追踪的核心工具，通常利用ais数据开展轨迹分析，广泛应用于船舶活动监测、航迹分析及海洋执法等场景。但是，在实际应用中发现，传统检测方法中无法应对ais关闭或伪造场景，存在难以识别暗船及ais欺骗行为等问题。

3、综上，相关技术中存在的技术问题有待得到改善。

技术实现思路

1、本申请实施例提供了一种船舶尾迹检测识别方法及相关设备，能够实现有效识别ais数据真实性，精准检测船舶异常行为。

2、一方面，本申请实施例提供了一种船舶尾迹检测识别方法，所述方法包括以下步骤：

3、获取目标船舶的遥感图像；

4、基于所述目标船舶的遥感图像，识别检测海面船舶尾迹区域并输出尾迹检测结果；

5、基于所述尾迹检测结果，通过物理模型与数据驱动模型反演获取所述目标船舶的运动参数；

6、基于所述目标船舶的运动参数，结合所述目标船舶的船舶自动识别系统上报数据进行一致性比对，确定得到所述目标船舶的船舶尾迹检测异常识别结果；

7、其中，所述物理模型基于尾迹流体力学特性构建得到；所述数据驱动模型是以卷积神经网络模型为基础构建得到。

8、可选地，所述基于所述尾迹检测结果，通过物理模型与数据驱动模型反演获取所述目标船舶的运动参数，包括：

9、基于所述尾迹检测结果的几何形态特征，通过物理模型与数据驱动模型同步独立运算，获取物理模型的运算结果与数据驱动模型的运算结果；

10、基于物理模型的运算结果与数据驱动模型的运算结果，结合尾迹检测置信度、运算结果偏差与海况干扰程度，输出所述目标船舶的运动参数与置信度标记；其中，所述运动参数包括航向与航速。

11、可选地，所述基于所述尾迹检测结果的几何形态特征，通过物理模型与数据驱动模型同步独立运算，获取物理模型的运算结果与数据驱动模型的运算结果，包括：

12、基于所述尾迹检测结果的几何形态特征，输入至由开尔文尾迹流体力学特性构建的物理模型，通过尾迹旋转边界框延展方向或像素掩码分布主轴方向确定航向，结合尾迹横波波长、半夹角及时序特征确定航速；

13、基于所述尾迹检测结果的几何形态特征，提取尾迹特征图谱，并输入至由卷积神经网络模型构建的数据驱动模型，以获取由所述数据驱动模型输出的航向与航速结果；

14、综合所述物理模型与所述数据驱动模型输出的航向与航速结果，获取得到物理模型的运算结果与数据驱动模型的运算结果。

15、可选地，所述基于所述目标船舶的遥感图像，识别检测海面船舶尾迹区域并输出尾迹检测结果，包括：

16、将所述目标船舶的遥感图像输入至旋转目标检测网络模型中，以通过所述旋转目标检测网络模型对遥感图像进行特征提取，识别检测海面船舶尾迹区域并输出尾迹检测结果；

17、其中，所述旋转目标检测网络模型基于yolov8架构构建得到，并设置有多方向感知卷积模块与频空融合注意力模块；所述多方向感知卷积模块包括多组用于捕捉多个角度尾迹纹理特征的多组不同朝向卷积核；所述频空融合注意力模块通过多头注意力机制自适应融合频域与空间域特征。

18、可选地，所述基于所述目标船舶的运动参数，结合所述目标船舶的船舶自动识别系统上报数据进行一致性比对，确定得到所述目标船舶的船舶尾迹检测异常识别结果，包括：

19、基于所述目标船舶的运动参数，根据时间窗口与空间范围，匹配船舶自动识别系统目标；

20、在所述目标船舶的运动参数与所述船舶自动识别系统目标匹配失败的情况下，确定所述目标船舶的船舶尾迹检测异常识别结果为船舶自动识别系统关闭暗船；

21、在所述目标船舶的运动参数与所述船舶自动识别系统目标匹配成功，且所述目标船舶的运动参数与所述船舶自动识别系统上报数据的偏差大于预设偏差阈值的情况下，确定所述目标船舶的船舶尾迹检测异常识别结果为数据造假；

22、在所述目标船舶的运动参数与所述船舶自动识别系统目标匹配成功，且所述目标船舶的运动参数与所述船舶自动识别系统上报数据的偏差小于或等于所述预设偏差阈值的情况下，基于预设异常行为规则，对目标船舶的运动参数进行检测匹配，进而确定得到所述目标船舶的船舶尾迹检测异常识别结果。

23、可选地，在所述获取目标船舶的遥感图像之后，所述方法还包括：

24、对目标船舶的遥感图像执行辐射定标、几何校正与裁剪归一化；

25、在所述目标船舶的遥感图像为合成孔径雷达图像的情况下，对遥感图像执行相干斑抑制与多视处理；

26、在所述目标船舶的遥感图像为光学遥感图像的情况下，对遥感图像执行大气校正与云区掩膜标记处理。

27、另一方面，本申请实施例提供了一种船舶尾迹检测识别装置，所述装置包括：

28、图像获取模块，用于获取目标船舶的遥感图像；

29、尾迹检测模块，用于基于所述目标船舶的遥感图像，识别检测海面船舶尾迹区域并输出尾迹检测结果；

30、参数反演模块，用于基于所述尾迹检测结果，通过物理模型与数据驱动模型反演获取所述目标船舶的运动参数；

31、异常检测模块，用于基于所述目标船舶的运动参数，结合所述目标船舶的船舶自动识别系统上报数据进行一致性比对，确定得到所述目标船舶的船舶尾迹检测异常识别结果；

32、其中，所述物理模型基于尾迹流体力学特性构建得到；所述数据驱动模型是以卷积神经网络模型为基础构建得到。

33、另一方面，本申请实施例提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的方法。

34、另一方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的方法。

35、另一方面，本申请实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的方法。

36、本申请实施例通过对遥感图像进行尾迹检测，并通过双路模型进行参数反演确定船舶运动参数，进而与ais上报参数交叉比对，有效识别ais数据真实性，精准检测船舶异常行为。

1.一种船舶尾迹检测识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述基于所述尾迹检测结果，通过物理模型与数据驱动模型反演获取所述目标船舶的运动参数，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述尾迹检测结果的几何形态特征，通过物理模型与数据驱动模型同步独立运算，获取物理模型的运算结果与数据驱动模型的运算结果，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述目标船舶的遥感图像，识别检测海面船舶尾迹区域并输出尾迹检测结果，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述目标船舶的运动参数，结合所述目标船舶的船舶自动识别系统上报数据进行一致性比对，确定得到所述目标船舶的船舶尾迹检测异常识别结果，包括：

6.根据权利要求1所述的方法，其特征在于，在所述获取目标船舶的遥感图像之后，所述方法还包括：

7.一种船舶尾迹检测识别装置，其特征在于，所述装置包括：

8.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。