research and implementation of ship-lock monitoring
system based on svm and visual perception
zhang zhuo, zhang xue-wu, liang rui-yu, ding yan-qiong, duan dun-qin
(college of computer and information, hohai university, changzhou 213022, china)
abstract: in the light of the current status that the informatization level of inland navigation ship-lock management is not high, a non-contact ship-lock control system is designed, which can realize the ship-lock open/close control and hydrological monitoring with wireless sensor networks, ship tonnage measurement, and lockage chargingbased on visual perception. to make the lockage of ships fast and lockage charging accurate, a novel ship recognition algorithm based on hu invariant moments for ship feature extraction and support vector basis for multi-class classification is proposed. experimental results show that the proposed method can achieve the high-accuracy identification and implement the accurate lockage ds: ship-lock monitoring; invariant moment; ship identification; support vector basis
收稿日期:2010-05-20
与其他运输方式相比,内河航运具有运量大,成本低,占地少等显著特点,是煤炭、石油、矿石等大宗物品的主要运输方式,近年来在海运集装箱、金属产品、机械、化学品等运输方面有显著提高。纵观近代世界交通发展历程,内河航运服务经济社会发展的巨大优势凸显,一直处于近代世界交通优先发展地位。随着经济的进一步发展,内河运输量将不断增长,整个内河航运业将面临无限的发展机遇[1]。改革开放以来,我国的内河航运事业得到了飞速的发展,截至2007年底,
现场环境监测参数包括水位、闸位、船体数据。水位数据由水位传感器和摄像头采集,闸位和船体数据由摄像头采集。其中,现场摄像头中的2路分别从俯视和侧视的角度获取船只的视频信息,而另外2路摄像头则分别对着2个闸门,采集闸位信息并监控船只过闸情况。现场环境采集数据通过无线传感器网络上传至服务器,服务器可将监控视频经无线局域网传输至pc客户端和移动客户端。远程pc客户端和移动客户端均可实现基于视频感知计算的闸位测量、船舶吨位测量和船舶过闸收费;利用无线传感器的网络节点进行闸门启闭控制和水情监测;建立数据库记录各种舰船的信息数据和其他相关数据、查询历史数据等功能。远程多客户端可实现船闸全程监控和大场景三维重建模拟。各客户终端通过工业以太网互联、互通,实现现场环境参数的信息共享;流域内各现场终端利用工业以太网实现互联、互通,从而实现全流域通航情况的实时监测,以方便流域、水域的管理。
系统硬件设计以ec5-1719cldna嵌入式工业主板为核心,扩展所需的各种外围设备,如水位模拟输出板、无线传感器节点[5]、音频功放驱动电路、电机控制电路等,总体结构如图2所示。
软件设计采用模块化设计思想,采用micosoft公司的visual c++6.0调用底层api函数开发系统所需底层软件模块,主要以dll和ocx为封装形式。上层管理应用软件主要以vc++编程结合micosoft公司的sql sever 2000数据库、opengl接口、directx接口实现系统的各项功能[6]。系统运行开发环境为micosoft公司的windowsxp professional sp2操作系统,也提供了部分底层驱动程序,其软件架构如图3所示。
2 基于svm的船体感知识别算法
现行的内河航运收费标准是依据船体类型进行收费,为了实现船舶过闸的快速、准确收费,关键在于提高船体类型的识别速度和精度。在此提出一种基于hu不变矩船体特征提取和基于多分类支持向量基的视觉感知船体识别算法,在有限样本的情况下,实现船型的灵活分类。
图2 船闸监控系统硬件结构图
图3 船闸监控系统硬件结构图
2.1 hu不变矩船体特征提取
对于内河船舶而言,不同类别的船只一般具有不同的外观形状,因此在此选用几何形状作为图像特征。船舶类型的识别结果不能因图像的平移变化、旋转变化或尺度变化而不同,为了保证船体识别的灵活性,选择矩特征来描述图像中船体的形状特性[7]。矩特征是一种全局描述的线性特征,对于图像具有平移、旋转和尺度变换的不变性,hu首先提出了用于区域形状识别的不变矩[8],将数字图像ρ(x,y)的pq阶矩定义为:
mpq=∑x∑yxpyqρ(x,y)
零阶矩为:
m00=∑x∑yρ(x,y)
标示船体目标的面积。一阶矩为:
m10=∑x∑yxρ(x,y),m01=∑x∑yyρ(x,y)
式中图像的重心坐标为:
x=m10/m00,y=m01/m00
图像ρ(x,y)的pq阶中心距为:
μpq=∑x∑y(x-x)p(y-y)qρ(x,y)
归一化中心距为:
ηpq=μpq/μr00
式中:r=(p+q)/2+1;p+q=2,3,…。
hu利用归一化的二阶矩和三阶中心距构造了7个不变矩,它们满足平移、缩放和旋转不变的条件, 其公式如下:
φ1=μ20+μ02,φ2=(μ20+μ02)2+4μ211,φ3=(μ30-3μ11)2+(3μ21-μ03)2,φ4=(μ30+μ12)2+(μ21+μ03)2
φ5=(μ30-3μ12)(μ30+μ12)[(μ30+μ12)2-3(μ30+μ12)2]+(3μ21-μ03)(μ21+μ03)[3(μ30+μ12)2-(μ21+μ03)2]
φ6=(μ20-μ02)[(μ30+μ12)2-(μ21+μ03)2]+4μ11(μ30+μ12)(μ21+μ03)
φ7=(3μ21-μ03)(μ03+μ12)[3(μ30+μ12)2-3(μ21+μ03)2]-(μ30-3μ12)(μ21+μ03)[3(μ30+μ12)2-(μ21+μ03)2]
式中:ηpq=μpq/μr00,r=(p+q+2)/2。
这组矩的幅值反应物体的形状,因而可以作为特征向量进行形状的检索和识别。
2.2 多类支持向量基船体分类
向量机是基于统计学习理论的一种新的机器学习方法[9],在有限样本的情况下可以得到最有解。对于分类问题,最优线性划分的约束条件为:
minφ(w)=12||w||2+c[∑ni=1ξi]
yi[wtxi+b]-1+ξi≥0
式中:i=1,2,…,n;x是输入向量;w是可调的权值向量;b是偏置; 非负松弛量ξi≥0,i=1,2,…,n;c为惩罚因子,c值的大小表示对错误分类惩罚程度的大小。
对于非线性划分是将输入空间中的样本通过某种非线性函数关系映射到一个特征空间中(维数可能较高),使两类样本(可推广到多类样本)在此特征空间中线性可分,并寻找样本在此特征空间中的最优线性分类超平面,其判别函数为:
f(x)=sgn[∑mi=1α*iyik(xi,xj)+b*]
式中:k(xi,xj)为核函数,通过定义适当的核函数可实现线性变换。常见的核函数有线性核函数、多项式核函数、径向基核函数和sigmoid核函数。svm模型的优劣主要取决于惩罚因子和核参数。
支持向量基进行多类分类的方法常用“一对一”分类方法和“一对多”分类方法[10]。在此采用“一对多”方法,即把c类问题化为c个两类问题,其中第i个问题是用判别函数把属于wi类的点和不属于wi类的点分开[11]。
训练过程如下:
(1)给定2种船型的n个训练样本,提取其几何特征向量作为分类依据;
(2)利用样本的几何特征向量进行线性内积支持向量训练,确定线性识别模型函数;
(3)利用样本的特征向量进行核函数线性内积支持向量机训练,确定非线性识别模型函数。
识别阶段算法:
(1)对量m的代入,限于用给定待识别船舶样本提取其几何特征向量;
(2)将待识别船舶样本的特征向性分类支持向量机的模型函数,如果f(m)>τ,则可确定待识别样本的种类,τ为训练所获得的分类阈值。若f(m)<τ则转步骤(3);
(3)将待识别船舶样本的特征向量m代入非线性分类支持向量机的模型函数,将fmax(m)归到相应的船型中。
3 实验结果及分析
在实验中以4种常见船型为例,对用船闸监控系统摄像头采集的船体照片采用差影法去除与船体形状无关的背景信息得到船型样本如图4~图7所示。
图4 船型样本1形状图
图5 船型样本2形状图
图6 船型样本3形状图
图7 船型样本4形状图
采用hu不变矩提取船体形状的归一化特征向量如表1所示。
在不考虑先验知识的情况下,本系统采用径向基函数核来进行非线性划分,经留一交叉验证实验(loo)得到核函数参数的最终值为:惩罚因子c=100,核参数σ2=2。
将图4~图7中每种船体的图片各90张,以及包含非船体的图片90张送入训练好的系统中进行实验。结果如表2所示,总识别率为95.55%。
实验结果表明,使用不变矩作为特征向量,采用svm作为分类器的船体识别算法,其准确率很高,可供船闸系统进行准确收费。
表1 船型样本形状特征向量表
船型
矩值
φ1φ2φ3φ4φ5φ6φ7
船11.000 0000.312 8570.503 1260.417 349-0.781 927-0.260 283-1.000 000
船21.000 0000.110 5860.803 6850.684 262-0.413 332-0.181 238-1.000 000
船31.000 000-0.290 0970.891 2100.776 474-0.583 183-0.468 377-1.000 000
船41.000 0000.250 3890.520 5440.314 716-0.993 597-0.412 462-1.000 000
表2 船体分类识别表
统计结果
目标类别
船型1船型2船型3船型4
测试样本数90909090
识别数85898783
单类识别率94.44%98.88%96.66%92.22%
总识别率95.55%
4 结 语
在此设计的视觉感知船闸监控系统可以实现内河管理基础信息的测量,间接获取水运交通参数,突破各个环节影响船只过闸效率的瓶颈,提升船闸管理的信息化水平,为航运管理部门进行水域交通管理和交通规划、决策提供内河航道的信息平台,提升内河航道科学管理水平,市场前景广阔,值得投入深入研究和推广。
参考文献
[1]陆克从.我国内河航运发展策略[j].
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。