海上环境目标高质量数据集数据集包含船舶定位数据、船舶图像数据,从多维度反应海上船舶目标的航行状态,提供航迹信息、可见光画面信息等,可服务海面场景下的船舶行为研判、船舶目标检测、目标精细类型识别、姿态与航向研判等。
海域可疑船只判断场景AIS外籍船只进入我国领海数据该数据为二次加工数据,主要是以2019年10月31日-2022年4月30日期间全球AIS数据为基础,运用轨迹碰撞算法,对船舶轨迹进行压缩和区域分析,提取出具有进入我国近岸领海行为并疑似海上作业逗留的船只。数据可用于海域态势分析展示、可疑船只判断等场景。1.利用几何图形偏置算法,由我国近岸领海基点外推出分析区域轮廓。2.对AIS数据进行网格化,提取出分析区域轮廓内的数据。3.对曾在所述时间段内出现在分析区域内的外国国籍AIS目标进行轨迹压缩、存储。具体做法是:搜索所有曾经出现在分析区域内的AIS目标;将AIS目标船舶MMSI号与档案库进行匹配,分析实际国籍为非中国国籍的目标;查找出该AIS目标的所有轨迹点,根据DP算法对轨迹形状进行提取,删除不必要的轨迹点。4.基于轨迹的时空特征筛选出疑似海上作业逗留的目标。具体做法是:对压缩后的轨迹按停留点进行分段,将两个停留点之间的轨迹段输入到支持向量机中进行分类,分类得到轨迹段属于航渡轨迹或是作业轨迹;若某轨迹段属于作业轨迹,则将该目标作为疑似海上作业逗留目标进行存储。
船只目标检测场景船只检测模型数据该数据为二次加工数据,主要以船只实摄图片为基础,构建神经网络模型,完成目标检测、分类;通过数据训练得到合适的模型数据。数据可用于船只目标检测等场景。1.以船只实摄图片为基础,构建神经网络模型,完成目标检测、分类。具体做法是搭建含特征提取层、特征交互层、检测分类层的目标检测网络,每一层由若干卷积模块组成,每一个卷积模块由若干模型参数确定;以同样方法构建目标分类网络,与目标检测网络串联,按目标检测-目标分类的顺序搭建完整的目标检测、分类网络;图片被输入到网络后先由目标检测网络给出图片中船只所在的位置信息,再由目标分类网络给出对应位置船只的细分类别信息,完成目标检测、分类。2.通过数据训练得到合适的模型参数,将模型参数二值化后进行切分存储。具体做法是:在模型参数训练过程中,把带有标注的样本图片输入到目标检测、分类网络中,将模型输出结果与正确结果(标注结果)进行比较,将偏差值在网络中进行反向传播,对各层的模型参数进行修正;反复进行此过程,直到模型输出结果达到较高准确度为止;然后对得到的模型参数进行编码,按固定长度进行切分后存储。
船只目标图像识别研究场景船只图片数据该数据为采集与加工数据,通过采集近岸摄像头视频,切分出可能含有船只目标的图片帧,然后标注得到船只图片数据。数据可用于船只目标检测、图像识别研究等场景。
结构规模:(1)数据结构:序号、图片名、图像、标注;(2)数据记录条数:200;(3)存证数据为单次数据,为公司自建。1.对采集得到的近岸摄像头视频进行动目标检测,切分出可能含有船只目标的关键图片帧。具体做法是:设定摄像头的扫描模式,分时间点对不同角度进行一定时间的凝视;将记录下的整段视频按摄像头扫描设定的时间点进行切分,得到针对某一角度的固定视角画面片段;对该画面片段进行动目标检测,如果前后两帧图片之间存在较大变动,认为存在动目标,在存在动目标的帧序列中进行采样得到采样图片。2.通过人工点击和半自动标注工具得到船只位置信息。具体做法是:由人工点击采样图片中船舶所在区域的中心点位,由训练好的标注工具对采样图片进行分析,结合人工给出的船舶区域中心点位信息,给出船舶所在区域的包围框信息。3.将采样图片和包围框信息进行存储,其中采样图片进行base64编码存储,包围框信息则以相对于图片“左-上-宽-高”的相对位置数据存储。
海洋遥感动态监测场景舟山市海岸线岛屿变化统计数据该数据为二次加工数据,主要是以13-18年舟山海域遥感数据为基础,运用海岸线识别与提取模型和海岸线动态变化检测算法,实现各岛屿海岸线描绘和动态变化情况分析,数据可用于岛屿岸线变化情况统计分析展示及科学研究等场景。依托13-18年舟山海域遥感影像数据,构建海岸线识别与提取模型和海岸线动态变化检测模型,接入遥感影像(多光谱、微波)数据,获取海岸线信息,描绘舟山海岸线的几何轮廓和长度并通过多时相、多源遥感影像自动配准,获取海岸线的动态变化,生成不同时间段内的海岸线空间分布情况。
船只目标分类、图像识别研究场景船只图片数据该数据为二次加工数据,通过船只图片数据,标注得到结构化的图片数据。数据可用于船只目标分类、图像识别研究等场景。1.通过人工点击和半自动标注工具得到船只位置信息。具体做法是:由人工点击采样图片中船舶所在区域的中心点位,由训练好的标注工具对采样图片进行分析,结合人工给出的船区域中心点位信息,给出船所在区域的包围框信息。2.将采样图片和包围框信息进行存储,其中采样图片进行base64编码存储,包围框信息则以相对于图片“左-上-宽-高”的相对位置数据存储。
航线规划场景可通航地图结构化数据该数据为二次加工数据,主要以海域遥感数据为基础,运用海岸线识别与提取算法,确定舟山附近海域的海岸线,然后运用图形学方法,将地图网格化,区分出可达区域与不可达区域。数据可用于航线规划等场景。1.通过遥感影像数据,获取海岸线轮廓信息。具体做法是:构建海岸线识别与提取模型和海岸线动态变化检测模型,接入遥感影像(多光谱、微波)数据,获取海岸线信息。2.分辨轮廓左旋/右旋属性,判断轮廓包围区域为海洋/陆地。具体做法是:对轮廓进行重新定向,约定逆时针闭合轮廓所围成的区域为陆地,反之为海洋;然后对陆地进行填充,得到二值化的海陆地图。3.最后进行网格划分,按网格存储地图信息。具体做法是:按照固定的经纬线间隔对海陆地图进行切分,得到网格地图;对每个网格(图片)进行base64编码,然后按切分点位进行存储。
航线规划、船只避碰研究场景船舶会遇概率信息数据该数据为二次加工数据,以舟山马峙锚地附近海区为采集区域,采集2019年10月31日-2022年4月30日的AIS数据,分析区域中的船只会遇关系,得到水域会遇概率密度分布。数据可用于航线规划、船只避碰研究等场景。1.取采样时间和区域内的AIS数据,整理成AIS轨迹。2.对AIS轨迹进行不同时刻的会遇分析。具体做法是:取固定间隔的分析时间点,在每个分析时间点上对AIS轨迹进行插值,推算出在该时刻AIS目标的位置;然后依据时间临近的轨迹点推算出该时刻AIS目标的速度和航向;根据AIS目标的位置、速度和航向,分别得到该目标在△T、2△T、3△T后所在位置的概率椭圆;分析△T、2△T、3△T后所有概率椭圆的位置关系,如果存在交叠,取交叠区域几何中心所在网格为会遇点位,该会遇点位会遇概率加1;记录所有分析时间点的会遇概率并进行存储。
航线规划场景可通航地图拓扑图数据该数据为二次加工数据,主要以舟山附近海域地图为基础,运用图形学方法,分析网格中的水域代表点以及各相邻网格之间的水域代表点可达关系。数据可用于航线规划等场景。1.以选定海域地图为基础,分析网格中的水域代表点。具体做法是:针对已网格化的海域地图中的每一个网格,获取其所含所有单连通水域多边形(简单多边形);然后按照简单多边形骨架提取算法提取出该水域多边形的几何中心,作为水域代表点;按顺序记录为该网格的水域代表点(点位)。2.分析各相邻网格之间的水域代表点可达关系。具体做法是:取某网格及其相邻的某个网格,分析该两个网格之间点位(水域代表点)的连通关系,以“<相邻网格-可达相邻网格中点位序列><…-…>”的形式存储可达关系。