董亞力+王丹+秦榮明

摘 要： 為了提高近海支持船（OSV）靠泊作業(yè)的安全性，需要進(jìn)行靠泊作業(yè)的安全監(jiān)控設(shè)計(jì)，提出基于智能視覺的近海支持船靠泊作業(yè)安全監(jiān)控技術(shù)。對(duì)近海支持船靠泊作業(yè)進(jìn)行三維圖像采集，在計(jì)算機(jī)視覺下對(duì)采集的圖像進(jìn)行邊緣輪廓特征提取，結(jié)合關(guān)鍵點(diǎn)的幀掃描技術(shù)進(jìn)行靠泊作業(yè)的關(guān)鍵點(diǎn)判斷和危險(xiǎn)狀態(tài)識(shí)別報(bào)警。進(jìn)行視覺分析和監(jiān)控，在三維視覺下進(jìn)行近海支持船靠泊作業(yè)的過程重構(gòu)，實(shí)現(xiàn)安全監(jiān)控。仿真結(jié)果表明，采用該方法進(jìn)行近海支持船靠泊作業(yè)的智能視覺監(jiān)控，能準(zhǔn)確進(jìn)行危險(xiǎn)報(bào)警和船舶靠泊位置的動(dòng)態(tài)分析。

關(guān)鍵詞： 智能視覺； 近海支持船； 靠泊作業(yè)； 安全監(jiān)控

中圖分類號(hào)： TN911?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）24?0088?03

Abstract： In order to improve the safety of the berthing operation of offshore support vessel （OSV）， it is necessary to design the safety monitoring for berthing operation， so an intelligent vision based monitoring technology for berthing operation safety of OSV is put forward to acquire 3D image of the OSV berthing operation. The edge contour feature extraction of the acquired image is performed under computer vision. The frame scanning technology of the key points is combined to judge the key points， recognize the dangerous condition and give the alarm for the berthing operation， and perform with visual analysis and monitoring. The berthing operation process of the OSV is reconstructed under 3D vision to realize the safety monitoring. The simulation results show that the method used for intelligent visual surveillance of the OSV berthing operation can accurately give an alarm for safety and dynamically analyze the vessel berthing position.

Keywords： intelligent vision； offshore support vessel； berthing operation； safety monitoring

近海支持船（Offshore Support Vessel，OSV）是進(jìn)行海上鉆采物資的船舶。近海支持船為海洋石油勘探、開發(fā)、生產(chǎn)提供全面船舶作業(yè)支持服務(wù)，還為海上設(shè)施生產(chǎn)提供近?？坎粗С止δ?。近海支持船靠泊是一項(xiàng)高精度作業(yè)過程，需要進(jìn)行定點(diǎn)監(jiān)控和定位引導(dǎo)。提高船舶作業(yè)精度，改善海上設(shè)施限位、連接支持作業(yè)的準(zhǔn)確性，研究近海支持船靠泊作業(yè)的安全監(jiān)控技術(shù)，在提高海上設(shè)施生產(chǎn)支持功能方面具有積極重要意義，相關(guān)的安全監(jiān)控技術(shù)研究受到人們的極大重視[1]。傳統(tǒng)方法中，對(duì)近海支持船的靠泊作業(yè)安全監(jiān)控方法主要采用人工識(shí)別監(jiān)控方法結(jié)合遠(yuǎn)程監(jiān)控探頭實(shí)現(xiàn)靠泊引導(dǎo)，完成近海支持船的拖曳功能和靠泊功能；但是傳統(tǒng)方法在進(jìn)行船舶靠泊引導(dǎo)中容易出現(xiàn)限位誤差等情況，監(jiān)控智能性不好[2]。對(duì)此，本文提出基于智能視覺的近海支持船靠泊作業(yè)安全監(jiān)控技術(shù)，對(duì)近海支持船靠泊作業(yè)進(jìn)行三維圖像采集并進(jìn)行仿真測(cè)試，展示了本文方法在提高近海支持船靠泊作業(yè)安全監(jiān)控性能方面的越性。

1 近海支持船靠泊作業(yè)視覺信息采集與預(yù)處理

1.1 監(jiān)控圖像采集

為了實(shí)現(xiàn)對(duì)近海支持船靠泊作業(yè)視覺監(jiān)控，三維視覺圖像采集是第一步。采用遠(yuǎn)程視頻監(jiān)控技術(shù)進(jìn)行近海支持船的圖像特征采集，在4×4網(wǎng)格區(qū)域中對(duì)船舶靠泊作業(yè)視覺圖像進(jìn)行信息特征分塊和像素特征提取，采用特征空間重構(gòu)技術(shù)進(jìn)行圖像尺度信息分解，運(yùn)用Radon尺度變換提取近海支持船靠泊作業(yè)視覺圖像的多尺度邊緣輪廓特征[3]，進(jìn)行監(jiān)控圖像智能視覺特征提取。根據(jù)上述設(shè)計(jì)原理，得到本文設(shè)計(jì)近海支持船靠泊作業(yè)視覺圖像采集和特征提取過程描述如圖1所示。

根據(jù)圖1所示的近海支持船靠泊作業(yè)的視覺處理流程，構(gòu)建近海支持船靠泊作業(yè)安全監(jiān)控的圖像信息處理系統(tǒng)[4]，進(jìn)行近海支持船靠泊作業(yè)的監(jiān)控圖像采集。

1.2 邊緣輪廓特征提取

在計(jì)算機(jī)視覺下對(duì)采集圖像進(jìn)行邊緣輪廓特征提取，通過對(duì)采集視頻監(jiān)控圖像進(jìn)行視覺信息融合和邊緣輪廓檢測(cè)，采集近海支持船靠泊作業(yè)視覺圖像的像素點(diǎn)特征量可寫為：

式中：表示視覺信息化參量；為近海支持船靠泊作業(yè)視覺圖像的增強(qiáng)倍數(shù)。獲得原始圖像的模板像素值估計(jì)值，在圖像的4×4子區(qū)域中通過子塊連續(xù)遍歷，得到近海支持船靠泊作業(yè)視覺圖像的子塊像素點(diǎn)特征分布為：

式中：為近海支持船靠泊作業(yè)視覺圖像的子塊濾波傳遞函數(shù)；表示船舶靠泊過程中的幾何測(cè)量模型；為視覺圖像的色差核；為像素點(diǎn)之間的特征差異強(qiáng)度；為圖像的灰度量化統(tǒng)計(jì)值。通過邊緣像素分解，得輸出的船靠泊作業(yè)視覺圖像邊緣輪廓特征提取結(jié)果表示為：endprint

2 靠泊作業(yè)的視覺監(jiān)控實(shí)現(xiàn)

在上述進(jìn)行了近海支持船靠泊作業(yè)的三維圖像采集和圖像預(yù)處理的基礎(chǔ)上，進(jìn)行近海支持船靠泊作業(yè)安全監(jiān)控視覺處理優(yōu)化設(shè)計(jì)。本文提出基于智能視覺的近海支持船靠泊作業(yè)安全監(jiān)控技術(shù)，結(jié)合關(guān)鍵點(diǎn)幀掃描技術(shù)進(jìn)行靠泊作業(yè)的關(guān)鍵點(diǎn)判斷和危險(xiǎn)狀態(tài)識(shí)別報(bào)警。令，其中，表示近海支持船靠泊作業(yè)視覺圖像分塊位置處的角點(diǎn)，對(duì)近海支持船靠泊作業(yè)視覺圖像進(jìn)行圖像采集，在圖像的初始種子點(diǎn)處進(jìn)行角點(diǎn)信息配對(duì)[5]，采用多粒度粗糙像素融合方法計(jì)算近海支持船靠泊作業(yè)視頻監(jiān)控信息的低頻分量，求解公式為：

式中：是近海支持船靠泊作業(yè)視覺圖像信息量化因子；是在掃描幀窗口W內(nèi)的模板像素值。按照三角網(wǎng)網(wǎng)格分區(qū)方法構(gòu)建近海支持船靠泊作業(yè)視覺圖像初始分塊結(jié)構(gòu)模型，假設(shè)近海支持船靠泊作業(yè)視覺圖像的初始種子點(diǎn)為，得每一幀特征點(diǎn)分離結(jié)果為：

式中：表示沿波束域方向進(jìn)行像素匹配的鄰域范數(shù)；表示兩個(gè)監(jiān)控視頻幀中信息；表示視頻監(jiān)控掃描幀的幅度特征。

假設(shè)近海支持船靠泊作業(yè)視覺圖像沿梯度方向的像素點(diǎn)之間的特征差異值為：

式中，是邊緣像素估計(jì)值。初始化近海支持船靠泊作業(yè)視覺圖像的網(wǎng)格模式，選取窗口為3×3進(jìn)模板匹配，用來表示視頻監(jiān)控視覺像素點(diǎn)的控制性參量，在像素點(diǎn)位置處的進(jìn)行灰度像素分解[6]，使得船舶靠泊作業(yè)的視覺誤差向量滿足。在邊緣像素模板中結(jié)合關(guān)鍵點(diǎn)的幀掃描技術(shù)進(jìn)行靠泊作業(yè)的關(guān)鍵點(diǎn)判斷，得到靠泊作業(yè)的關(guān)鍵行為點(diǎn)分布描述為：

采用高亮線條與陰影線條分割方法進(jìn)行水平和垂直方向的圖像特征分割，得到近海支持船靠泊作業(yè)視覺圖像的分塊子集為：

對(duì)支持船靠泊作業(yè)視覺圖像進(jìn)行像素增強(qiáng)，得像素級(jí)強(qiáng)度為：

式中，為信息融合的灰度平滑系數(shù)。把檢測(cè)輸出的近海支持船靠泊作業(yè)視覺圖像分成幾個(gè)子集，得到水平和垂直方向的分割尺度為和。對(duì)近海支持船靠泊作業(yè)視覺圖像的特征關(guān)鍵點(diǎn)進(jìn)行灰度補(bǔ)償，實(shí)現(xiàn)近海支持船靠泊作業(yè)視覺圖像降噪及分割處理，求得原圖各分量的平面信息素中的角點(diǎn)：

式中：為局部方差；表示準(zhǔn)確靠泊的置信度；為靠泊偏離誤差。據(jù)智能視覺分析，進(jìn)行近海支持船靠泊作業(yè)的過程重構(gòu)及OSV靠泊作業(yè)的視覺分析和監(jiān)控，實(shí)現(xiàn)危險(xiǎn)狀態(tài)識(shí)別與報(bào)警。

3 仿真實(shí)驗(yàn)分析

為了測(cè)試本文方法在實(shí)現(xiàn)智能視覺下的近海支持船靠泊作業(yè)安全監(jiān)控中的應(yīng)用性能，進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)建立在Matlab 仿真軟件基礎(chǔ)上。實(shí)驗(yàn)中對(duì)OSV靠泊作業(yè)監(jiān)控掃描的幀分辨率為500×240，視覺特征采集的總級(jí)數(shù)為25，像素值為150×180，尺度系數(shù)，邊緣輪廓特征提取的迭代次數(shù)為120次，自適應(yīng)誤差收斂的迭代步長(zhǎng)為12，噪聲強(qiáng)度為24 dB，圖像幀掃描的平滑參數(shù)為2.26，邊緣輪廓尺度為=0.43，根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行OSV靠泊作業(yè)的安全監(jiān)控，得到原始采集圖像如圖2所示。以圖2所示的采集圖像為研究對(duì)象，結(jié)合關(guān)鍵點(diǎn)的幀掃描技術(shù)進(jìn)行靠泊作業(yè)的關(guān)鍵點(diǎn)判斷和危險(xiǎn)狀態(tài)識(shí)別報(bào)警，進(jìn)行視覺分析和監(jiān)控，得到監(jiān)控過程的視覺重構(gòu)結(jié)果如圖3所示。分析圖3結(jié)果得知，采用本文方法進(jìn)行近海支持船靠泊作業(yè)監(jiān)控，能實(shí)現(xiàn)整個(gè)靠泊過程的視覺三維重構(gòu)，實(shí)現(xiàn)危險(xiǎn)報(bào)警和船舶靠泊位置的動(dòng)態(tài)分析。

4 結(jié) 語

本文提出一種基于智能視覺的近海支持船靠泊作業(yè)安全監(jiān)控技術(shù)，對(duì)近海支持船靠泊作業(yè)進(jìn)行三維圖像采集，在計(jì)算機(jī)視覺下對(duì)采集的圖像進(jìn)行邊緣輪廓特征提取，結(jié)合關(guān)鍵點(diǎn)幀掃描技術(shù)進(jìn)行靠泊作業(yè)的關(guān)鍵點(diǎn)判斷和危險(xiǎn)狀態(tài)識(shí)別報(bào)警，進(jìn)行視覺分析和監(jiān)控，在三維視覺下進(jìn)行近海支持船靠泊作業(yè)的過程重構(gòu)。研究得出，本文方法進(jìn)行靠泊作業(yè)監(jiān)控的有效性較好，動(dòng)態(tài)分析能力較強(qiáng)，三維視覺效果較好。

參考文獻(xiàn)

[1] 陸興華.一種結(jié)合輻射特征的高效紅外目標(biāo)提取算法[J].激光與紅外，2016，46（5）：634?638.

[2] 邵敏敏，錢冬梅.智能激光夜視監(jiān)控系統(tǒng)中的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J].激光雜志，2016，37（9）：103?108.

[3] 周毅敏，李光耀.多重光照色差下圖像平滑美化處理算法[J].計(jì)算機(jī)科學(xué)，2016，43（10）：287?291.

[4] 李武周，余鋒，王冰，等.基于形態(tài)學(xué)濾波的紅外圖像背景補(bǔ)償[J].紅外技術(shù)，2016，38（4）：333?336.

[5] 趙麗玲，孫權(quán)森.通過直方圖中軸化提高融合圖像光譜保真度[J].計(jì)算機(jī)應(yīng)用，2017，37（2）：559?563.

[6] 朱路，劉江鋒，劉媛媛，等.基于稀疏采樣與級(jí)聯(lián)字典的微波輻射圖像重構(gòu)方法[J].微波學(xué)報(bào)，2014，30（6）：41?45.endprint