面向海事计算机视觉应用的图像与AIS数据融合技术
计算机视觉与模式识别
2023-12-12 v1
摘要
深度学习目标检测方法（如YOLOv5）在识别海事船舶方面很有效，但往往缺乏实际应用所需的关键详细信息。在本文中，我们通过开发一种技术来解决这个问题，该技术将自动识别系统数据与图像中检测到的船舶融合，以创建数据集。这种融合用船舶相关数据（如类型、尺寸、速度和方向）丰富了船舶图像。我们的方法通过使用适用于固定和周期性平移摄像机的单应性方法估计距离和方位角，将检测到的船舶与其对应的AIS消息关联起来。该技术对于创建用于航道交通管理、遭遇检测和监视的数据集非常有用。我们引入了一个新颖的数据集，包含在各种天气条件下拍摄的图像及其对应的AIS消息。该数据集为改进船舶检测算法和轨迹预测模型提供了稳定的基线。为了评估我们方法的性能，我们手动注释了该数据集的一部分。结果显示总体关联准确率为74.76%，其中固定摄像机的关联准确率达到85.06%。这证明了我们的方法在创建用于船舶检测、姿态估计和自动标注流水线的数据集方面的潜力。
引用
@article{arxiv.2312.05270,
title = {Image and AIS Data Fusion Technique for Maritime Computer Vision Applications},
author = {Emre Gülsoylu and Paul Koch and Mert Yıldız and Manfred Constapel and André Peter Kelm},
journal= {arXiv preprint arXiv:2312.05270},
year = {2023}
}
备注
10 pages, 3 figures. Author version of paper. Accepted for publication in The 2nd Workshop on Maritime Computer Vision at WACV