我国内河航道船舶锚泊通常用锚链或缆绳固定在锚地,但是由于底质松动和缆绳断裂等原因会导致走锚事故发生。船舶走锚可能引发撞船、撞桥之类事故,带来严重的经济损失。近年随着水上交通的发展,船舶数量与平均载重量总体增长,单次走锚事故造成的损失呈增大趋势。锚地管理处对走锚事件缺乏有效监管手段,无法提供可靠船舶走锚安全监控服务。常规走锚识别方法主要集中在力学模型结合张力传感器检测、GPS定位以及雷达测距等方面。力学模型方法计算复杂,缆绳整体张力获取困难。GPS定位方法误差偏大,且船舶锚泊期间通常处于断电状态,无法获取定位信号。目前为止,雷达测距仅提供目标点信息,没有颜色、形状、尺寸等相关信息,难以做精细判断。视频图像分析方法比较成熟,视频数据信息丰富,实时性好,在车辆检测与跟踪识别中取得较好效果。但水上目标运动环境与道路环境有明显差异,扰动多,运动较慢。本文通过视频图像分析方法对船舶走锚识别中的问题展开研究,主要工作和成果简述如下:1.研究了锚地水面环境的船舶检测方法,并提出一种最大化背景分布改进的混合高斯背景建模(GMM)的船舶提取方法。首先分析了水面像素分布特征,对比了水面与道路的背景差异,然后针对水面波动而误检造成的噪声多问题,提出了最大化的背景高斯分布改进方法,降低前景误检率。最后针对水面目标倒影明显,提出了镜像特征的船舶倒影消除方法。2.研究了非航行移动船舶的跟踪方法,根据走锚运动较快的特性,融合卡尔曼滤波估计提高准确率。针对MeanShift(MS)算法在较快目标跟踪中区域不准确,结合卡尔曼估计初始位置,指导MS向量偏移,提高搜索准确率。结合检测得到的外接矩形框,在彩色图像中根据计算直方图搜索匹配,计算中心位置。3.提出了基于距离的增量更新方法,扩展训练集。经典DBSCAN聚类结果对对参数敏感,针对在锚船舶活动分布不均匀特点,借助KNN矩阵得到多个邻域半径,对正常锚泊中心按多领域半径进行升序聚类。用增量更新方法对待测数据试聚类,扩展训练集以克服数据采集持续时间长的缺陷并降低错检率。4.利用模拟实验对本文方法进行了验证并对结果进行分析。用船池目标船舶检测与跟踪获得的数据进行动态聚类分析。