当前,由于机动车的数量快速增长,陆地交通发生了较多的交通事故和拥堵状况,与此同时内河航道也面临着同样的压力。基于陆路交通管理的经验,在内河管理方面上,引入智能交通管理系统,对保护河流生态系统稳定具有重要意义,同时也能有控制水污染,保障水路交通安全。本文以中山市海事视频监控为研究背景,在全市建立的"海事指挥平台"基础上,在实际需要的内河道区域进行船舶类型识别。论文应用计算机视觉理论和方法,对监控视频中出现的船舶进行提取、跟踪,然后根据提取出的船舶特征进行识别。论文的研究内容包括以下四个部分:(1)船舶运动区域的提取。首先介绍图像预处理内容,包括灰度化、图像增强、二值化处理,并通过实验进行分析对比。然后在运动目标区域提取方面,对常见的方法优缺点分析,进而进行实验结果比对。(2)目标跟踪。在目标区域提取出来的前提下,基于颜色特征直方图的Camshift算法,具有计算量小,实时性高的特点。船舶因遮挡易丢失,采用Kalman算法可以实现目标估计,进而持续跟踪,防止船舶丢失。(3)特征提取。介绍常用的特征,如角点特征、几何特征、直方图统计特征、矩特征等,并提取特征值。通过分析数据,将矩、角度比值、几何特征相结合作为输入量对船舶进行分类。(4)船型识别。采用支持向量机对船舶分类,通过单特征、多特征和全部特征实验对比,选择正确率高的组合。然后利用交叉验证思想改进测试和训练过程,来提高识别率。本文最后选择单高斯建模的背景差分法提取运动区域,采用Camshift和Kalman滤波相结合的方法对目标进行跟踪,此方法能够对目标进行有效的跟踪。随后选取了比例特征,矩特征,角度特征作为船舶分类的区分性;最后利用交叉验证思想改进测试和训练过程,证明了该思想的可行性与正确性,并取得了较高的准确率。