1.1 研究的目的和意义

在世界经济全球化的今天，各个国家之间的经贸往来日益增多，货物运输量持续增长，对货物运输方式的要求也越来越高。水路运输由于具有运价低，运量大的优势，在世界货物运输中占有越来越重要的地位。但随着船只的增多和航线的日益繁忙，航道愈加拥挤，船只安全事故频发，船舶污染日益加剧，如何解决目前船舶运营所产生的这些问题逐渐成为业界的关注重点。随着近年来通信，控制，计算机，大数据，人工智能等领域的快速发展，船舶的智能化研究不断取得突破，使得未来实现真正绿色化，无人化，安全化的智能船舶成为可能。

近年来，智能船舶已被业界普遍认为是未来发展的大方向，世界各大主要造船企业和船舶研究所都早已对智能船舶开展了大量的研究，但却仅处于平台规划搭建和功能模块验证阶段，还没有谁建成完整的智能船舶系统，因此业界对智能船舶的详细定义还没有形成统一。在众多定义中，中国船级社（CCS），英国劳式船级社（LR）和挪威船级社（NV）的定义具有一定的代表性。中国船级社《智能船舶规范》（2015）给出的定义是：智能船舶系指利用传感器、通信、物联网、互联网等技术手段，自动感知和获得船舶自身、海洋环境、物流、港口等方面的信息和数据，并基于计算机技术、自动控制技术和大数据处理和分析技术，在船舶航行、管理、维护保养、货物运输等方面实现智能化运行的船舶，以使船舶更加安全、更加环保、更加经济和更加可靠。并将智能船舶分为六个模块，分别为智能航行、智能船体、智能机舱、智能能效管理、智能货物管理和智能集成平台。

智能航行作为智能船舶的一个子模块，在实现船舶无人化和提高船舶安全性方面具有重要意义。CCS给智能航行的定义为利用计算机技术、控制技术等对感知和获得的信息进行分析和处理，对船舶航路和航速进行设计和优化；可行时，借助岸基支持中心，船舶能在开阔水域、狭窄水道、复杂环境条件下自动避碰，实现自主航行。智能航行功能的实现首先依赖于底层的前端感知系统提供的周围环境信息和船舶自身信息，然后根据信息来对船舶的航线和航速进行设计和优化。

船舶自身信息的感知比较容易实现，而周围环境的感知是目前学界讨论较多的技术难点。常用的前端环境感知技术有四种，第一种是基于雷达技术的目标检测，但雷达体积庞大，价格昂贵，适合检测超视距大目标，对近距离目标和高速运动目标的精度较差；第二种是基于声呐技术的目标检测，主要用于水下环境；第三种是基于红外线技术的目标检测，作用范围大，可全天24小时作业，但受温度的影响较大，图像噪声较严重；第四种是基于可见光图像的目标检测，与上面三种方法相比，可见光图像更加真实清晰，包含的细节信息多，为后续的处理提供了方便。国内南京理工大学的任明武教授等人利用可见光图像处理与检测技术，开发了三峡临时船闸的船舶检测系统；上海交通大学的周颢教授等人基于可见光图像目标检测算法开发了苏州河数字船舶监控系统。国外伯恩茅斯大学的A.A.W.SIMTH教授等人利用可见光图像开发了海面船只避碰系统。国内外的算法研究和系统设计均表明基于可见光图像目标检测技术的智能船舶感知系统具有良好的研究前景和现实意义。

1.2 国内外研究现状

对水面可见光图像的目标检测，不管是在民用领域还是在军用领域，都具有非常重要的利用价值和研究价值。从本质上来说，水面目标的检测与识别算法还是属于目标检测与识别的范畴，作为计算机视觉和人工智能领域的核心问题之一，目标检测与识别一直以来受到广泛地关注与研究。

目标检测技术的主要目的是将人们感兴趣的运动目标从视频数据中智能地检测并分割出来，比较经典的方法有：帧间差分法，光流法和背景减除法。

帧间差分法是将时域相邻的图像的特征进行差分运算，而后对所得到的差分图像进行二值化阈值处理，以提取运动目标所在位置。帧间差分法不需要监控场景在任何先验知识，也不需要训练过程，且其计算量小，存储数据少，可以迅速输出检测结果。1995年，美国密歇根州立大学Dubuisson和Jain利用三对相邻视频帧做了两次帧间差分的结果取交集的方式提取车辆的完整轮廓信息。1998年，美国卡耐基梅隆大学Lipton等人利用连续两个视频帧灰度差的绝对值来寻找变化区域。

光流法主要通过分析视频的光流场进行运动目标检测。光流是指空间中物体的运动在图像平面上表现出的物体灰度模式的流动。光流法基于场景中物体的灰度守恒假设，通过分析视频图像平面上物体灰度模式的流动，发现场景中各物体的运动，并对运动特性不同的物体进行分割。光流法能够同时捕捉因前景目标运动引起的前景目标的光流和因摄像机运动导致的背景物体的光流，并能对它们进行有效区分，因此，适用于摄像机存在运动情况下的目标检测。