基于视频-AIS数据融合的内河船舶实时地理定位与自动识别技术研究

本文提出了一种创新的视频监控与自动识别系统（AIS）数据融合框架，通过结合专用YOLOv8模型（准确率91%）、自校准坐标转换机制及动态时间规整（DTW）轨迹匹配算法，实现了内河船舶的高频（25–30 Hz）地理定位与身份识别。该系统在低密度、拥堵、雾天及夜间环境下均保持80%以上定位准确率，显著提升了海事安全监控与应急响应能力。

　　

Highlight

本研究通过三项核心技术突破实现船舶精准监控：

1. 1.

   采用专用YOLOv8模型实现91%的船舶视觉检测准确率，显著优于通用模型（69%）；

2. 2.

   通过自校准坐标转换机制，将普通监控摄像头升级为高频（25–30次/秒）地理定位系统；

3. 3.

   结合BoT-SORT跟踪算法与动态时间规整（DTW）技术，解决异构数据源时空错位问题。

Proposed video-AIS fusion methodology

本节详细介绍了实时船舶地理定位与身份识别的三重技术融合：

（1）船舶检测与跟踪：基于改进YOLOv8模型实现 robust vessel perception，配合BoT-SORT算法构建连续轨迹；

（2）坐标空间转换：通过自校准机制建立像素-地理坐标映射关系，支持无人工标注的持续地理定位；

（3）轨迹关联：利用DTW算法对齐视频与AIS轨迹，即使在海事自动识别系统（AIS）数据延迟或中断时仍能维持身份绑定。

Experimental implementation and results

系统在真实场景中表现卓越：

• •

  低密度航道：95.0%定位准确率

• •

  拥堵水域：82.3%

• •

  雾天条件：91.5%

• •

  夜间作业：81.6%

  验证了在AIS数据质量退化时仍能保持可靠监控，为内河航道安全管理提供关键技术支撑。

Conclusion

本研究通过视频-AIS融合技术攻克了内河船舶监控中的定位延迟与数据断层难题，实现三大突破：

（1）无需人工校准的自动地理坐标转换；

（2）适应摄像机振动的实时自优化能力；

（3）支持身份持续绑定的高频（25–30 Hz）定位系统。

为全球内河航道安全监控、交通管理和应急响应提供了创新解决方案。