基于多尺度卷积的船舶行为识别方法

• 作者: 刘俊 王立林
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 深度学习 行为识别 多尺度卷积 长短期记忆网络 海上交通
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 应用前沿、交叉与综合
• 页码范围: 3691-3696
• 页数: 6页
• 分类号: TP391.4
• 字数: 5490字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019050896

摘要

针对复杂海洋环境下人工监管船舶行为效率低的问题,提出了一种基于多尺度卷积神经网络的船舶行为识别方法.首先,从船舶自动识别系统(AIS)中获取海量船舶行驶数据,并提取出具有判别力的船舶行为轨迹;然后,根据轨迹数据的特性,利用多尺度卷积设计并实现了针对船舶轨迹数据的行为识别网络,并且使用特征通道加权以及长短时记忆网络(LSTM)来提高算法的准确率.在船舶行为数据集上的实验结果表明,对于指定长度的船舶轨迹,所提识别网络能够达到92.1％的识别准确率,相较于传统的卷积神经网络提高了5.9个百分点,并且在稳定性以及收敛速度上都有明显提升.该方法能够有效地提高船舶行为的识别精度,为海洋监管部门提供高效的技术支持.