[發明專利]一種船只異常行為識別方法、裝置及終端設備

在審

• 申請號: 201910536056.1
• 申請日: 2019-06-20
• 公開（公告）號: CN110363094A
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 王遠淵;王興平;李桂蘭;羅城杰;魏賽東
• 申請（專利權）人: 珠海云航智能技術有限公司;珠海云洲智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 方良

1.一種船只異常行為識別方法，其特征在于，包括：

獲取多條樣本船只的運動軌跡樣本，其中，每個運動軌跡樣本中包含船只行駛的多個位置點坐標，以及每個位置點坐標對應的船只航向和航速；

對多條所述運動軌跡樣本進行融合分析，得到對應的典型軌跡；

獲取待處理船只的待處理運動軌跡，并計算所述待處理運動軌跡與所述典型軌跡間的軌跡偏差系數組，其中，軌跡偏差系數組中包含位置偏差系數、航向偏差系數以及航速偏差系數；

若所述軌跡偏差系數組中存在大于或等于對應的預設偏差閾值的系數，判定所述待處理船只存在異常行為。

2.如權利要求1所述的船只異常行為識別方法，其特征在于，所述對多條所述運動軌跡樣本進行融合分析，得到對應的典型軌跡，包括：

對多條所述運動軌跡樣本進行聚類分析，得到多類樣本軌跡，其中，每類樣本軌跡中，包括一條或多條所述運動軌跡樣本；

針對每類所述樣本軌跡，分別對每類所述樣本軌跡進行軌跡融合，得到對應每類所述樣本軌跡的一條聚類軌跡；

對多條所述聚類軌跡進行軌跡融合，得到對應的所述典型軌跡。

3.如權利要求2所述的船只異常行為識別方法，其特征在于，所述對多條所述運動軌跡樣本進行聚類分析，得到多類樣本軌跡，包括：

基于所述運動軌跡樣本中包含的位置點坐標、航向和航速，對多條所述運動軌跡樣本進行處理，得到每條所述運動軌跡樣本分別與其他所述運動軌跡樣本之間的軌跡距離；

根據所述軌跡距離對所述運動軌跡樣本進行聚類分析，得到多類所述樣本軌跡。

4.如權利要求3所述的船只異常行為識別方法，其特征在于，所述基于所述運動軌跡樣本中包含的位置點坐標、航向和航速，計算兩條所述運動軌跡樣本之間的所述軌跡距離，包括：

對分別包含M個位置點和N個位置點的兩個所述運動軌跡樣本，進行運動軌跡樣本之間的位置點兩兩組合，得到M×N個位置點組合；

計算所述位置點組合內，位置點之間位置點坐標、航向和航速分別對應的歐氏距離，并對得到的歐氏距離進行歸一化處理；

基于預設系數對得到的位置點坐標、航向和航速分別對應的歸一化值進行權重計算，得到與M×N個所述位置點組合一一對應的位置點距離；

根據M×N個位置點距離，計算兩個所述運動軌跡樣本之間的所述軌跡距離。

5.如權利要求3所述的船只異常行為識別方法，其特征在于，所述根據所述軌跡距離對所述運動軌跡樣本進行聚類分析，得到多類所述樣本軌跡，包括：

基于所述軌跡距離查找對應的截斷距離，并基于所述軌跡距離和所述截斷距離，計算每條所述運動軌跡數據對應的局部密度以及最近鄰距離；

基于所述局部密度和所述最近鄰距離，計算每條所述運動軌跡樣本分別對應的聚類系數，并基于所述聚類系數對多條所述運動軌跡樣本進行聚類處理，得到對應的多類所述樣本軌跡。

6.如權利要求2所述的船只異常行為識別方法，其特征在于，所述對多條所述聚類軌跡進行軌跡融合，得到對應的所述典型軌跡，包括：

根據多條所述聚類軌跡的軌跡方向計算掃描線方向；

基于所述掃描線方向生成多條掃描線，其中，每條所述聚類軌跡至少與一條所述掃描線交叉；

基于所述掃描線與各條所述聚類軌跡的交點，計算對應的多個典型位置點坐標以及每個所述典型位置點坐標對應的航向和航速，并基于多個所述典型位置點坐標以及對應的航向和航速，構建所述典型軌跡。

7.如權利要求1至6任意一項所述的船只異常行為識別方法，其特征在于，所述計算所述待處理運動軌跡與所述典型軌跡間的軌跡偏差系數組，包括

從所述典型軌跡內查找出與所述待處理運動軌跡中包含的位置點一一對應的典型位置點，并獲取每個所述典型位置點的位置點坐標、航向和航速；

獲取所述待處理運動軌跡中的每個位置點與對應的所述典型位置點之間的位置歐氏距離、航向歐氏距離以及航速歐氏距離，得到對應的所述位置偏差系數、所述航向偏差系數以及所述航速偏差系數。