梁 月 翔， 冯 辉*，2， 徐 海 祥，2

( 1.武汉理工大学 交通学院， 湖北 武汉 430070；2.武汉理工大学 高性能船舶技术教育部重点实验室， 湖北 武汉 430070 )

0 引 言

由于船舶业的成本随着社会对船舶的安全性能、环保性能和舒适性能等方面的追求不断升高，提高船舶智能化水平成为船舶业的大势所趋．

智能船舶的智能感知系统可以帮助智能船舶获取自身运动状态信息、周边障碍物信息以及海洋环境等方面的信息和数据．基于视觉的感知是智能船舶感知系统中的核心，其中，利用可见光图像实现周边障碍物目标的检测与识别是智能感知系统的重要组成部分．此外，基于可见光图像的目标检测与识别，具有分辨率高、速度快、传递的信息丰富、成本低等特点，能够实时评估船舶航线附近的运行状态，提早发现在航行过程中的安全隐患．

基于可见光图像的船舶目标检测方法分为传统模式识别方法和深度学习方法．传统模式识别方法包括基于统计学方法、基于频域变换方法等．Xie等[1]利用统计学方法，采用层次聚类直方图构建异常检测模型，然后识别候选区域并从候选区域中删除非船舶类目标，最后使用结构连续性来消除错误警报．但该方法仅适用于全色可见光图像的海区，不适用于港区．Yu等[2]提出了一种基于统计分析和形状识别的模型．通过统计分析船舶在海域的分布情况，将受到影响的船舶目标与海、陆、岛或巨浪区分开来，然后利用纵横比、圆度……