海上試驗場目標監測系統設計及應用研究

李明兵，齊占輝，王 鑫，張東亮，李亞文，倪晨華，石建軍

（國家海洋技術中心，天津 300112）

海上試驗場作為海洋觀測、監測和調查儀器設備研發、海洋科學研究和海洋可再生能源開發利用的重要試驗平臺，在推動我國海洋高新技術裝備產業鏈發展，提高海洋觀測、監測調查裝備業務應用水平方面發揮著重要作用。海上試驗中儀器設備安全保障是需要重點關注的問題，試驗場海域內設備分布集中，船只的通行以及捕撈作業行為對設備安全構成了重大威脅，因此亟需加強海上試驗場的目標監測能力。

近年來，海上目標監測系統的研發和應用取得了顯著進步，合成孔徑雷達、高頻地波雷達、X波段雷達、船舶自動識別系統（Automatic Identification System，AIS）、可見光和熱成像等多種監測手段得到了廣泛應用。目前較為成熟的海上目標監測系統如加拿大國防部支持的綜合海上監視系統（Integrated Maritime Surveillance System，IMS）以高頻地波雷達為基礎，融合AIS等數據，實現對水上和低空目標的全天候監測。國內的海上目標監測系統多基于X波段導航雷達建設，如海南省與當地企業合作構建的集漁船北斗監控系統、環島岸基雷達監控系統、漁港視頻監控系統于一體的“環島近海雷達綜合監控系統”，通過分布全島的雷達監測點實現對近海海域的主動實時監控[1-4]。除了常規的岸基監測平臺，基于浮標、無人船等海上平臺的小型化海上目標監測系統的應用進一步擴大了監測范圍，監測方法也從單傳感器檢測向多源數據融合方向發展，同時深度學習等方法的應用有效提高了海上目標識別準確率[5-7]。

目前,海上目標監測系統主要應用于大范圍的目標監測，同時處理目標數目可達十幾萬個[8]，需要較高的硬件配置和大數據處理能力，海上試驗場監測范圍較小，但是由于試驗場海域內設備分布密集而且往往價值昂貴，需要更加精細化的監測能力，同時為了能夠對違法破壞行為及時預警和取證，需要系統具備異常行為分析和自動化的跟蹤取證能力。另外，受到海上試驗場平臺安裝條件及能源配置限制，監測雷達必須要滿足重量輕、功耗低等特點，一般的導航雷達難以滿足要求。針對以上需求，本文以國家海洋綜合試驗場淺海試驗場區（威海）為平臺設計了海上試驗場目標監測系統，通過小型連續波雷達與熱成像雙光譜云臺攝像機聯動實現了對試驗場海域內設備及船只目標的全天候監測，并圍繞海上試驗場目標監測系統設計和應用展開分析和討論。

1 系統組成

海上試驗場目標監測系統主要由雷達目標檢測模塊、目標巡視與取證模塊和岸基控制模塊3部分組成，如圖1所示，其中雷達目標檢測模塊包括小型連續波雷達、AIS接收機和全球定位系統（Global Positioning System，GPS）導航定向設備等，用于目標檢測和數據融合；目標巡視與取證模塊包括熱成像雙光譜云臺攝像機、現場數據處理單元、硬盤錄像機、網絡交換機等，用于海上目標異常行為分析和跟蹤取證；岸基控制模塊主要包括岸基處理單元，用于目標取證數據的存儲和地圖定位顯示。目標巡視與取證模塊和岸基控制模塊通過無線移動通信網絡傳輸信息。

圖1 海上試驗場目標監測系統組成示意圖

系統工作流程如圖2所示，首先雷達目標檢測模塊融合雷達、AIS、GPS導航定位等信息得到目標的綜合信息，然后目標巡視與取證模塊對綜合信息進行異常行為分析，并結合GPS導航定位等信息生成攝像機的控制信息，對異常目標行為跟蹤取證，取證結果通過無線網絡實時發送到岸基控制模塊進行存儲和顯示。

圖2 海上試驗場目標監測系統工作流程圖

除了常規的海上目標監測工作模式，同時設計了設備巡視模式，重點對試驗場內設備進行精細化的監測，首先融合設備錨定位置信息和雷達目標檢測信息得到所有設備的實時位置，再對每個設備進行進一步的行為分析，通過定時的巡視取證，實現對試驗場內設備的全面監測和有效保障。

2 關鍵技術分析

2.1 基于小型連續波雷達的目標檢測及數據融合算法

在海上目標監測中，雷達屬于主動探測設備，既可以探測合作目標（加裝AIS的船只），也可以探測非合作目標。受到海上平臺安裝條件及能源配置限制，一般的X波段導航雷達在功耗、體積和重量方面均難以滿足要求。本文選用美國Lowrance公司生產的4G小型連續波雷達，該型雷達采用固態發射機和連續波探測技術，擁有極低發射功率。具體工作參數及物理特性如表1所示。

表1 Lowrance 4G雷達工作參數及物理特性

雷達采用雙量程工作模式，兼顧近距離試驗場內目標高分辨率探測和遠距離試驗場周邊整體態勢感知。雷達目標檢測主要包括雷達目標提取和AIS與雷達軌跡融合兩部分，具體流程如圖3所示。

圖3 雷達目標檢測與數據融合算法流程

在目標提取步驟中，雷達圖像由于受到海洋環境和天氣變化的影響，圖像序列中有的目標時隱時現并伴隨一些虛假目標或者建立的目標鏈可能會因為在某一幀雷達圖像中目標的丟失而使目標鏈斷裂，造成目標運動參數計算錯誤。本文采用卡爾曼濾波算法，通過目標位置預測和狀態更新，可以有效地抑制海面浪花等造成的干擾，并結合目標特征匹配實現目標鏈的持續跟蹤[9]。

在AIS與雷達軌跡融合步驟中，首先將基于雷達站心的極坐標數據轉換至基于WGS 84（World Geodetic System，1984）坐標系，該坐標系是為GPS的使用而建立的坐標系統，然后采用時間-距離粗關聯算法對雷達目標與AIS目標進行匹配，然后采用雙門限細關聯的方法，從滿足粗關聯的雷達航跡中，根據門限閾值判斷出與AIS航跡滿足固定關聯的一條雷達信息[10]。最后采用自適應航跡加權融合算法，將二者的航跡信息融合為一條更加準確的、接近運動目標實際軌跡的航跡信息。

2.2 海上試驗場目標異常行為分析模型

在海上試驗場安全保障中，監控人員重點關注的是試驗場設備的在位運行狀態，以及可疑船只目標對試驗場設備的威脅，因此需要對獲取的大量目標信息進行分析識別，重點監測在試驗場海域的非法作業和滯留以及異常接近設備的行為，同時布放的設備設施由于受海流的影響也處于不斷的漂移中，需要進行精確的位置監測和狀態分析。

海上目標異常行為檢測目前常用的算法包括基于實例學習的決策樹算法、基于概率統計的貝葉斯網絡算法和支持向量機算法等，其中決策樹算法根據數據的屬性采用樹狀結構建立決策模型。使用決策樹進行決策的過程就是從根節點開始，測試待分類項中相應的特征屬性，并按照其屬性值選擇輸出分支，直到到達葉子節點，將葉子節點存放的類別作為決策結果。決策樹的優點在于決策過程非常直觀，可以處理不相干的特征數據，模型可解釋[11-13]。

本文采用決策樹算法進行異常行為分析，分析流程包括目標行為特征提取、異常行為判別和報警級別分類3個步驟，如圖4所示。

圖4 海上目標異常行為分析算法流程

首先提取目標行為的多維度特征，對目標進行畫像，包括雷達軌跡、AIS軌跡、停留時間、歷史航速、歷史航向以及與試驗場設備的距離等特征，并基于歷史數據建立目標行為特征數據集。

在目標行為判別步驟中，首先對海上試驗場的監測目標進行分類，主要分為試驗場設備、可疑船只和合作船只3大類，并利用決策樹算法判斷每一類目標的具體行為，如表2所示。

表2 海上試驗場目標行為分類及判定依據

簡單的目標行為如試驗場設備在位狀態可以根據目標的軌跡分布范圍和與試驗場設備錨定位置距離進行識別，對于復雜的目標行為，如可疑船只目標無害通行或捕撈作業判斷需要綜合多種特征屬性。具體每一特征屬性的判斷閾值依據特征數據集來確定。

根據試驗場設備的受威脅程度可分為嚴重、預警和異常3個報警級別，見表3，對于識別的目標異常行為系統首先進行取證和存儲，對于預警和嚴重級別的報警，系統進一步跟蹤監測。通過海上目標異常行為分析，可以實現對海上試驗場設備整體狀態的實時監測，也有利于對違法破壞行為進行重點監測，提高取證效率。

表3 異常行為報警級別分類

2.3 海上目標跟蹤取證算法

對于重點關注的目標，需要通過跟蹤取證來對目標行為做進一步地識別。目標跟蹤的一般流程是首先確定初始化的目標框，在下一幀中以初始的目標位置為中心，在其周圍產生所有候選目標，并提取候選目標的相應特征，再對其進行評分，最后得分最高的候選目標作為最終預測的目標[14]。

本文采用顯著性檢測算法對目標進行初始定位，再利用核相關濾波算法完成目標跟蹤取證，具體流程如圖5所示。

圖5 基于顯著性檢測和核相關濾波的目標跟蹤取證算法流程

首先根據目標的距離和方位設置云臺攝像機的旋轉和傾斜角度以及攝像機焦距等參數，由于受海上風浪的影響平臺位置處于不斷的起伏變化中，因此算法根據平臺姿態方位信息來實時地調整云臺攝像機的參數，以便獲取清晰的目標圖像。

在目標初始定位階段，根據海面目標與背景在顏色上的差異采用顯著性檢測算法初始化目標框，即利用某個像素和整個圖像的平均色的色差來計算顯著性值，同時結合高頻濾波和形態學分析方法可以有效的定位目標[15-16]，顯著性值計算公式如下。

式中：S(x,y)代表圖像在點(x,y)處的顯著性值；Iu代表整幅圖像的平均色向量；I(x,y)代表其相應點的顏色向量；|| ||表示在L2空間的距離。本文在L*a*b*彩色空間處理圖像，其中L*表示亮度，a*表示紅到綠彩色分量，b*表示藍到黃彩色分量，L*a*b*系統是用來描述人眼可見的所有顏色最完備的色彩模型，在顏色距離計算上與人類感知也更加符合。

海上目標跟蹤要求具有較高的實時性，同時船只、浮標目標與整個海面背景圖像相比只占據較少比例像素，并且在跟蹤過程中其形狀特征基本不變，基于以上特點本文采用核相關濾波的目標跟蹤算法，該算法將目標跟蹤問題看成是目標的分類問題，然后在分類后的結果中找出置信度最大的位置即為當前目標的位置，其計算速度快，而且對目標模型進行實時地學習更新，兼顧了跟蹤速度的同時也具備較高的跟蹤精度[14,17]。當監測目標超出視野范圍時，算法根據雷達目標信息重新調整攝像機參數，并結合歷史目標特征和顯著性定位結果實現連續的目標跟蹤取證。

3 系統應用

3.1 海上試驗場現場應用

海上試驗場目標監測系統在國家海洋綜合試驗場淺海試驗場區（威海）進行了長期的應用測試，該系統安裝在“國海試1號”海上綜合試驗平臺上，如圖6（a）所示。試驗場海域使用確權面積為5 km2，測試期間在位運行設備主要包括綜合試驗平臺、警示浮標、背景場觀測浮標、試驗浮標和海洋能發電裝置等試驗設備。

經過近兩個月的現場應用，系統對于復雜海洋環境的適應性、清晰取證能力以及各功能模塊的可靠性都得到了充分驗證，系統能夠準確識別試驗場在位運行設備并對可疑船只目標跟蹤取證。圖6（b）為某時刻雷達目標檢測運行界面，圖6（c）為目標取證運行界面，圖6（d）為岸基顯示運行界面。

圖6 海上試驗場目標監測系統現場安裝及運行情況

3.2 試驗場設備監測

目前試驗場內布放設備均采用定點系留方式，圖7為在1 h內試驗場設備的監測軌跡分布情況，圖中紅色為雷達監測軌跡，綠色為AIS監測軌跡，藍色虛線為試驗場范圍。由于試驗場設備受海流影響位置處于不斷變動中，僅僅依據目標錨定信息無法有效捕捉目標，同時大部分試驗設備未安裝AIS裝置，因此主要通過雷達監測設備狀態。

圖7 試驗場設備1h內監測軌跡分布情況示意圖

從圖7中軌跡分布情況來看，目標監測系統能夠準確識別試驗場在位運行設備的位置，選取裝有AIS設備的警示浮標和背景場觀測浮標，分析同步監測的雷達軌跡與AIS軌跡（如圖8所示），以AIS探測位置為基準值，雷達監測位置偏差的平均值、標準差和最大值統計結果如表4所示。根據監測軌跡和統計結果，雷達監測位置平均偏差在30 m以內，位置分布比較集中，其中最大偏差值較大主要是由于浮標附近船只目標遮擋造成的誤檢。根據現場取證效果，監測精度能夠滿足系統取證和識別需求，熱成像和可見光取證圖像如圖8所示。

表4 試驗場設備監測位置偏差統計分析

圖8 試驗場設備圖像及軌跡監測

從圖7中同時發現試驗浮標有移位現象，通過前后取證圖像對比及軌跡分析，如圖9所示，判斷在該時間段內合作船只對試驗浮標進行了維護作業，試驗浮標由錨系狀態變為隨船漂流狀態。

圖9 試驗浮標設備移位監測

3.3 可疑船只目標監測

試驗場海域內活動的船只以小型漁船為主且大部分未安裝AIS設備，海上試驗場目標監測系統根據目標軌跡、停留時間、歷史航速和航向等多種特征屬性分析目標異常行為并跟蹤取證，根據監測數據統計，無害通行的船只一般停留時間較短，并且航速和航向基本不變，捕撈作業的船只船速較低，并且有往返活動現象，如圖10所示。

圖10 可疑船只目標監測示例

4 結 論

本文以國家海洋綜合試驗場淺海試驗場區（威海）為平臺設計了海上試驗場目標監測系統，開發了基于小型連續波雷達的目標檢測和與數據融合算法，建立了針對海上試驗場目標的異常行為分析模型和基于顯著性檢測和核相關濾波的目標跟蹤取證算法，實現了試驗場海域內設備及船只目標的全天候自動監測取證。系統應用結果表明，海上試驗場目標監測系統能夠準確識別試驗場設備位置并實時監測設備在位狀態，同時對于進入試驗場的可疑船只目標行為能夠準確識別并跟蹤取證。

在下一步的研究工作中，一方面利用深度學習方法對海上目標行為進行識別，進一步提高異常行為識別準確率，另一方面結合短信報警、聲光報警等多種方式建立有效的預警報系統，對監測目標的異常行為及時響應，為海上試驗場安全保障提供有效支撐。