伴隨模式模型

2021-08-17 16:59:57 字數 1468 閱讀 3538

一、需求分析

通過船隻軌跡資料獲取不同船隻間是否存在伴隨航行的現象,通過船隻軌跡獲取船隻伴隨航行的區間,以便後續分析。

二、主要功能

長時間伴隨船隻,護航伴隨、通行船隊船隻檢測、伴隨捕魚船隻識別等等。模型對挖沙、運沙船之間的關係等類似行為,通過位置稀疏化進行過濾。

三、模型

3.1 模型主要思路

通過船隻航跡資料來判斷該船隻在航行過程中是否存在伴隨船隻,根據船隻間的距離、速度、航跡向來確定船隻的伴隨區間,即伴隨的起始位置和時間。

3.2 模型流程框圖

3.3 模型的詳細說明

1. 資料預處理

考慮到船隻傳送ais資料與位置之間的關係,對資料進行預處理。以基準船隻軌跡資料點的初始點為起點,每個3海浬記錄乙個點,包括該點經度、緯度、時間,直至結束。

2. 資料處理

計算需要處理的船隻軌跡點與基準船隻預處理得到的軌跡點間的距離,

1)判斷航跡點間距離:相同時間(考慮到ais傳送時間間隔不同,相同時間取處理軌跡資料中離基準軌跡點時間最近點,且時間差不能長於10分鐘)內航跡點間距離是否小於2海浬;若大於2海浬,則進行6);若小於2海浬,則進行2)。

2)判斷航跡向偏差:判斷兩船隻的航跡向偏差,如果航跡向偏差大於40°,將該點標記為可疑點;如果小於40°,則進行3)。

3)判斷速度差閾值(計算方式見下文):如果速度不在速度差閾值範圍內,將該點標記為可疑點;如果在其中,則進行4)。

4)判斷是否存在可疑資料:存在可疑資料則將可疑資料轉為記錄資料,可疑資料點作為伴隨記錄的起始點;如果不存在則直接將該點作為伴隨記錄的起始點。

5)伴隨行為判斷:統計記錄起始點到當前記錄點的累計時間和累計距離。如果累計時間大於2小時或者累計距離大於50海浬,則計算該里程的平均速度(累計距離/累計時間),如果平均速度大於1.0m/s,則判定該記錄為伴隨行為,同時輸出資料。

6)距離大於2海浬資料判斷:之前是否存在記錄資料,存在記錄資料則判斷兩條船是否分離進行7);如果不存在記錄資料則檢測是否存在可疑資料,存在即清空。

7)伴隨結束行為判斷:連續三個點,距離都大於2海浬。若連續3點距離大於2海浬,則進行8);若連續3點內距離仍有小於2海浬,則之前資料確定為異常點,將其歸入記錄資料。

3. 資料迴圈

重複進行上步驟中1)~7),直到判斷軌跡資料結束。

注:

1)速度差閾值計算:

a、b兩點為基準軌跡的兩個相鄰點,a點判斷為伴隨點,則速度閾值為:[ ]

其中:l為a、b兩點間距離,t為a、b兩點時間間隔, 為兩條船航跡向偏差角度, 。(相對位置關係可以見下圖)

2)伴隨平均速度:

伴隨平均速度 = 累計伴隨距離 / 上累計時間;

mysql人像伴隨模型 人像美顏演算法 面板檢測

為什麼要進行 檢測 美顏的核心處理是磨皮,僅進行模糊平滑處理,對整張影象的處理會顯得比較假,如果能針對性的只處理 效果會更真實。真實的工程應用中,一張影象的磨皮處理,會分兩步走 檢測出 生成乙個maska 保邊濾波得到影象t 根據maska,僅對 部位進行濾波處理,非 採用原影象素 檢測 or 人像...

控制項伴隨窗體變化

雖然這是個小功能,但是歷史可以追溯到作品展,當時就特別想讓控制項伴隨窗體的變大而變大,如果窗體變大了而控制項還是那麼小就會很難看,所以各種查資料,看書。後來算是解決了這個問題。但是當時並沒有記錄下來,直到後來又有人問我,我想應該把學到的新東西,比較陌生的做乙個總結。下面來看看我是怎麼實現的 1 新增...

伴隨著linux成長

也許是乙個偶然,也許是乙個必然讓我認識了linux,並深深的熱愛上了她。就這樣我慢慢的走過了風雨歷程。今天把linux的成長之路寫下來以示紀念。最早聽說linux我已經忘記了是什麼時間了,一直在dos和windows下工作學習了近十年,呵呵,我是從十歲左右就開始接觸那可愛的dos的 在widows下...