1）设计MIoU (Mixing Intersection over Union)损失函数，借鉴GIoU (Generalized Intersection over Union)的最小闭包区域和DIoU (Distance Intersection over Union)的关键点归一化距离，解决内河船舶识别中图像目标尺度变化大、拍摄角度多变、船舶相互遮挡、图像背景复杂等问题。

2）研究改进YOLO算法对目标场景中的船舶进行检测，增强算法对多尺度图像目标的识别能力，解决现有YOLOV5算法对小尺度船舶识别精度较低，容易产生误识及漏识的问题。

3）研究基于多尺度CNN的自适应熵加权决策融合船舶图像分类方法，使用3个不同的子网络提取多尺度下的船舶图像特征，并利用Softmax函数输出的概率值计算信息熵，保证对不同输入船舶图像赋予自适应的权重，以实现对船舶图像的高精度分类，确保提高模型的稳定性和鲁棒性。

自适应熵加权决策融合船舶图像分类方法

设计光流运动模型OFMM，融合连续帧内海天线和海面特征点信息，研究利用连续两帧内的海天线帧间运动模型优化光流聚类效果，通过特征点匹配、海天线匹配、光流聚类以及单应矩阵计算，实现前景特征点和背景特征点的准确分类，获取各自的运动模型。

设计基于Resnet50骨干网络构建外观模型，研究利用余弦分类器替换输出端标准的Softmax分类器，用于目标船舶的ID重识别。

基于船舶识别模型、OFMM和外观模型，设计基于计算机视觉的海上多目标船舶跟踪算法MVT，重点解决目标船舶的运动估计，ID频繁变换以及跟踪框和检测框的匹配问题。

光流运动模型OFMM

船舶视频监控识别系统设计

研究船舶AR增强展示功能，实现船舶信息、违规信息、水文信息等助航信息的自动叠加和AR视频流压缩、输出功能。

多线激光雷达通过云台和旋镜的往复旋转，对多角度点云进行配准可以获取在500m处全流域亚米级精度的船舶的三维轮廓。该种方式信息来源没有维度缺失，点云处理算法较为成熟，检测结果可靠。受限于光的传播特性，在极端大雾和大雨情况下探测距离会有明显衰减，用于水上探测其耐候性和防护需做特别加强。

多线激光雷达

激光雷达偏航超高检测仪