在海事船舶目标检测中,面临的难点在于监控背景存在大量晃动水波纹、船舶尾迹和光照等噪声影响,同时摄像机抖动或偏移也造成待检测船舶目标发生非线性变换。为了提高船舶目标检测准确性和降低虚警率,论文针对海事视频监控中船舶目标快速检测进行深入研究,进行的研究工作有:(1)海事监控摄像机在拍摄过程中存在各种形式的运动,可能存在抖动或偏移,使待检测船舶目标发生非线性变换,增加检测难度。论文通过提取监控图像中具有显著目标特征的角点,以第一帧为基准,利用相邻帧之间的信息得出当前帧的全局运动参数,并通过运动参数滤波及补偿以去除晃动,得到相对平稳的视频监控图像序列。(2)当监控设备安装在非固定平台,采集的视频图像序列存在抖动或偏移,且监控场景海浪较大,同时伴有光照影响。根据海面区域颜色特性具有均匀性的特点,给出了适用于海天背景下多船舶目标的自适应检测算法。首先将待检测视频图像序列进行稳像和中值滤波预处理,同时采用周围纹理抑制的方法改进Canny算子提取海天背景的主要轮廓,并构建一元线性回归获取海天线并二值化船舶目标在天空区域部分。其次,针对海面以下区域,根据海面背景的颜色特性对其进行自适应K-means聚类,提取海面区域的部分船舶目标。最后,拼接海天线上下两部分检测出的船舶目标即可实现完整目标的检测。实验表明,提出的算法在船舶目标检测上,处理单帧图像用时可控制在45ms,平均检测率为81.1%,平均虚警率为7.3%。该算法适用于监控设备安装在浮标或海事巡航上的船舶目标检测。(3)当监控设备安装在固定平台,监控场景包含船舶尾迹、光照和鱼鳞光的影响。同时,当监控设备发生抖动时导致视频图像发生偏移。对此,提出并实现了基于离散余弦变换(DCT)的海面背景自适应学习速率高斯混合模型船舶目标检测算法。首先,对抖动图像序列稳像预处理,得到稳像后的视频序列。然后,将稳像后的监控图像进行DCT变换实现了天空、海面和固定物标的分割。在海面背景建模上,将学习过程分为背景初始化及参数维护更新阶段,通过动态调整高斯混合模型参数的学习速率,使之与帧数相关,克服了海面背景学习不足和过度的缺陷。通过前景分割实现了船舶目标检测。实验表明,对抖动的监控图像序列稳像预处理后,算法平均检测率为82%,与没有经过稳像相比,检测率提高了 19%;算法虚警率为9%,与没有经过稳像相比,虚警率下降37%。该算法能够实现监控设备抖动下船舶目标的检测,可用在基于港口或码头的海事船舶目标检测。