智慧海岸建设探究与实现

张文彬 高乃江

摘  要：针对沿海城市海岸线管控的实际特点，提出了系统的智慧海岸建设技术实现方式。分析了利用岸基雷达链技术对海上船舶位置的管控方法，卷积神经网络学习技术对人脸、车辆、船舶的识别方法，以及数据ETL技术的数据仓库存储涉海要素信息方法。系统地对智慧海岸建设思路进行了梳理规划，为更好地开展海岸线智能管控工作提供借鉴。

关键词：智慧海岸  岸基雷达链  卷积神经网络  数据仓库

中图分类号：P748                              文献标识码：A                    文章编号：1674-098X（2020）10（a）-0123-03

Abstract： Aiming at the actual characteristics of coastal city coastline management， proposed the systematic realization method of smart coast construction technology. Analyzing the management method of ships position at sea that utilizes shore-based radar chains， recognition method of convolutional neural network learning technology for faces， vehicles and ships， and data ETL technology data warehouse storage method of maritime elements information. The construction idea of the smart coast is systematically sorted out and planned to provide reference for the better implementation of the intelligent control of the coastline.

Key Words： coast; Shore-based radar chain; Convolutional neural networks; Data warehouse

1  研究背景及意義

近年来，随着国内经济发展及收入水平的不断提高，部分周边国家民众将就业眼光转向我国，但因合法入境务工手续繁琐，大量境外人员难以正常入境务工，采取偷渡入境方式非法进入我国。我市大部分企业招工困难，且国内用工成本较高，在本地务工人员无法满足企业用工需求的情况下，个别企业铤而走险，通过非法途径招收“三非”人员进厂务工。

2  关键技术实现

2.1 基于岸基雷达链的船舶监视管理系统。

在重点海岸线管控区域部署岸基雷达与视频监控站点，岸基雷达间隔保持合理距离，保证有效扫描区域部分重合，将各独立岸基雷达通过软件系统联通形成岸基雷达链。岸基雷达全天候对海面的进出港船舶扫描监视，结合激光视频监控技术，将雷达回波信号和视频监控联动处理，并融合船舶识别的AIS信息，提高对近海船舶位置、型号的识别能力和目标跟踪的精确度，全面提升对沿海涉渔、涉海船舶违法行为的情报获取能力和精准打击水平。

2.1.1 自适应固定地物杂波滤除

建立在海岸线上的岸基雷达需要克服陆地回波的干扰，采用杂波滤除技术建立固定地物杂波图，将架设在沿岸的岸基雷达站接收到的无用杂波（海岛、海岸线、灯塔、陆地、山峰）与固定地物杂波图对消，筛除干扰信号后只留下移动的船舶回波信号，以保证对海上移动船舶的高效识别。为保证固定地物杂波的准确性，需要杂波图动态调整的自适应能力，当雷达架设站点周围地物环境发生变化时，固定地物杂波图也能够随着环境的变化而自适应地变化。

2.1.2 多回波数据源融合

多部岸基雷达结合AIS组网联动工作，形成利于船舶管理的岸基雷达链，将同一船舶在2个雷达站覆盖重叠区分别探测，对雷达点迹数据时空配准、误差补偿、点迹合并求精、目标跟踪滤波，生成连续的船舶运行数组数据，定位跟踪雷达辐射范围内的船舶运行轨迹。除了雷达探测信号的相互融合外，还结合船舶识别AIS系统数据，将雷达探测的移动目标与船舶识别AIS系统中的船舶数据库匹配关联，实现雷达探测船舶目标分类的精准识别。

2.1.3 雷达与摄像头云台联动

将雷达探测的信号与高清球机摄像头联动，实现以摄像头为“点”、以雷达探测信号为“面”的雷达光点引导技术。“面”，是指由岸基雷达探测海上回波而获得目标显示的大画面，“点”是指通过高清球机摄像头云台捕捉大画面中的细节，二者通过雷达光点引导摄像头技术达到海上“无盲区、无死角”的全方位不间断监控，摄像头云台可以自动跟踪雷达回波信号中的具体船舶目标。

2.2 基于卷积神经网络的人脸、车辆、船舶识别技术

在海岸线的港湾码头及主要路口卡点，建设具有人脸、车辆识别功能的高清摄像机，可以根据业务需求，加强对走私类、偷渡类等刑事案件的监管力度。通过数据挖掘技术（Data Mining）搭建符合执法需求的卷积神经网络和相关性模型，利用人脸、车辆、船舶识别高清摄像机采集生物体特征，比对公安专用数据库并进一步形成违法犯罪研判模型，以加强海岸线智能化监管水平，降低执法监管成本，提高监管效率。

2.2.1 人脸识别技术

深度学习（Deep Learning）的人脸识别技术，是在不同应用场景下搜集海量人脸数据集，利用数据挖掘技术中的卷积神经网络（CNN）模型自动学习人脸特征，并进一步泛化到其他各类识别场景中。系统前端采用高清摄像机采集实时人脸视频图像，通过专网传输到预处理服务器检测、跟踪、抓拍及质量判断形成一张张的人脸照片，将人脸照片与数据集中的人脸数据库特征提取比对，按照业务要求研判分析，并输出比对结果。

2.2.2 车辆识别技术

深度学习（Deep Learning）的车辆识别技术，是从海量的车辆数据集中，学习车辆外形和车牌特征，基于深层次卷积神经网络（CNN）模型，建立车辆牌号、特征等图像分类，从而实现对车辆类型等精准识别。业务工作中可能会增加昼伏夜出的大货车等特征比对模型，利用计算机算法分析比对车辆型号布，做到违法犯罪的提前预警。

2.2.3 船舶识别技术

在码头出入港卡口位置安装高清摄像机采集进出港船舶视频图像，通过归一、裁剪等操作统一船舶圖像的尺寸大小，再对船舶图像做亮度增强或噪点去除等技术操作使船舶图像清晰度更好、信噪比更高。采用数字图像处理的Gabor滤波变换算法提取船舶图线幅值，提取船舶图像类型识别特征，根据特征向量的数量确定卷积神经网络卷积层，将船舶图像类型作为卷积神经网络算法的期望输出，确定卷积神经网络模型的层次结构。设定卷积神经网络模型参数，如权值、阈值等，通过梯度下降算法对权值、阈值进行调整，使得卷积神经网络模型的输出误差不断下降，船舶图像识别准确度逐步提高，从而建立船舶图像类型的识别分类器。在识别应用场景中，对需要识别的船舶图像信息，通过分类器识别船舶图像的类型，并输出。

2.3 基于移动智能终端的出海船舶、出海渔船民信息报备系统

出海船舶和渔船民报备系统是基于互联网移动智能终端的采集端软件，依托于手机、平板电脑等移动终端实现的数据录入和上报。该软件是在国务院取消海岸管理部门颁发《出海船舶户口簿》和《出海船民证》两项行政许可背景下设计开发的，主要理念是在“放管服”的大环境下，强调管理部门的服务水平，以服务促管理的理念，提高海岸警察部门对出海船舶和出海渔船民管理的有效性。

2.3.1 UI交互设计

UI交互设计，即移动端软件的用户体验，可以简单理解为用户使用产品的感受。由于软件的用户是广大出海生产作业的人民群众，软件的互动感和体验效果是移动端UI交互设计的关键。

2.3.2 优化交互设计的具体策略

保证用户高效使用。避免用户做出错误的操作，根据用户的操作习惯设计界面按钮位置，可以让用户点击一次操作的，绝不点击两次，以提高软件的使用舒适度。如出港船舶在入港时，会在入港报备界面自动回填出港码头名称，避免重复录入。

保证产品页面清晰明了。页面的色彩搭配、框架构型符合渔船民或船舶代理的使用习惯。操作界面上只有出港和入港两项按钮，用户操作时，系统自动关联相关数据，使操作更加简便快捷。同时，考虑到海边环境较差的问题，页面优化了按钮大小和触碰位置。

优化产品设计，注重情感投入。设计工作注入了海岸警察部门对渔船民的关怀，主要设计工作也围绕用户的需求展开。在渔船民信息报备的页面，增加了OCR身份证拍照识别技术，通过拍照提取二代身份证信息，以减少手工录入的繁杂操作。

2.4 基于数据ETL技术的涉海信息采集云平台

涉海信息采集云平台是智慧海岸项目的大脑，负责收集存储涉海各类要素数据（出海船舶、渔船民、渔业公司、修造船企业、港口码头、涉海劳务中介等），平台分为民警采集端和资源接口端。民警采集端的数据来源主要是日常执法执勤业务涉海数据的汇总上报。资源接口端的数据来源广泛对接了第三方开发的涉海应用软件数据，通过专用通道和数据接口程序，将社会平台中的涉海数据汇聚到管理部门搭建的数据仓库，现有接入包含：岸基雷达链船舶监管系统、人脸车辆船舶识别系统、出海船舶渔船民报备系统等数据资源。

2.4.1 ETL的内容

大量不同类型的数据对接到涉海信息采集云平台，需要平台自身拥有先进的数据ETL功能，从而使不同结构的数据源转化为统一格式后流向目标数据库。数据清洗（ETL）包含3个主要过程：数据源抽取（Extract）、数据转换（Transform）和数据装载（Loading）。

2.4.2 ETL过程的特点

数据的ETL过程是数据源的抽取、清洗、转换和装载，形成数据串行或并行的过程，操作流程中对全部数据的处理是批量操作，采用批量装载工具。

元数据。是指描述数据的数据，包括数据源转换前后的数据结构、转换规则，以及ETL形式参数的管理。

转换规则的定义方法。提供包括日期处理函数、字符串处理函数等函数集，采用常用规则方法定义语言的描述规则。

数据的快速索引。采用Hash算法技术，将参照关系表提前装入内存，转换时查找Hash表。

数据流程的控制。将相同数据单元之间存在共同操作的数据表，装载为一个数据ETL单元，通过反复调用相同数据表转换存储，有效节省数据库系统资源，进一步提高了系统的工作效率。

3  应用前景

智慧海岸建设是一项系统性工程，在使用效果上，要突出执法部门具体执法行为与各软硬件平台的相互配合，通过雷达探测系统、人脸车辆船舶识别摄像机，以及服务于广大渔船民群众的出海渔船民报备软件，各自在职责范围内采集海岸线附近的动态数据信息，通过涉海信息采集平台建立数据仓库，分类清洗、转换、存储涉海要素数据信息。智慧海岸建设是对现有港湾码头管理方法的升级，使管理部门借助科技手段，提高港湾码头的管理水平，通过信息协同联动、线上线下共管，加大对沿海“三无”船舶的清剿力度，提高走私、偷越国边境类犯罪案件的打击能力。

智慧海岸建设要多方面创新探索，突出产业融合特点，坚持绿色发展理念，探索投资机制创新，采取政府与企业共建的模式，解决建设资金难题。探索经营管理新机制，秉承执法与管理相分离原则，以实现海岸线的全天候、全覆盖监控管理，确保渔船生产作业安全。

4  结语

目前，智慧海岸建设尚属于技术探索阶段，国内并没有一套可供参考的完整系统，本文作者在研究智慧海岸技防设施建设时，对本地的主要港湾码头开展的大量的走访调研，翻阅了科技类、管理类书籍资料，并与国内个别技术厂商反复推演项目可行性，结合本地区的管理工作经验，提出了以岸基雷达链管海管船、人车识别摄像机管陆地的技防手段，同时利用涉海信息采集云平台系统分类存储船舶、车辆、出海渔船民数据，形成了一套独立的海岸管理工作方法。智慧海岸建设的目标是利用现代科技手段实现船从哪里来、在哪里停，下船几个人、人到哪里去的全域监控监管，本文所涉及的管理方法可能未必是最好的方案，但是可以为后期建设提供经验借鉴。

参考文献

[1] 汪永军，莫红飞，闫冯军，等.一种基于氨基多雷达的船舶监视管理系统[J].舰船电子对抗，2018，41（3）：36-41.

[2] 张旭，谢鉴.基于深度学习的人脸大数据系统应用[J].电子技术与软件工程，2019（3）：161-161.

[3] 乐艺.基于卷积神经网络的舰船图像类型识别[J].船舰科学技术，2019，41（10A）：172-174.

[4] 廉博.数据仓库中 ETL 技术的研究与实现[D].沈阳：沈阳工业大学，2016.

[5] 李焘.基于SAR图像的舰船目标检测方法研究[D].西安：西安电子科技大学，2019.

[6] 李平.船舶轮廓图像三维重构技术研究[J].舰船科学技术，2019，41（20）：19-21.

[7] 林柯霏，史钟颖.青岛西海岸绿色生态与智慧城市专项规划[J].大学生，2020（9）：79.