随着计算机视觉的快速发展,目标检测作为研究热点,在视频智能监控领域有着极为广泛的应用前景。例如交通安全领域中,对交通工具的准确检测是实现视频智能化监控水平的关键,其中水运交通中的渡船目标检测,是实现内河通航水域智能化视频监控的关键因素。因此基于运动渡船的检测研究,具有极为重要的意义。实际的渡船检测过程,船只的形状与尺度会不断发生变化,所处的动态背景环境也比较复杂,而现有的渡船检测方法受准确率或速度的限制,大多达不到实际检测的要求,无法实现真正意义上的智能化视频监控水平。因此,本文给出了一种渡船精准检测的有效方法,主要工作如下:(1)提出了一种基于线性回归的渡船精准定位方法。首先应用聚合通道特征(Aggregate Channel Features,ACF)的方法对渡船进行初定位,得到渡船目标的检测框,然后对所求解的预处理检测框与真实框(groundtruth)之间的位置偏置进行回归训练,得到优化后的模型,利用该模型进一步调整渡船检测框的位置,实现精确定位;(2)提出采用减少渡船错漏检问题的序列NMS重打分算法。实际的渡船检测过程中,所获得的渡船视频相邻帧图像之间存在极大的相似性。因此提出,充分利用其渡船视频前后帧图像之间的关联信息,采用序列NMS重打分的方式,通过对渡船目标置信度分数的调整来减少错漏检问题,从而提高渡船检测的准确率。(3)采用渡船数据集对几种渡船检测方法进行了对比分析。实验结果表明,相比传统的ACF方法,综合线性回归与序列NMS重打分的渡船检测方法在仅损失每秒6帧情况下,准确率却提高了8个百分点;对比卷积神经网络的20FPS,本文给出的线性回归达到了32FPS的速度,但平均准确率(Mean Average Precision,mAP)仅仅比卷积神经网络的83.7少了 3个百分点。因此,本文方法的既能确保渡船检测的实时性,由能有效提高检测的准确率。