繁忙海港水域船舶精细识别与多目标跟踪研究

繁忙海港水域船舶精细识别与多目标跟踪研究摘要繁忙海港水域的船舶智能感知是智慧港口与海上交通管理的关键技术。然而，海港场景特有的复杂背景干扰、船舶密集遮挡、相机运动抖动以及小目标检测困难等问题，给船舶的精细化识别与稳定跟踪带来了严峻挑战。本文针对上述问题，构建了一套融合改进YOLOv11检测器与BoTSORT跟踪框架的船舶多目标跟踪方法。首先，在检测层面引入P2小目标检测层与DySample动态上采样模块，提升对远距离小目标的感知能力；其次，在跟踪层面采用级联匹配与相机运动补偿策略，有效应对船舶遮挡导致的身份切换问题。在公开海港数据集上的实验结果表明，本文方法在MOTA和IDF1指标上均优于现有主流方法。本文同时提供了完整的代码实现与工程部署方案，为智能海事监控系统建设提供了理论支撑与技术参考。关键词：船舶识别；多目标跟踪；YOLOv11；BoTSORT；海港监控；遮挡处理一、引言1.1 研究背景与意义全球贸易约90%的货运量通过海上运输完成，港口作为海运网络的枢纽节点，其运行效率与安全水平直接影响国际贸易链条的畅通。据统计，2025年全球前十大港口年吞吐量已突破2亿标准箱，航道内船舶密度持续攀升。在如此高密度的交通流下，传统的船舶监控手段——依赖岸基雷达、AIS系统与人工瞭望——逐渐暴露出诸多短板：雷达存在盲区且难以识别船舶类型，AIS信号可被人为关闭或出错，而人工监控则受限于注意力疲劳与多任务处理能力。近年来，基于计算机视觉的智能感知技术为海事监控提供了