Проблема столкновений судов остается одной из наиболее острых в сфере безопасности морского судоходства, поскольку подавляющее большинство аварий вызвано человеческим фактором, нарушением международных правил предупреждения столкновений судов в море 1972 г. и неблагоприятными внешними условиями. Развитие концепции морских автономных надводных судов требует создания новых технических решений для автоматического распознавания навигационной обстановки. Целью исследования является повышение безопасности судоходства путем совершенствования методов распознавания навигационных знаков в системах автоматизированного управления движением судов. Данное исследование базируется на анализе современных средств навигации и стандартов Международной ассоциации маячных служб. В данной работе предложен алгоритм обработки видеопотока, включающий детекцию контура объекта, его нормализацию до эталонного размера и расчет коэффициента корреляции с шаблоном знака для верификации распознавания. Разработан и описан алгоритм идентификации навигационных знаков, позволяющий выделять объект на видеопотоке и накладывать на него маску. Ключевой особенностью алгоритма является использование минимальных описывающих контуров и порогового значения корреляции, что минимизирует риск ложных срабатываний. Выходной сигнал системы (1 или 0) однозначно свидетельствует о наличии или отсутствии искомого знака в кадре. Предложенная система, реализованная с помощью инструментов SimInTech, распознает навигационные огни и знаки в различных условиях видимости. Ее применение позволяет снизить влияние человеческого фактора при принятии решений и может быть интегрировано в интеллектуальные системы поддержки судоводителя. Перспективы дальнейшей работы включают расширение базы типов знаков и тестирование алгоритма в сложных навигационных сценариях.
The problem of ship collisions remains one of the most acute in the field of maritime safety, as the vast majority of accidents are caused by both human factors and violations of the International Convention for the Prevention of Collision at Sea – 72 rules as well as unfavorable external conditions. The development autonomous marine vessels concept requires the creation of new technical solutions for automatic recognition of the navigational situation. The focus of the research is to increase the safety of navigation by improving the methods of navigational signals recognition in automated vessel traffic control systems. This study is based on an analysis of modern navigational aids and standards of the International Organization for Marine Aids to Navigation. An algorithm for processing a video stream, including detecting the contour of an object, bringing it to the reference size, and calculating the correlation coefficient with the sign template for recognition verification has been represented in this paper. An algorithm for identifying navigational signals has been developed and described, allowing selecting an object on a video stream and applying a mask to it. The key feature of the algorithm is the use of minimal descriptive contours and a correlation threshold to minimize the risk of false positives. The output signal of the system (1 or 0) clearly indicates the presence or absence of the desired character in the frame. The proposed system, implemented by means of SimInTech aids, recognizes navigational lights and signals in the conditions of different levels of visibility. Its use makes it possible to reduce the influence of the human factor in decision-making and can be integrated into intelligent seafarer’s support systems. The prospects for further work include expanding the database of signal types and testing the algorithm in complex navigational scenarios.
1. Вагущенко Л. Л., Вагущенко А. А. Улучшение поддержки решений по предупреждению столкновений // Судовождение. 2018. № 28. С. 24–34. DOI: 10.31653/2306-5761.27.2018.24-34.
2. Михалев А. С., Меньшенин А. Н., Кузнецов А. С., Кулаков Е. Д. Концептуальное проектирование интеллектуальной системы поддержки принятия решений по обнаружению потенциально опасных объектов в видеопотоке с интроскопа // Современные наукоемкие технологии. 2024. № 1. С. 62–68 URL: https://top-technologies.ru/ru/article/view?id=39909 (дата обращения: 30.03.2026). DOI: https://doi.org/10.17513/snt.39909.
3. Долотов Н. А., Паламарчук Н. А. Международные правила предупреждений столкновений судов в море, 1972 г. М., 1982. 87 с. [Электронный ресурс]. URL: https://docs.yandex.ru/docs/view?tm=1772191805&tld=ru&lang=ru&name (дата обращения: 20.03.2026).
4. Астреин В. В., Филатов В. И. Принципы автоматического мониторинга и контроля движения судна в режиме реального времени // Морские интеллектуальные технологии. 2023. № 1. Ч. 1. С. 158–168. DOI: 10.37220/MIT.2023.59.1.020.
5. Титов А. В., Баракат Л. А. Перспективы технологического развития и внедрения безэкипажных судов // Морские интеллектуальные технологии. 2018. Т. 1. № 3 (41). С. 94–103. URL: https://elibrary.ru/download/elibrary_36360142_12738015.pdf (дата обращения: 05.03.2026).
6. Саранчин А. И., Завьялов В. В. Системы автоматического управления в навигационных приборах: учебное пособие. Владивосток: Морской государственный университет, 2011. 75 с. [Электронный ресурс]. URL: https://docs.yandex.ru/docs/view?tm=1772191988&tld=ru&lang=ru&name (дата обращения: 05.03.2026).
7. Гладков Г. Л., Ребковец А. В. Развитие навигационного оборудования внутренних водных путей // Вестник государственного университета морского и речного флота им. адмирала С. О. Макарова. СПб., 2012. № 1 (13). С. 16–27. URL: https://cyberleninka.ru/article/n/razvitie-navigatsionnogo-oborudovaniya-vnutrennih-vodnyh-putey/viewer (дата обращения: 05.03.2026).
8. ГОСТ 26600-98. Знаки навигационные внутренних судоходных путей. [Электронный ресурс]. URL: https://amurvp.ru/wp-content/uploads/2023/dok/26600-98.pdf (дата обращения: 05.03.2026).
9. Пятакович В. А., Василенко А. М., Пятакович Н. В. Математическая модель распознавания и классификации морского объекта, реализующая аппарат нечетких множеств // Вестник евразийской науки. 2017. Т. 9. № 1 (38). С. 49. URL: http://naukovedenie.ru/PDF/49TVN117.pdf (дата обращения: 13.03.2026).
10. Мокшин В. В., Сайфудинов И. Р., Кирпичников А. П., Шарнин Л. М. Распознавание образов транспортных средств на основе эвристических данных и машинного обучения // Вестник Казанского технологического университета. 2016. Т. 19. № 5. С. 130–137. URL: https://elibrary.ru/download/elibrary_25588584_18704965.pdf (дата обращения: 23.03.2026).
11. Yuan Y., Xiong Z., Wang Q. An Incremental Framework for Video-Based Traffic Sign Detection, Tracking, and Recognition, in IEEE Transactions on Intelligent Transportation Systems. 2017. Vol. 18. Is. 7. Р. 1918–1929. DOI: 10.1109/TITS.2016.2614548.
12. Афонасенко А. В., Елизаров А. И. Обзор методов распознавания структурированных символов // Доклады Томского государственного университета систем управления и радиоэлектроники. 2008. № 2–1. С. 83–88. URL: https://cyberleninka.ru/article/n/obzor-metodov-raspoznavaniya-strukturirovannyh-simvolov (дата обращения: 13.03.2026).
13. Патент № 2848977 Российская Федерация, МПК G06F 17/17 (2006.01). Цифровой сверточный интерполятор: № 2025108505: заявл. 03.04.2025: опубл. 22.10.2025/ Данцевич И. М. // Патент. информ.ру: электрон, справочник патентов России. 11 л. URL: https://www1.fips.ru/ofpstorage/Doc/IZPM/RUNWC1/000/000/002/848/977/%D0%98%D0%97-02848977-00001/document.pdf (дата обращения: 05.03.2026).
14. Ali B., Sadekov R. N., Tsodokova V. V. A Review of Navigation Algorithms for Unmanned Aerial Vehicles Based on Computer Vision Systems // Gyroscopy Navig. 2022. № 13. S. 241–252. DOI: 10.1134/S2075108722040022.
15. Данцевич И. М., Лютикова М. Н. Алгоритм распознавания с локатора препятствий на основе дерева анализа сигналов для универсального многоцелевого буксируемого комплекса // Морские интеллектуальные технологии. 2025. Т. 1 № 1. С. 189–195. DOI: 10.37220/MIT.2025.67.1.024.