提出了一种基于在线复合事件的商用车辆轨迹的识别系统，通过数据增强模块和逻辑编程实现的复合事件识别模块将车辆轨迹数据与外部信息相结合，实现了商用车辆管理应用程序中的有益活动识别。在真实的大规模商用车辆数据集上进行了有效性验证。

Jul, 2019

本文综述了海上目标检测和跟踪方法，重点介绍了基于电光传感器进行视频处理的各种方法及其优缺点，并研究了困难因素，探讨了多传感器方法和商业海事系统，还对新加坡海事数据集上的许多海事和计算机视觉技术进行性能评估。

Nov, 2016

我们提出了一种基于热视觉的海上监控方法，具备目标跟踪、船只重识别和可疑活动检测的能力，并使用我们创建的热数据集对其进行训练，该数据集将成为热海上监控的首个公开基准数据集。我们的系统能够以 81.8% 的 Top1 得分重新识别船只，以 72.4% 的帧 mAP 得分识别可疑活动，为热领域中的每个任务建立了一个新的基准。

Jun, 2024

利用自动识别系统（Automatic Identification System，AIS）数据和编码器 - 解码器模型，本研究预测了船只轨迹，进而提高船只安全和避免船只与鲸类碰撞，证实了地理数据工程和轨迹预测模型在保护海洋生物物种方面的潜力。

Oct, 2023

提出了一种基于单目视觉的 3D 车辆检测和跟踪的在线框架，并利用 3D 车辆坐标信息和深度匹配对数据进行关联，并设计了一个基于 LSTM 的动作学习模块，以进行更准确的长期运动外推。实验结果表明，该跟踪系统可以提供抗干扰性更强的数据关联和跟踪能力，并且在跟踪 30 米内的行驶车辆方面比基于激光雷达的方法表现更好。

Nov, 2018

本文介绍了一个旨在填补从陆基视觉系统到海基系统的差距的大规模视觉目标检测和跟踪基准（SeaDronesSee），我们从各种高度和视角，提供海拔，视角和其他元数据等相关信息，收集和注释了超过 54,000 帧，包括 400,000 个实例，并在此基础上评估了多个最先进的计算机视觉算法。

May, 2021

通过引入小波变换卷积神经网络方法，利用 Sentinel-1 SAR-C 双极化数据获取了印度西部沿海区域海洋监视和海事监测中的船舶检测，并获得了 95.46% 的检测准确率，进而实现了对海洋船舶的自动监测和外来船只的识别。

Apr, 2023

本文提出了一种新的图形模型，利用基于 Markov 随机场的高效算法，通过对海洋环境的观测，实现了无人驾驶水面船只 (USV) 在单视频流中对航行障碍物的快速连续检测，不需要计算复杂的纹理特征，并在实时运行的同时取得了最好的分割结果。

Mar, 2015

该研究提出了一种深度学习驱动的异常检测系统，结合可解释的机器学习模型，用于识别工业传感器化船舶 TUCANA 中的性能异常，该系统不仅提高了安全性、效率和可持续性，还推动了成本有效和智能化的海上交通运输的新时代。

Dec, 2023

本研究提出了一种新方法，通过整合深度学习、图像处理和几何计算来解决观测车辆定位问题，通过移动传感器或 MV 上搭载的单目摄像头，可以成功地动态地估计车辆的经纬度信息。

Mar, 2022