摘要: 通常情况下，用于监测内河船舶速度的方法包括自动识别系统(AIS)和雷达等传感器。但一些小型船舶可能故意关闭AIS系统，使海事监管难以有效实施。同时，雷达等传感器的精度可能受到恶劣环境的影响。因此，提出一种基于YOLO和DeepSORT的内河船舶速度检测方法，以更好地确保内河船舶航运的安全。采用深度学习中的YOLOv7和DeepSORT算法来检测和跟踪内河船舶。建立基于视觉图像的实例分割模型，用于将像素坐标映射到世界坐标。利用这一映射关系，将船舶在像素坐标下的运动像素矢量转化为世界坐标系下的位移，并计算出船舶的速度。试验证明：该方法解决了在以无人机为主题的船舶测速的情况下无人机运动过程中的拍摄视角和高度的不确定性，而且试验结果表明对船舶速度的测量平均精度均超过95%,表现出出色的鲁棒性。该方法有望在未来的航运安全监测中发挥重要作用。