一种基于视觉图像的飞机机型识别方法技术

一种基于视觉图像的飞机机型识别方法，包括：使用帧差法提取运动目标边缘得到前景目标掩膜；利用飞机引擎呈正圆形且几乎不反光的特性，提取出引擎的位置和大小；使用霍夫线变换拟合机翼所在的直线，将未超过所述运动目标边缘范围的纵向梯度显著降低处作为翼尖位置；确定机舱左右边缘位置，取两翼尖高度均值做水平直线，将未超过所述运动目标边缘范围的直线与机舱边缘横向梯度波峰处作为机舱的左、右边缘位置；以待识别飞机的引擎半径作为尺度缩放因子，分别计算该待识别飞机的两引擎间距、机翼翼展、机舱宽度与所述引擎半径的比值，与预置的标准机型数据相匹配，取最大匹配值对应的机型作为该待识别飞机的机型。

【技术实现步骤摘要】

本专利技术涉及一种泊位飞机定位及引导技术，特别是一种针对飞机正面图像的基于 视觉图像的飞机机型识别方法。
技术介绍
视觉图像中的特征区提取被广泛用于工业检测、摄像机标定、目标检测等任务中。 对于较复杂的图形，需要基于机器学习的目标检测技术，将决策的决定权交给计算机来完 成，此类技术仍处于实验室阶段，其可靠性无法得到保证。但对一些简单应用，例如对简单 形状、单一颜色的目标检测，已经可以被用于工业化需求中。 简单目标检测方法分为区域检测法和边界检测法两种。区域检测利用待检测目标 的某种颜色或纹理上的特性，将其与背景区分开，通过图形形态学对区域进行筛选，最后利 用区域的形状、大小、空间位置等信息将目标所在区域提取出来。边界检测则关注于颜色有 明显落差的地方，在不同光照条件下具有一定的稳定性，利用目标的某些稳定边界的形状 和相对位置关系确定目标的位置。申请号为"200510016267"，名称为"飞机泊位机型自动 识别与指示系统"的中国专利技术专利所公开的针对泊位飞机的识别方法，其需针对飞机机号 进行识别，并结合位置和速度检测装置的相关数据进行识别与指示，其识别效率和准确率 均存在一定缺陷。
技术实现思路
本专利技术所要解决的技术问题是提供一种针对飞机正面图像的基于视觉图像的飞 机机型识别方法，以快速准确地识别泊位飞机机型。 为了实现上述目的，本专利技术提供了，其中， 包括如下步骤：S1、运动目标提取，使用帧差法提取运动目标边缘得到前景目标掩膜，以建立约束 条件并减少背景带来的影响；S2、飞机引擎提取，利用飞机引擎呈正圆形且几乎不反光的特性，提取出引擎的位 置和大小；S3、飞机翼尖位置检测，使用霍夫线变换拟合机翼所在的直线，将未超过所述运动 目标边缘范围的纵向梯度显著降低处作为翼尖位置；S4、机舱宽度检测，确定机舱左右边缘位置，取两翼尖高度均值做水平直线，将未 超过所述运动目标边缘范围的直线与机舱边缘横向梯度波峰处作为机舱的左、右边缘位 置，机舱宽度为所述左、右边缘之间的距离； S5、飞机机型识别，以待识别飞机的引擎半径作为尺度缩放因子，分别计算该待识 另IJ飞机的两引擎间距、机翼翼展、机舱宽度与所述引擎半径的比值，与预置的标准机型数据 相匹配，取最大匹配值对应的机型作为该待识别飞机的机型。 上述的基于视觉图像的飞机机型识别方法，其中，使用帧差法提取运动目标边缘 包括： S11、采集一系列该待识别飞机的正面图像，计算第t帧图像与第t-1帧图像的绝 对差，计算第t帧图像的标准差，以标准差的1/4作为分割运动目标和噪声的阈值，得到运 动目标的二值图像，计算公式如下： 其中，为第t帧坐标（x，y)处的灰度值，std(I(t))为第t帧图像灰度值的标准 差，Mx,y为运动目标的二值图像。 上述的基于视觉图像的飞机机型识别方法，其中，使用帧差法提取运动目标边缘 还包括：S12、使用闭操作封闭该运动目标的二值图像中的孔洞，使用半径是5的圆形模板 膨胀3次，腐蚀2次得到修正的前景目标掩膜。 上述的基于视觉图像的飞机机型识别方法，其中，飞机引擎提取步骤S2包括：S21、计算该修正的前景目标掩膜覆盖下的视觉图像的灰度直方图累积分布，记录 下累积分布中1 %和99%对应的灰度级，作为图像的最暗/最亮灰度级；S22、使用分隔阈值将图像分割为极黑区域和其他区域，所述分隔阈值为所述极黑 区域在所述前景目标掩膜中所占的比例；S23、使用圆形判定阈值对所述极黑区域进行类圆检测，提取所有所述极黑区域的 所有外层边界，对每一个边界，计算其重心坐标，重心的计算公式为： 枚举当前区域边界的所有像素点edge{X，y}，计算其与重心的距离，并不断更新最 大/最小距离，一旦最大距离除以最小距离超过该圆形判定阈值，则判断该极黑区域为非 圆，进入下一极黑区域的判定；S24、成对引擎检测，对判定的类圆极黑区域进行筛选，假设检测到Μ个类圆区域， 生成一个Μ*Μ的上三角矩阵S，S中的各元素计算公式为：S(i，j) =abs(Wi-W厂*abs(Hi-Hj)*abs(Ri-Rj) T,j= 3* (R.+Rj) 其中l表示第i个极黑区域中心的横坐标，私表示第i个极黑区域中心的纵坐标， 民表示第i个极黑类圆区域的半径，IV,为两引擎的最小间距，S中最小的一个元素的下标i 和j为检测到的成对引擎。 上述的基于视觉图像的飞机机型识别方法，其中，飞机引擎提取步骤S2还包括：S25、重新检测，若步骤S22-S24无法找到引擎，则将分隔阈值和圆形判定阈值分 别扩大一个等级，重复步骤S22-S24进行重新检测。 上述的基于视觉图像的飞机机型识别方法，其中，所述步骤S3包括：S31、计算感兴趣区域内的纵向梯度G，按机型数据库，取引擎上方1. 5个引擎高 度，8个引擎直径的宽度的区域作为感兴趣区域，梯度计算公式为：Gy(x，y) = 2*1(X，y)_I(X，y-l)_I(X，y+1) 其中Gy(x,y)为（x,y)坐标处的纵向梯度，I(x,y)为（x,y)坐标处对应的灰度值；S32、使用点斜式拟合机翼所在直线；S33、由飞机内侧向翼尖方向扫描机翼对应直线经过的梯度，沿途计算经过的总平 均梯度和最近5个像素的平均梯度，若最近5个像素的梯度小于总平均梯度的1/3,则扫描 位置已经超出翼尖位置，并将扫描位置回移5个像素作为当前直线的翼尖位置。 上述的基于视觉图像的飞机机型识别方法，其中，所述步骤S3还包括：S34、夜晚图像中，飞机翼尖处会有信号灯点亮，若扫描点连续经过2个明显的高 亮像素，则该高亮像素所在位置为翼尖位置。 上述的基于视觉图像的飞机机型识别方法，其中，所述步骤S3还包括：S35、飞机一侧的翼尖若被登机桥遮挡，则利用机翼的对称关系，以两引擎中心连 线的中垂线作为对称线，在该飞机被登机桥遮挡的一侧虚拟出一个机翼并计算其相关参 数。 上述的基于视觉图像的飞机机型识别方法，其中，所述步骤S4包括：S41、取两引擎中心，高度为7个引擎半径的区域作为感兴趣区域，计算感兴趣区 域内的水平梯度6 ：(，公式如下：Gx (x,y) = 2*1 (x,y)-I(x-1,y)-I(x+1,y) 其中，Gx(x,y)为（x,y)坐标处的水平梯度，I(x,y)为（x,y)坐标处对应的灰度 值；S42、在步骤S1所述运动目标掩膜内统计Gx(x，y)的直方图，将Gx最大的30%梯 度部分设为1，其余部分置0,形成一幅二值图； 统计所有1像素值连接所成区域的面积，将面积小于50的区域过滤掉； 并对去除掉噪声的二值图进行闭操作以确保机舱的边缘完全合拢；S43、在步骤S3所提取的翼尖平均高度上，由两侧向内扫描像素点，当像素点在所 述运动目标掩膜内且在所述二值图上的像素值为1，停止扫描，以扫描到的两个点作为机舱 的左、右边缘。 上述的基于视觉图像的飞机机型识别方法，其中，所述步骤S5包括：S51、存储所有的目标机型的引擎半径、引擎间距、翼展宽度和机舱宽度信息；S52、使用所述飞机引擎提取、翼尖位置检测及机舱宽度检测的结果，得到引擎的 平均半径和引擎间距、两个机翼翼尖间距和机舱宽度，将所述引擎间距、翼尖间距、机舱宽 度分别除以引擎平均半径，生成三维特征向量F，与步骤51中存储的信息进行比对，比对公本文档来自技高网...

【技术保护点】
一种基于视觉图像的飞机机型识别方法，其特征在于，包括如下步骤：S1、运动目标提取，使用帧差法提取运动目标边缘得到前景目标掩膜，以建立约束条件并减少背景带来的影响；S2、飞机引擎提取，利用飞机引擎呈正圆形且几乎不反光的特性，提取出引擎的位置和大小；S3、飞机翼尖位置检测，使用霍夫线变换拟合机翼所在的直线，将未超过所述运动目标边缘范围的纵向梯度显著降低处作为翼尖位置；S4、机舱宽度检测，确定机舱左右边缘位置，取两翼尖高度均值做水平直线，将未超过所述运动目标边缘范围的直线与机舱边缘横向梯度波峰处作为机舱的左、右边缘位置，机舱宽度为所述左、右边缘之间的距离；S5、飞机机型识别，以待识别飞机的引擎半径作为尺度缩放因子，分别计算该待识别飞机的两引擎间距、机翼翼展、机舱宽度与所述引擎半径的比值，与预置的标准机型数据相匹配，取最大匹配值对应的机型作为该待识别飞机的机型。

【技术特征摘要】

【专利技术属性】
技术研发人员：邓览，程建，李鸿升，王峰，周圣云，马莹，张敬献，
申请(专利权)人：深圳中集天达空港设备有限公司，中国国际海运集装箱集团股份有限公司，
类型：发明
国别省市：广东;44