飞机图像探测及追踪方法技术

本发明专利技术属于目标追踪技术领域，提供了一种飞机图像探测及追踪方法。该方法包括将原始图像输入卷积神经网络，生成卷积特征图，采用图像分割方法将原始图像分割为不同的区域，对每个分割出的区域提取该区域的卷积特征图，并进行标准化处理，获取每个区域对应的区域特征图，检验每个区域的区域特征图，根据判定为飞机的特征图对应的区域，计算并输出飞机所在区域。本发明专利技术飞机图像探测及追踪方法，能够提高飞机起降过程中目标探测与追踪的可靠性和实时性，避免同类目标干扰，提高算法执行效率。

Aircraft image detection and tracking method

The invention belongs to the field of target tracking technology, and provides an aircraft image detection and tracking method. The method includes the original image input convolutional neural network, generating convolution feature map by image segmentation method to divide the original image into different regions, the characteristics of convolution maps of the region each segmented region extraction, and standardization, regional feature maps of each region are obtained corresponding to the inspection area feature map of each region according to the judgment, for corresponding feature map plane area, calculate and output plane area. The method of aircraft image detection and tracking can improve the reliability and real-time performance of target detection and tracking, avoid similar target interference and improve the execution efficiency of the algorithm.

【技术实现步骤摘要】
飞机图像探测及追踪方法
本专利技术涉及目标追踪
，具体涉及一种飞机图像探测及追踪方法。
技术介绍
飞机的降落和起飞是飞行过程中相比事故率最高的两个阶段。对起降过程中的飞机自动进行视频跟踪拍摄，是当前机场安全监视技术发展的一个方向。在现有技术中，多是借助自动控制转台、自动变焦长焦镜头和图像增强技术，与传统的工作方式相比，实时拍摄的视频信号能够更清晰更稳定地观察飞机的状态。这也是自动探测飞行姿态异常、起落架异常等事故隐患的数据基础。自动记录下的整个起降过程视频信息也是事后问题调查的主要参考依据。飞机起降过程自动追踪监视系统运行时，首先对准跑到端头飞机待起飞区域，或者着陆前低空航道区域，开始监视。如果有物体进入监视区域，经判定是飞机目标后，锁定目标，开始追踪拍摄。追踪过程中，根据飞机的位置自动调整转台保持飞机在画面中央，根据飞机的距离自动调整焦距保持飞机成像大小合适。降落过程追踪到飞机离开跑道后结束，起飞过程追踪到飞机离开监视范围后结束。从系统工作方式可以看出，飞机起降追踪和普通的目标追踪问题有很大的区别。首先，整个过程中拍摄设备保持转动，导致视频中的背景在高速运动。其次，由于拍摄过程目标锁定，飞机在画面中心区域无规律运动，成像大小也存在一定程度变化。最后，由于观察角度和距离的持续变化，飞机成像也存在很大的变化。除了这些区别外，飞机起降追踪还面临一些技术挑战，比如飞机在低空区域时背景比较复杂，在跑道区域活动时有其它的飞机目标干扰。这些区别和挑战导致基于Kalman滤波运动追踪、光流追踪等传统方法不适于飞机起降追踪。如何提高飞机起降过程中目标探测与追踪的可靠性和实时性，避免同类目标干扰，是本领域技术人员亟需解决的问题。
技术实现思路
针对现有技术中的缺陷，本专利技术提供了一种飞机图像探测及追踪方法，能够提高飞机起降过程中目标探测与追踪的可靠性和实时性，避免同类目标干扰。第一方面，本专利技术提供一种飞机图像探测方法，该方法包括：将原始图像输入卷积神经网络，生成卷积特征图，卷积特征图包括每个像素的N维特征向量；采用图像分割方法将原始图像分割为不同的区域；对每个分割出的区域提取该区域的卷积特征图，并进行标准化处理，获取每个区域对应的区域特征图；检验每个区域的区域特征图，根据判定为飞机的特征图对应的区域，计算并输出飞机所在区域。进一步地，将原始图像输入卷积神经网络，生成卷积特征图，具体包括：采用预定参数的卷积核对原始图像进行卷积操作，生成卷积图像；采用预定参数的卷积核对卷积图像进行卷积操作，生成卷积特征图，卷积神经网络包括预定参数的卷积核。进一步地，采用图像分割方法将原始图像分割为不同的区域，具体包括：计算原始图像中相邻子区域的色差；将位置相邻且色差不超过预设的颜色阈值的子区域合并，合并后的区域颜色为两个子区域按像素数量的加权平均，遍历所有子区域，直至所有相邻子区域的色差均大于预设的颜色阈值，其中，色差为红绿蓝三个通道强度差绝对值的和；统计每个子区域分布在横、纵坐标上的最值，生成矩形边框，作为当前分割结果，进行输出；调整预设的颜色阈值，重复比较，直至图像中的区域数量为一，并合并完全相同的输出结果，则获取图像分割的最终结果。进一步地，检验每个区域的区域特征图，具体包括：采用PCA算法，对每个区域的区域特征图进行降维，得到特征向量，每个特征向量中特征值的位置根据该特征值的区分能力强弱确定；从前往后依次取特征向量中一个特征值，并根据该维度的分类阈值进行检验：若检验未通过，则判定该区域无飞机；若特征向量中所有特征值均通过检验，则判定该区域是飞机。由上述技术方案可知，本实施例提供的飞机图像探测方法，通过卷积神经网络生成卷积特征图，相对于传统的特征描述方式，使得该方法具有更好的区分能力，排除同类目标干扰，有助于提高目标探测的准确性。同时，该方法采用图像分割方法对原始图像进行分割，相对于传统的滑窗搜索方式，大幅缩短了搜索时间。并且，该方法对每个区域特征图进行检验，进而判断该区域是否存在飞机，有效避免了背景复杂、运动速度、目标变化大等干扰因素对目标探测的影响。因此，本实施例飞机图像探测方法，能够提高飞机起降过程中目标探测的可靠性和实时性，避免同类目标干扰，提高算法执行效率。第二方面，本专利技术提供一种飞机图像追踪方法，该方法包括：获取飞行阶段的经验权重；根据飞行阶段的经验权重，分别对前一次相邻飞行阶段的探测器的探测结果计算似然概率，探测结果中的三维空间位置是根据预先判定为飞机的区域转换的位置；根据似然概率的计算结果，判断当前飞机所处飞行阶段，并切换相应探测器的工作状态，每个探测器与每个飞行阶段一一对应。进一步地，根据飞行阶段的经验权重，分别对前一次相邻飞行阶段的探测器的探测结果计算似然概率，具体包括：根据飞行阶段的经验权重，采用似然概率公式，对前一次Si阶段的探测器的探测结果进行计算：b(Oi(α))＝ti_iexp(-|A'-α|)其中，Oi表示第Si阶段的探测器的探测结果，α表示探测区域的中心，ti_i表示经验权重中保持第Si阶段状态的概率，A'表示当前飞机的预判位置；根据飞行阶段的经验权重，采用似然概率公式，对前一次Si+1阶段的探测器的探测结果进行计算：b(Oi+1(α))＝ti_i+1exp(-|A'-α|)其中，Oi+1表示第Si+1阶段的探测器的探测结果，α表示探测区域的中心，ti_i+1表示经验权重中从第Si阶段状态转移为第Si+1阶段状态的概率，A'表示当前飞机的预判位置；根据似然概率的计算结果，判断当前飞机所处飞行阶段，具体包括：确定似然概率最大的测探结果；将似然概率最大的探测结果所处的阶段，作为当前飞机所处阶段。进一步地，获取飞行阶段的经验权重，具体包括：采集飞机起降过程的样本数据；对样本数据进行统计计算，获取飞行阶段的经验权重。由上述技术方案可知，本实施例提供的飞机图像追踪方法，能够根据预获取的经验权重，计算前一次相邻阶段的探测结果的似然概率，确定飞机所处的飞行阶段，以便于切换当前探测器的工作状态，不使用所有探测器并行工作，尽量只使用一个探测器，提高算法运行效率。因此，本实施例飞机图像追踪方法，能够提高飞机起降过程中目标追踪的可靠性和实时性，提高算法执行效率。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1示出了本专利技术所提供的一种飞机图像探测方法的方法流程图；图2示出了本专利技术所提供的一种飞机图像追踪方法的方法流程图；图3示出了本专利技术所提供的三维空间坐标体系的关系示意图；图4示出了本专利技术所提供的一种飞机所处阶段的状态转移图。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只是作为示例，而不能以此来限制本专利技术的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。第一方面，本专利技术实施例所提供的一种飞机图像探测方法，结合图1，该方法包括：步骤S11，将原始图像输入卷积神经网络，生成卷积特征图，卷积本文档来自技高网...

【技术保护点】
一种飞机图像探测方法，其特征在于，包括：将原始图像输入卷积神经网络，生成卷积特征图，所述卷积特征图包括每个像素的N维特征向量；采用图像分割方法将所述原始图像分割为不同的区域；对每个分割出的区域提取该区域的卷积特征图，并进行标准化处理，获取每个区域对应的区域特征图；检验每个区域的区域特征图，根据判定为飞机的特征图对应的区域，计算并输出飞机所在区域。

【技术特征摘要】
1.一种飞机图像探测方法，其特征在于，包括：将原始图像输入卷积神经网络，生成卷积特征图，所述卷积特征图包括每个像素的N维特征向量；采用图像分割方法将所述原始图像分割为不同的区域；对每个分割出的区域提取该区域的卷积特征图，并进行标准化处理，获取每个区域对应的区域特征图；检验每个区域的区域特征图，根据判定为飞机的特征图对应的区域，计算并输出飞机所在区域。2.根据权利要求1所述飞机图像探测方法，其特征在于，将原始图像输入卷积神经网络，生成卷积特征图，具体包括：采用预定参数的卷积核对所述原始图像进行卷积操作，生成卷积图像；采用预定参数的卷积核对所述卷积图像进行卷积操作，生成所述卷积特征图，所述卷积神经网络包括所述预定参数的卷积核。3.根据权利要求1所述飞机图像探测方法，其特征在于，采用图像分割方法将所述原始图像分割为不同的区域，具体包括：计算所述原始图像中相邻子区域的色差；将位置相邻且色差不超过预设的颜色阈值的子区域合并，合并后的区域颜色为两个子区域按像素数量的加权平均，遍历所有子区域，直至所有相邻子区域的色差均大于预设的颜色阈值，其中，色差为红绿蓝三个通道强度差绝对值的和；统计每个子区域分布在横、纵坐标上的最值，生成矩形边框，作为当前分割结果，进行输出；调整预设的颜色阈值，重复比较，直至图像中的区域数量为一，并合并完全相同的输出结果，则获取图像分割的最终结果。4.根据权利要求1所述飞机图像探测方法，其特征在于，检验每个区域的区域特征图，具体包括：采用PCA算法，对每个区域的区域特征图进行降维，得到特征向量，每个特征向量中特征值的位置根据该特征值的区分能力强弱确定；从前往后依次取特征向量中一个特征值，并根据该维度的分类阈值进行检验：若检验未通过...

【专利技术属性】
技术研发人员：隋运峰，黄忠涛，吴宏刚，程志，赵士瑄，
申请(专利权)人：中国民用航空总局第二研究所，
类型：发明
国别省市：四川,51