0 % 梯度部分设为1，其余部分置〇,形成一幅二值图；
[0112] 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；
[0113] 并类似于步骤S12,使用5*5的矩形模板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扰；
[0114] 步骤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步骤S42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。机舱宽度即为两点之间的距离。
[0115] 本实施例中，所述步骤S5包括：
[0116] 步骤S51、在信息处理中心内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；
[0117] 步骤S52、分别使用步骤S2、S3及S4中所述飞机引擎检测、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，比对公式为：
[0118]
[0119] 其中，St为机型t与图像中飞机的相似度，匕为从图像上提取到的第i个特征，对 为数据库中机型t的第i个特征，St相似度最大的机型为识别出的机型。
[0120] 本发明在飞机正面图像中检测引擎、机翼、机舱的方法，通过检测出来的参数与数 据库内的飞机机型数据相比对，最终确定图像中的飞机的机型。
[0121]当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟 悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变 形都应属于本发明所附的权利要求的保护范围。
【主权项】
1. 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： 51、 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； 52、 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； 53、 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； 54、 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； 55、 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。2. 如权利要求1所述的基于视觉图像的飞机机型识别方法，其特征在于，使用帧差法 提取运动目标边缘包括： 511、 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-ι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，C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。3. 如权利要求2所述的基于视觉图像的飞机机型识别方法，其特征在于，使用帧差法 提取运动目标边缘还包括： 512、 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R的圆形模板膨胀 Μ次，腐蚀N次得到修正的前景目标掩膜。4. 如权利要求1、2或3所述的基于视觉图像的飞机机型识别方法，其特征在于，飞机引 擎提取步骤S2包括： 521、 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； 522、 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； 523、 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：其中，枚举当前所述极黑区域边界的所有像素点，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； 524、 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 (ffi-ffj-Tij)*abs (Hi-Hj)*abs (Ri-Rj) TlS = 3^(^+?) 其中S(i，j)表示上三角矩阵的第i行，第j列的元素，abs表示去绝对值，Wp Wj表示 第i、j个极黑区域中心的横坐标，私、Η,表示第i、j个极黑区域中心的纵坐标，民、R,表示 第i、j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。5. 如权利要求4所述的基于视觉图像的飞机机型识别方法，其特征在于，飞机引擎提 取步骤S2还包括： 525、 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。6. 如权利要求1、2、3或5所述的基于视觉图像的飞机机型识别方法，其特征在于，所述 步骤S3包括： 531、 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-1) -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； 532、 使用点斜式拟合机翼所在直线； 533、 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。7. 如权利要求6所述的基于视觉图像的飞机机型识别方法，其特征在于，所述步骤S3 还包括： 534、 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。8. 如权利要求6所述的基于视觉图像的飞机机型识别方法，其特征在于，所述步骤S3 还包括： 535、 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。9. 如权利要求1、2、3、5、7或8所述的基于视觉图像的飞机机型识别方法，其特征在于， 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Gx，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； 542、 在步骤51所述运动目标掩膜内统计6：!〇^7)的直方图，将6：!最大的30%梯度部 分设为1，其余部分置〇,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； 543、 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。10.如权利要求9所述的基于视觉图像的飞机机型识别方法，其特征在于，所述步骤S5 包括： 551、 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； 552、 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，比对公式 为：其中，St为机型t与图像中飞机的相似度，匕为从图像上提取到的第i个特征，0为数 据库中机型t的第i个特征，相似度最大的机型为识别出的机型。
【专利摘要】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。
【IPC分类】G06K9/00, G06K9/46
【公开号】CN105335688
【申请号】CN201410377473
【发明人】邓览, 程建, 李鸿升, 王峰, 周圣云, 马莹, 张敬献
【申请人】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
【公开日】2016年2月17日
【申请日】2014年8月1日