形判 定阈值、相似度阈值的增加量分别为0. 05、0. 5、20。
[0041] 上述的基于机器视觉的入坞飞机实时捕获方法，其中，步骤S244中，将检测到的 飞机引擎中间及高度为4个引擎半径的区域作为飞机前轮的搜索区域，在搜索区域中，将 256级的灰度级量化至64级，搜索量化为64级的灰度直方图中的第一个波峰和波谷，原始 256级灰度的灰度直方图中的最优波峰位置BestPeak、最优波谷BestValley位置定义如 下：
[0042]
[0043]
[0044] 其中hist256⑴为256级灰度的灰度直方图中，灰度为i的像素总数；
[0045]以此最优波谷BestValley对灰度进行分割，对小于最优波谷BestValley的部分， 除去面积较小的杂点，使用一个扁平椭圆型结构元素对图像进行闭操作；
[0046] 接着对所有图形计算边界的7阶矩特征，与预置的标准前轮模型的矩特征进行 比对，当相似度低于一设定阈值时则判定中间一个为前轮。
[0047] 为了更好地实现上述目的，本发明还提供了一种用于上述的基于机器视觉的入坞 飞机实时捕获方法的入玛飞机实施捕获系统。
[0048]本发明的技术效果在于：
[0049] 本发明具有有效的智能化视觉信息处理能力，能有效实现飞机入坞过程的飞机捕 获、跟踪与定位、机型识别与身份验证等功能，而且具有智能化的站坪可视化监控功能，能 有效提高民航机场自动化、智能化和运营管理的水平。
[0050] 以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。
【附图说明】
[0051] 图1为本发明一实施例的入坞飞机实时捕获系统示意图；
[0052] 图2为本发明一实施例的入坞飞机实时捕获工作示意图；
[0053] 图3为本发明一实施例的入坞飞机实时捕获方法流程图；
[0054] 图4为本发明一实施例的场景定义示意图；
[0055] 图5为本发明一实施例的背景消除流程图；
[0056] 图6为本发明一实施例的飞机正面垂直投影曲线；
[0057] 图7为本发明一实施例的典型的极黑区域示意图；
[0058] 图8为本发明一实施例的相似度判定的流程图；
[0059] 图9为本发明一实施例的256级灰度的灰度直方图（横坐标：灰度级；纵坐标：该 灰度级下点的个数）；
[0060] 图10为本发明一实施例的64级灰度的灰度直方图（横坐标：灰度级；纵坐标：该 灰度级下点的个数）；
[0061] 图11为本发明一实施例的闭操作的效果示例图。
[0062] 其中，附图标记
[0063]1 摄像装置
[0064] 2 中央处理设备
[0065] 3 显示设备
[0066] 4 飞机泊位站坪
[0067] 41停止线
[0068] 42引导线
[0069] 5 飞机
[0070] 6 捕获区
[0071] 7 跟踪定位区
[0072] 8 地勤设备区
[0073] 9标记点
[0074] 91第一标记点
[0075] 10第一个波峰
[0076] 11第一个波谷
[0077]S1-S24 步骤
【具体实施方式】
[0078] 下面结合附图对本发明的结构原理和工作原理作具体的描述：
[0079] 参见图1及图2,图1为本发明一实施例的入坞飞机实时捕获系统示意图，图2为 本发明一实施例的入坞飞机实时捕获工作示意图。本发明的基于机器视觉的入坞飞机跟踪 定位系统，主要由摄像装置1、中央处理设备2和显示设备3组成。摄像装置1与中央处理 设备2连接，中央处理设备2与显示设备3连接，摄像装置1将拍摄的图像发送给中央处 理设备2,中央处理设备2将包含引导信息的显示内容发送给显示设备3。其中，摄像装置 1安装在飞机泊位站坪4的停止线41后方，正对引导线42为宜，安装高度要高于飞机5的 机身，在8m左右为宜。中央处理设备2可以是一台拥有接受数据、处理数据、储存数据、生 成显示图像数据、发送数据能力的计算机，包括用于执行飞机泊位场景配置、视频图像预处 理、飞机捕获、飞机跟踪、飞机定位、飞机识别及身份验证的多个功能模块，以及生成用于信 息显示内容的模块，全部作为软件安装在中央处理设备2中。显示设备3优选为安装于机 场中可供飞机驾驶员观看的大型信息显示屏，另外，机场工作人员也可配备手持式显示设 备以观察飞机情况。
[0080] 参见图3,图3为本发明一实施例的入坞飞机实时捕获方法流程图。本发明的基于 机器视觉的入坞飞机实时捕获方法，包括如下步骤：
[0081] 步骤S1、飞机泊位场景设置，将监测场景划分为不同的信息处理功能区，以缩小图 片的处理区域范围，提高处理效率；
[0082]首先需要在实际场景中进行场景定义，在计算机上将监测场景划分成不同的信息 处理功能区，缩小图片的处理区域范围，提高处理效率；另外标注引导线、停止线等信息， 与飞机定位关系紧密。首先需要在实际场景中，紧邻引导线铺设一条黑白间隔的标尺，黑 色与白色的长度间隔形同，长度间隔最大lm，可根据摄像装置的分辨率，使用长度间隔为 0. 5m、0. 25m等更精细的标尺，标尺的总长度不超过对飞机位置进行距离解算的范围，通常 为50m，其他工作通过预先编写的软件执行，软件打开并显示摄像装置拍摄的画面，并通过 手动绘制线条、选框和点，来标记相关区域，并保存记录。
[0083] 拍摄没有飞机时的飞机泊位场景图像并显示，场景定义示意图见图4,图4为本发 明一实施例的场景定义示意图。图框中表示进行标定操作时所显示的画面和可用于描绘的 区域，图中虚线线框可以是手动描绘的位置，可以在显示的图像上手动绘制线条，分别标记 出引导线42和停止线41，保存记录引导线42和停止线41在图像中的位置信息；再手动绘 制选框，分别标记出捕获区6、跟踪定位区7和相关地勤设备区8,保存记录捕获区6和跟踪 定位区7在图像中的位置信息；再根据场景中铺设的标尺，手动画点，标记出紧邻引导线旁 边的最大间隔为lm的所有标记点9,保存记录所有标记点9在图像中的位置信息，以及每个 标记点9在实际场景中距离第一标记点91的距离。其中，标记引导线42、停止线41和标 记点9的时候，可将需要标记的图像部分放大，放大到数十像素宽时，手动在其中间部分标 记，以提高标记精度。标记的捕获区6和跟踪定位区7的位置不需要非常严格，捕获区6上 边缘在实际场景中的位置距离停止线41大约100m，捕获区6下边缘在实际场景中的位置距 离停止线41大约50m，跟踪定位区7上边缘在实际场景中的位置距离停止线41大约50m， 跟踪定位区7下边缘在停止线41以下即可。
[0084] 在步骤S1之后，还可包括视频图像预处理步骤S10,对图像进行亮度校正和去噪 处理，以改善图像的视觉效果，提高图像的清晰度。即利用常用的图像处理方法，包括亮度 校正、去噪等，改善图像的视觉效果，提高图像成分的清晰度或者使图像变得更有利于计算 机处理。
[0085] 步骤S2、飞机捕获，包括：
[0086] 步骤S21、背景消除，基于中值滤波的背景模型、混合高斯背景模型或基于核密度 概率估计的背景模型来模拟场景中背景的动态分布并进行背景建模，然后将当前帧与背景 模型作差分以消除背景；
[0087] 参见图5,图5为本发明一实施例的背景消除流程图。其中，所述单高斯背景模型 的建立是利用单高斯背景模型来模拟场景中背景的动态分布并进行背景建模，然后将当前 帧与背景模型作差分以消除背景，在没有飞机的场景，也就是需要的背景中，通过相机连续 采集N帧，然后利用这N帧背景图像对背景模型进行训练，以确定高斯分布的均值和方差。 包括如下步骤：
[0088] 步骤S211、背景模型的建立，初始化背景图像，计算一段时间内视频序列图像 f(X，y)中每一个像素