图形计算边界的7阶Hu矩特征，与预置的标准前轮模型的Hu矩特 征进行比对（关于1?距特征：几何矩是由Hu(Visualpatternrecognitionbymoment invariants)在1962年提出的，具有平移、旋转和尺度不变性。Hu利用二阶和三阶中心距 构造的7个不变距。故此，7阶Hu距特征的7阶是唯一确定的），当相似度低于一设定阈值 (优选取值为1)时则判定为轮子。这样会到共三个轮子的位置，中间靠下的轮子即为前轮。
[0124] 本发明的用于智能飞机泊位引导系统的飞机捕获方法和系统，通过视觉成像子系 统进行飞机泊位过程的视频图像信息采集，将采集的视频图像传输到中央处理设备进行实 时处理和分析，最后由显示设备显示引导信息。为了实现快速、准确的泊位飞机捕获，获得 一个稳定的目标区域，整个泊位飞机捕获过程都只在场景定义中的泊位飞机捕获区域内进 行，缩小了图片的处理区域范围，提高了处理效率，有利于飞机捕获的快速实现。在泊位飞 机捕获区域内，首先进行变化检测，包括背景消除、阴影消除、区域分类，提取出运动物体区 域，然后再对提取出的运动物体区域进行分类判断是否为泊位飞机，以实现泊位飞机的准 确捕获。
[0125] 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. 一种基于机器视觉的入坞飞机实时捕获方法，其特征在于，包括如下步骤： 51、 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，提商处理效率； 52、 飞机捕获，包括： 521、 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； 522、 阴影消除，统计通过背景消除提取的前景区域中的灰度值，找出最大灰度值gmax 和最小灰度值gmin，然后在灰度值小于T = gmin+(gmax-gmin)*0. 5的区域进行阴影消除； 523、 区域分类，建立一个标准正面飞机区域模板，经过变化检测提取目标区域并求取 该区域的垂直投影曲线，然后求取该垂直投影曲线与所述标准正面飞机区域模板的垂直投 影曲线的相关系数，若该相关系数大于或等于〇. 9,则该目标为飞机； 524、 特征验证，通过检测捕获到的飞机的引擎和前轮来进一步验证该目标是否为飞 机。2. 如权利要求1所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，在步骤 S1之后，还可包括如下步骤： S10、视频图像预处理，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。3. 如权利要求1或2所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，所述 背景消除步骤S21中，所述单高斯背景模型的建立包括如下步骤： 5211、 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 每一个像素的平均灰度值μ。以及像素灰度的方差巧，由μ。和σ,丨组成具有高斯分布 η (X，μ 〇, 〇 0)的初始背景图像β0,馬= [/%，:〇!]然后为每帧图像的每个像素点建立高斯模型η Ub μ d J; 其中，i为帧序号，Xi为像素点的当前像素值，μ i为当前像素点高斯模型的均值，Ο i为 当前像素点高斯模型的均方差；若η (Xi，μ i，。i) < Τρ,Τρ为概率阈值，则判定该点为前景 点，否则为背景点； 5212、 背景模型的更新 若场景发生变化，则对背景模型进行更新，利用摄像装置拍摄的连续图像提供的实时 信息对背景模型进行更新，如下式：其中ct为更新率，取值在0~1之间。4. 如权利要求3所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，若该像 素为背景，则α取〇.〇5,若该像素为前景，则α取0.0025。5. 如权利要求1、2或4所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，所 述特征验证步骤S24包括： 5241、 图像极黑区域提取，对图像进行灰度直方图统计，在灰度级中间1%~99%范围 内获得像素数不为〇的最大灰度值/最小灰度值的比值，使用预设的极黑判定阈值提取图 像中最黑的部分，得到一幅极黑区域； 5242、 类圆形检测，提取该极黑区域的所有外层边界，对每一个边界使用边界的矩计算 边界的重心坐标，边界的第ji阶矩定义如下：重心坐标··对于当前边界的所有像素点，计算其与该重心的距离，若计算得到的最大距离与最小 距离的比值大于一圆形判定阈值，则认为该区域非圆形，进行下一区域的判定，记录判定的 类圆形区域的重心坐标和半径； 5243、 在类圆区域中通过判断相似度检测飞机引擎； 5244、 检测飞机前轮，确认该飞机引擎和前轮则捕获成功。6. 如权利要求5所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，在类圆 区域中检测飞机引擎步骤S243中，假设一共检测到了 Μ个类圆形区域，其中第i个和第j 个的相似度的计算为：其中，Height为重心高度，Radius为半径，当相似度Similarity^小于预设的相似度 阈值时，则认为区域i和j为飞机引擎。7. 如权利要求6所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，在步骤 S243中，若没有检测出飞机引擎，则进行迭代检测，将所述极黑判定阈值、圆形判定阈值、相 似度阈值分别增大，再进行步骤S241-243 ;若仍然没有检测出飞机引擎，则对所有的极黑 区域使用7*7的圆形模板进行开操作，再进行步骤S242-243 ; 若仍然没有检测出飞机引擎，则再进行2次上述迭代检测； 若仍然没有检测出飞机引擎，则判定图像中无引擎存在。8. 如权利要求7所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，所述极 黑判定阈值、圆形判定阈值和所述相似度阈值的增加量分别为〇. 05、0. 5、20。9. 如权利要求5所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，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：其中hist256 (i)为256级灰度的灰度直方图中，灰度为i的像素总数； 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； 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。10. -种用于上述权利要求1-9任意一项所述的基于机器视觉的入坞飞机实时捕获方 法的入坞飞机实时捕获系统。
【专利摘要】一种基于机器视觉的入坞飞机实时捕获方法及系统，该方法包括将监测场景划分为不同的信息处理功能区，以提高处理效率；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；统计通过背景消除提取的前景区域中的灰度值进行阴影消除；建立标准正面飞机区域模板，检测提取目标区域并求取该区域的垂直投影曲线，然后求取该垂直投影曲线与所述标准正面飞机区域模板的垂直投影曲线的相关系数判定是否为飞机，通过检测捕获到的飞机的引擎和前轮来进一步验证。本发明还提供了对应实现上述方法的入坞飞机实时捕获系统。
【IPC分类】G06T7/20
【公开号】CN105335985
【申请号】CN201410377269
【发明人】邓览, 程建, 王帅, 李鸿升, 习友宝, 王海彬, 王龙
【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