一种基于机器视觉的入坞飞机机型识别验证方法和系统的制作方法
【技术领域】
[0001] 本发明涉及一种用于智能飞机泊位引导系统的图像处理和模式识别，特别是一种 用于飞机泊位引导的运动物体检测、特征识别和验证的基于机器视觉的入玛飞机机型识别 验证方法和系统。
【背景技术】
[0002] 飞机泊位引导是指将到港飞机从滑行道末端导引至机坪的停机位置并准确停泊 的过程。飞机泊位引导的目的是保障入玛飞机安全准确停泊，能方便飞机与各种地勤接口 的准确对接，并使登机桥能有效靠接飞机舱口，提高机场运行效率和安全。自动飞机泊位引 导系统按使用传感器的类型不同主要分为：
[0003] (1)地埋感应线圈类
[0004] 地埋感应线圈自动引导系统通过探测是否有金属物体经过或停留来确定入玛飞 机的位置。其优点是响应速度快、成本低，对天气和照度无要求，但误差较大、抗干扰能力 低。同时，埋在地下的引线和电子元件容易被压坏、可靠性较低，测量精度不高，不能识别机 型，可调试可维修性差；
[0005] 似激光扫描测距类
[0006] 激光扫描测距类自动引导系统通过激光测距和激光扫描来确定飞机位置、速度和 机型等信息，不受环境照度的影响、且受天气影响较小，精度较高，可调试可维修性好；
[0007] (3)视觉感知类
[0008] 视觉感知类自动引导系统通过光学成像方式获取飞机入玛过程的图像信息，进而 通过智能化信息处理技术确定入玛飞机的位置、速度和机型等信息，系统架构简单、成本 低，具有高的智能化水平，可调性可维护性较好，但对天气和照度有要求、适应性较差。
[0009] 由于激光扫描测距类和视觉感知类自动引导系统能有效获取入玛飞机的可视化 信息，因此该两类自动飞机泊位引导系统又称为可视化泊位引导系统。
[0010] 随着视觉感知成像技术、智能化信息处理技术和计算机技术的不断深入发展，可 视化飞机泊位引导技术能精确、快速获取入玛飞机的入玛信息，已在机场的泊位引导系统 中得到应用。美国化neywell公司研制的可视化飞机泊位引导系统（VDG巧和德国西口子 公司研制的视频泊位引导系统（VD0CK巧作为国际领先水平的视觉引导设备也在国际上一 些机场得到应用，但送些系统对天气和照度要求较高、适应性较差，且缺乏智能化的信息处 理能力。
【发明内容】
[0011] 本发明所要解决的技术问题是提供一种基于机器视觉的入玛飞机机型识别验证 方法和系统，能有效实现飞机入玛过程的飞机捕获、跟踪与定位及机型识别与身份验证，W 有效提高民航机场自动化、智能化和运营管理的水平。
[0012] 为了实现上述目的，本发明提供了一种基于机器视觉的入玛飞机机型识别验证方 法，其中，包括如下步骤：
[0013] 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，W缩小通过摄 像装置获得的飞机图像的处理区域范围，提高处理效率；
[0014] S2、飞机捕获，在设置好的飞机泊位场景中通过所述摄像装置捕获待停泊飞机的 视频图像；
[0015] S3、飞机识别及身份验证，对步骤S2捕获到的待停泊飞机进行机型及身份验证， W进一步保证所述待停泊飞机安全准确停泊，包括：
[0016] S31、参数验证，提取所述视频图像中的飞机参数并与预置于数据库中的机型数据 进行比对，得到机型相似度参数；
[0017] S32、模板匹配，将所述视频图像与预置于所述数据库中的机型模板进行比对，得 到模板相似度参数；
[0018] S33、综合判断，所述机型数据相似度参数与所述模板相似度参数大于或等于一验 证阔值时，则通过所述待停泊飞机的机型与身份验证；
[0019] S4、飞机跟踪及定位，通过对步骤S3验证后的待停泊飞机的飞机引擎和飞机前轮 的视频图像连续跟踪和实时更新，W实现对所述待停泊飞机实时定位并准确判断所述待停 泊飞机相对于引导线的偏离程度；W及
[0020] S5、信息显示，输出并显示步骤S3对所述待停泊飞机的机型与身份验证的判断结 果，W及步骤S4中所述待停泊飞机实时定位及所述待停泊飞机相对于所述引导线偏离程 度的结果。
[0021] 上述的基于机器视觉的入玛飞机机型识别验证方法，其中，所述参数验证步骤S31 包括：
[0022] S311、提取飞机引擎参数，提取所述视频图像中的飞机引擎参数并与预置于数据 库中对应机型的飞机引擎参数进行比对；
[0023] S312、提取飞机机翼参数，提取所述视频图像中的飞机机翼参数并与预置于数据 库中对应机型的飞机机翼参数进行比对；
[0024] S313、提取飞机机头参数，提取所述视频图像中的飞机机头参数并与预置于数据 库中对应机型的飞机机头参数进行比对；W及
[00巧]S314、提取飞机尾翼参数，提取所述视频图像中的飞机尾翼参数并与预置于数据 库中对应机型的飞机尾翼参数进行比对。
[0026] 上述的基于机器视觉的入玛飞机机型识别验证方法，其中，所述提取飞机引擎参 数步骤S311具体包括：
[0027] S3111、图像极黑区域提取，对所述视频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0的最大灰度值/最小灰度值的比值，使用预设的极黑判 定阔值提取所述视频图像中最黑的部分，得到一幅极黑区域图像；
[0028] S3112、类圆形检测，提取该极黑区域图像的所有外层边界，对每一个边界使用边 界的矩计算边界的重必坐标，边界的第ji阶矩定义如下：
[0029] 二 Σ(.伯..1'批.1.') x，>.
[0030] 重必坐标片，巧：
[0031]
[0032] 对于当前边界的所有像素点，计算其与该重必的距离，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阔值，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必坐标和半径；W及
[0033] S3113、相似度判定，若步骤S3112中检测到了 Μ个类圆形区域，其中第i个类圆形 区域和第j个类圆形区域的相似度的计算为：
[0034] Similarity。= I Hei曲ti-Hei曲tj I * I RadiuSi-RadiiiSj I
[00；3日]其中，Hei曲t为重必高度，Radius为半径，当相似度Similarity^小于预设的相 似度阔值时，则认为区域i和j为待停泊飞机的飞机引擎；
[0036] S3114、参数比对，测量所述飞机引擎的半径并与预置于数据库中对应机型的飞机 引擎参数进行比对，得到飞机引擎可信度系数。
[0037] 上述的基于机器视觉的入玛飞机机型识别验证方法，其中，所述提前飞机机翼参 数步骤S312具体包括：
[0038] S3121、提取飞机边缘像素点，提取所述视频图像的飞机边缘，沿远离所述待停泊 飞机的登机桥一侧的飞机引擎中轴向上枚举像素点，对每个像素点，各画多条斜率倾角为 0-20°的直线，统计每条所述直线所经过的边缘像素点数；
[0039] S3122、确定飞机机翼边缘，取经过所述边缘像素点的点数最多的两条直线作为所 述待停泊飞机的飞机机翼的边缘；
[0040] S3123、确定飞机翼尖，取翼尖周围区域的边缘像素，作为翼尖特征参数记录下 来；
[0041] S3124、参数比对，测量所述飞机机翼的长度并与预置于数据库中对应机型的飞机 翼尖参数进行比对，得到飞机机翼可信度系数。
[0042] 上述的基于机器视觉的入玛飞机机型识别验证方法，其中，所述提取飞机机头参 数步骤S313具体包括：
[0043] S3131、确定飞机机头边界，通过已经确定的所述待停泊飞机的飞机引擎位置，确 定所述待停泊飞机的中轴位置，枚举中轴上的点作为圆必，枚举2至4倍所述待停泊飞机的 飞机引擎半径的长度为半径画圆，取经过边缘像素点最多的圆作为所述待停泊飞机的飞机 机头的边界；
[0044] S3132、确定飞机机头窗，采用深度优先搜索的方法，寻找所述飞机机头的边界的 上半圆中与所述飞机机头边界的边缘不相粘连的最长边缘，为所述飞机机头的机头窗所在 位置；
[0045] S3133、参数比对，测量所述飞机机头的半径并与预置于数据库中对应机型的飞机 机头参数进行比对，得到飞机机头可信度系数。
[0046] 上述的基于机器视觉的入玛飞机机型识别验证方法，其中，所述提取飞机尾翼头 参数步骤S314具体包括：
[0047] S3141、利用深度优先搜索的方法，沿所述飞机机头的边界的上边缘寻找突起的部 分为所述待停泊飞机的飞机尾翼；
[0048] S3142、参数比对，测量所述飞机尾翼的高度并与预置于数据库中对应机型的飞机 尾翼参数进行比对，得到飞机尾翼可信度系数。
[0049] 上述的基于机器视觉的入玛飞机机型识别验证方法，其中，所述机型相似度参数 为所述飞机引擎可信度系数、飞机机翼可信度系数、飞机机头可信度系数及所述飞机尾翼 可信度系数中的最小值与最大值之比。
[0050] 上述的基于机器视觉的入玛飞机机型识别验证方法，其中，所述模板匹配步骤S32 包括：
[0051] S321、全局模板匹配，W整幅所述视频图像为被搜索图像，W所述数据库中的标准 飞机图像为模板，计算全局模板相似度参数；
[0052] S322、局部模板匹配，分别W S311-S314中提