对称、非对称靶标及基于图像几何学的靶标识别方法与流程

1.本发明涉及一种靶标及其识别方法，具体涉及对称、非对称靶标及基于图像几何学的靶标识别方法，属于光电测量技术领域。


背景技术：

2.在现代科技中，航拍尤其是无人机航拍的应用越来越广泛，在航拍中需要用到靶标及靶标的识别技术。
3.现有技术中靶标识别主要是基于图像特征的方法实现，但实际航拍场景有较多干扰时，传统的sift特征（sift特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关）不明显，识别准确率低，而深度学习算法需要学习大量的数据样本，且对一些陌生的噪声环境可能造成误检和漏检，对样本外的场景的识别泛化性能较差，而且深度算法的计算复杂度较高。所以需要一种基于靶标图像几何学特征提取与识别的针对性算法来实现更高的识别准确率与计算效率。
4.本技术人发现现有技术至少存在以下技术问题：1、现有技术中，传统的sift特征不明显，识别准确率低；2、现有技术中，深度学习算法需要学习大量的数据样本；3、现有技术中，深度学习算法对一些陌生的噪声环境可能造成误检和漏检，对样本外的场景的识别泛化性能较差；4、现有技术中，深度学习算法计算复杂度高，计算效率较低。


技术实现要素：

5.本发明的目的在于提供对称、非对称靶标及基于图像几何学的靶标识别方法，以解决现有技术中传统的sift特征不明显，识别准确率低；深度学习算法需要学习大量的数据样本；深度学习算法对一些陌生的噪声环境可能造成误检和漏检，对样本外的场景的识别泛化性能较差；深度学习算法计算复杂度高，计算效率较低的技术问题。
6.为实现上述目的，本发明提供了以下技术方案：本发明提供的一种对称靶标，包括对称靶标底板和对称靶标识别域，所述对称靶标识别域位于所述对称靶标底板上，所述对称靶标识别域为中心对称十字形，所述对称靶标识别域的角点数量为12个，所述对称靶标识别域任意两条相邻边均互相垂直，所述对称靶标底板的颜色和所述对称靶标识别域的颜色不同，所述对称靶标底板的颜色和所述对称靶标识别域的颜色为黑色或白色。
7.进一步地，所述对称靶标底板的颜色为黑色，所述对称靶标识别域的颜色为白色。
8.本发明提供的一种非对称靶标，包括非对称靶标底板、非对称靶标识别域，所述非对称靶标识别域位于所述非对称靶标底板上，所述非对称靶标识别域最小外接图形为矩形，所述非对称靶标识别域通过如下方法得到:
步骤一，选取矩形识别域，将角块的两个相邻边与所述矩形识别域的相邻边重合，将所述角块的两个相邻边的交点与所述矩形识别域的相邻边的交点重合；步骤二，将边块的一条边与所述矩形识别域的一条边重合，且所述边块位于所述矩形识别域内部；所述角块、边块均为矩形，且所述角块、边块、非对称靶标底板的颜色相同，所述角块、边块、非对称靶标底板的颜色为黑色或白色，所述矩形识别域和非对称靶标识别域颜色相同，所述矩形识别域和非对称靶标识别域颜色为黑色或白色，所述角块、边块、非对称靶标底板的颜色与所述矩形识别域、 非对称靶标识别域颜色不同，所述非对称靶标识别域角点个数为10个，所述非对称靶标识别域任意两条相邻边均互相垂直。
9.进一步地，所述角块、边块、非对称靶标底板的颜色为黑色，所述矩形识别域和非对称靶标识别域颜色为白色。
10.本发明提供的一种基于图像几何学的靶标识别方法，识别上述的对称靶标和非对称靶标，包括如下步骤：s1、输入图像或视频流；s2、对输入的图像或视频流进行二值化分割，得到二值化图像；s3、对所述二值化图像进行连通域检测，得到若干候选连通域区域；s4、计算候选连通域区域的图像几何学特征；s5、在所述候选连通域区域中筛选得到靶标连通域，并计算靶标连通域的形心和角度。
11.进一步地，所述候选靶标连通域区域的颜色为白色。
12.进一步地，所述步骤s4包括如下子步骤：s41、计算所述候选连通域区域的长宽比，若所述长宽比满足接近1：1或在[0.5,2]之间，则进入下一步骤；s42、计算所述候选连通域区域质心坐标r与最小外接矩形的质心r坐标是否基本重合，若是，则进入下一步骤；s43、计算所述候选连通域区域面积与所述候选连通域区域的最小外接矩形面积之比，若所述面积之比为0.6或在[0.6，0.9]之间，则进入下一步骤；s44、计算所述候选连通域区域的角点个数，若所述角点个数为12个或10个，则进入下一步骤；s45、计算所述候选连通域区域的角点的坐标平均值x与所述候选连通域区域的质心x是否基本重合，若是，则进入下一步骤；s46、计算所述候选连通域区域的角点到所述候选连通域区域质心x的距离是否大于所述候选连通域区域面积开平方值的0.3倍，若是，则进入下一步骤；s47、计算所述候选连通域区域找到一个通过所述候选连通域区域质心的最长线段，判断所述最长线段长度与所述候选连通域区域面积开平方值的比值是否大于1.414，若是，则进入下一步骤；s48、判断所述最长线段的两个端点离所述候选连通域区域的角点的距离是否小于所述候选连通域区域的面积开平方值的0.06倍，若是，则进入步骤s5。
[0013]
进一步地，步骤s42中，若所述r与r的像素距离与所述候选连通域区域面积开平方
的值的比值小于0.1，则判断所述r与r基本重合。
[0014]
进一步地，步骤s45中，若所述x与x的像素距离与所述候选连通域区域面积开平方的值的比值小于0.1，则判断所述x与x基本重合。
[0015]
进一步地，步骤s5中，若所述候选靶标连通域区域是否可以找到一个对称轴，使所述候选靶标连通域区域角点关于所述对称轴对称，若是则所述候选靶标连通域区域为对称靶标连通域，否则为非对称靶标连通域。
[0016]
进一步地，步骤s5中判断非对称靶标连通域区域角度的方法为：步骤s47中得到通过所述非对称靶标连通域区域质心的最长线段，通过所述非对称靶标连通域区域质心的最长线段与所述非对称靶标连通域区域的横向中轴线具有一个最小夹角，将通过所述非对称靶标连通域区域质心的最长线段向顺时针和逆时针分别旋转所述最小夹角的角度，得到两条线，分别计算所述两条线与所述非对称靶标连通域区域的两个交点的距离，所述两个交点距离较大那条线为所述非对称靶标连通域区域的方向中轴线。
[0017]
基于上述技术方案，本发明实施例至少可以产生如下技术效果：（1）本发明提供的对称、非对称靶标及基于图像几何学的靶标识别方法，充分发掘了靶标的几何学特征，识别准确率高，对噪声的误识别少，在各种场景下的鲁棒性较高。
[0018]
（2）本发明提供的对称、非对称靶标及基于图像几何学的靶标识别方法，识别算法的计算复杂度低，能实现25hz视频流的实时计算与处理。
附图说明
[0019]
图1是本发明对称靶标实施例的示意图；图2是本发明非对称靶标实施例的示意图；图3是本发明靶标识别方法的流程图。
[0020]
图中：1、对称靶标底板；2、对称靶标识别域；3、非对称靶标底板；4、非对称靶标识别域；5、角块；6、边块。
具体实施方式
[0021]
本发明提供了一种对称、非对称靶标及基于图像几何学的靶标识别方法，现结合附图1对本发明优选实施例进行详细说明。
[0022]
本发明优选实施例提供的一种对称靶标，包括对称靶标底板和对称靶标识别域，所述对称靶标识别域位于所述对称靶标底板上，所述对称靶标识别域为中心对称十字形，所述对称靶标识别域的角点数量为12个，所述对称靶标识别域任意两条相邻边均互相垂直，所述对称靶标底板的颜色和所述对称靶标识别域的颜色不同，所述对称靶标底板的颜色和所述对称靶标识别域的颜色为黑色或白色。
[0023]
优选地，所述对称靶标底板的颜色为黑色，所述对称靶标识别域的颜色为白色。
[0024]
优选地，对称靶标识别域通过将一个白色长方形旋转90
°
得到。
[0025]
本发明优选实施例提供的一种非对称靶标，包括非对称靶标底板、非对称靶标识别域，所述非对称靶标识别域位于所述非对称靶标底板上，所述非对称靶标识别域最小外接图形为矩形，所述非对称靶标识别域通过如下方法得到:步骤一，选取矩形识别域，将角块的两个相邻边与所述矩形识别域的相邻边重合，
将所述角块的两个相邻边的交点与所述矩形识别域的相邻边的交点重合；步骤二，将边块的一条边与所述矩形识别域的一条边重合，且所述边块位于所述矩形识别域内部；所述角块、边块均为矩形，且所述角块、边块、非对称靶标底板的颜色相同，所述角块、边块、非对称靶标底板的颜色为黑色或白色，所述矩形识别域和非对称靶标识别域颜色相同，所述矩形识别域和非对称靶标识别域颜色为黑色或白色，所述角块、边块、非对称靶标底板的颜色与所述矩形识别域、 非对称靶标识别域颜色不同，所述非对称靶标识别域角点个数为10个，所述非对称靶标识别域任意两条相邻边均互相垂直。
[0026]
优选地，所述角块、边块、非对称靶标底板的颜色为黑色，所述矩形识别域和非对称靶标识别域颜色为白色。
[0027]
优选地，在本发明优选实施例中，所述角块与边块分别位于所述矩形识别域横向轴线的两侧。
[0028]
本发明优选实施例提供的一种基于图像几何学的靶标识别方法，识别上述的对称靶标和非对称靶标，包括如下步骤：s1、输入图像或视频流；s2、对输入的图像或视频流进行二值化分割，得到二值化图像；s3、对所述二值化图像进行连通域检测，得到若干候选连通域区域；s4、计算候选连通域区域的图像几何学特征；s5、在所述候选连通域区域中筛选得到靶标连通域，并计算靶标连通域的形心和角度。
[0029]
优选地，所述候选靶标连通域区域的颜色为白色。
[0030]
其中，二值化（英语：thresholding）是图像分割的一种最简单的方法。二值化可以把灰度图像转换成二值图像，把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。本发明优选实施例中，因为靶标的底板为黑色，识别域的颜色为白色，因此便于进行二值化分割，并且减少了外界环境的干扰。在二值化分割后，将靶标的识别域识别出来，得到一系列白色连通域。
[0031]
优选地，所述步骤s4包括如下子步骤：s41、计算所述候选连通域区域的长宽比，若所述长宽比满足接近1：1或在[0.5,2]之间，则进入下一步骤；s42、计算所述候选连通域区域质心坐标r与最小外接矩形的质心r坐标是否基本重合，若是，则进入下一步骤；s43、计算所述候选连通域区域面积与所述候选连通域区域的最小外接矩形面积之比，若所述面积之比为0.6或在[0.6，0.9]之间，则进入下一步骤；s44、计算所述候选连通域区域的角点个数，若所述角点个数为12个或10个，则进入下一步骤；s45、计算所述候选连通域区域的角点的坐标平均值x与所述候选连通域区域的质心x是否基本重合，若是，则进入下一步骤；s46、计算所述候选连通域区域的角点到所述候选连通域区域质心x的距离是否大于所述候选连通域区域面积开平方值的0.3倍，若是，则进入下一步骤；
s47、计算所述候选连通域区域找到一个通过所述候选连通域区域质心的最长线段，判断所述最长线段长度与所述候选连通域区域面积开平方值的比值是否大于1.414，若是，则进入下一步骤；s48、判断所述最长线段的两个端点离所述候选连通域区域的角点的距离是否小于所述候选连通域区域的面积开平方值的0.06倍，若是，则进入步骤s5。
[0032]
步骤s47中，采用这种判断方式的原因是因为候选连通域区域刚好为正方形时比值为1.414，但候选连通域区域为类似长方形时，这个比值会大于1.414。
[0033]
优选地，步骤s42中，若所述r与r的像素距离与所述候选连通域区域面积开平方的值的比值小于0.1，则判断所述r与r基本重合。
[0034]
优选地，步骤s45中，若所述x与x的像素距离与所述候选连通域区域面积开平方的值的比值小于0.1，则判断所述x与x基本重合。在这一步中，采用这种判断标准的原因是，角点分布在候选连通域区域的边界上且离候选连通域区域的质心较远。
[0035]
优选地，步骤s5中，若所述候选靶标连通域区域是否可以找到一个对称轴，使所述候选靶标连通域区域角点关于所述对称轴对称，若是则所述候选靶标连通域区域为对称靶标连通域，否则为非对称靶标连通域。
[0036]
优选地，步骤s5中判断非对称靶标连通域区域角度的方法为：步骤s47中得到通过所述非对称靶标连通域区域质心的最长线段，通过所述非对称靶标连通域区域质心的最长线段与所述非对称靶标连通域区域的横向中轴线具有一个最小夹角，将通过所述非对称靶标连通域区域质心的最长线段向顺时针和逆时针分别旋转所述最小夹角的角度，得到两条线，分别计算所述两条线与所述非对称靶标连通域区域的两个交点的距离，所述两个交点距离较大那条线为所述非对称靶标连通域区域的方向中轴线。
[0037]
本发明优选实施例中，是针对所述的对称靶标和非对称靶标开发的专用的特征描述和识别方法，充分挖掘了对称靶标和非对称靶标的几何学特征，因而识别准确率高，因为计算复杂度较低计算速度快，因此能实现25hz视频流的实时计算与处理。
[0038]
本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。