[發明專利]飛機圖像探測及追蹤方法

有效

• 申請號: 201710724698.5
• 申請日: 2017-08-22
• 公開（公告）號: CN107507198B
• 公開（公告）日: 2019-11-19
• 發明（設計）人: 隋運峰;黃忠濤;吳宏剛;程志;趙士瑄
• 申請（專利權）人: 中國民用航空總局第二研究所
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06N3/04
• 代理公司: 11514 北京酷愛智慧知識產權代理有限公司
• 代理人: 安娜<國際申請>=<國際公布>=<進入國

1.一種飛機圖像探測方法，其特征在于，包括：

將原始圖像輸入卷積神經網絡，生成卷積特征圖，所述卷積特征圖包括每個像素的N維特征向量；

采用圖像分割方法將所述原始圖像分割為不同的區域；

對每個分割出的區域提取該區域的卷積特征圖，并進行標準化處理，獲取每個區域對應的區域特征圖；

檢驗每個區域的區域特征圖，根據判定為飛機的特征圖對應的區域，計算并輸出飛機所在區域；

采用圖像分割方法將所述原始圖像分割為不同的區域，具體包括：

計算所述原始圖像中相鄰子區域的色差；

將位置相鄰且色差不超過預設的顏色閾值的子區域合并，合并后的區域顏色為兩個子區域按像素數量的加權平均，遍歷所有子區域，直至所有相鄰子區域的色差均大于預設的顏色閾值，其中，色差為紅綠藍三個通道強度差絕對值的和；

統計每個子區域分布在橫、縱坐標上的最值，生成矩形邊框，作為當前分割結果，進行輸出；

調整預設的顏色閾值，重復比較，直至圖像中的區域數量為一，并合并完全相同的輸出結果，則獲取圖像分割的最終結果。

2.根據權利要求1所述飛機圖像探測方法，其特征在于，

將原始圖像輸入卷積神經網絡，生成卷積特征圖，具體包括：

采用預定參數的卷積核對所述原始圖像進行卷積操作，生成卷積圖像；

采用預定參數的卷積核對所述卷積圖像進行卷積操作，生成所述卷積特征圖，所述卷積神經網絡包括所述預定參數的卷積核。

3.根據權利要求1所述飛機圖像探測方法，其特征在于，

檢驗每個區域的區域特征圖，具體包括：

采用PCA算法，對每個區域的區域特征圖進行降維，得到特征向量，每個特征向量中特征值的位置根據該特征值的區分能力強弱確定；

從前往后依次取特征向量中一個特征值，并根據該特征向量的維度的分類閾值進行檢驗：若檢驗未通過，則判定該區域無飛機；

若特征向量中所有特征值均通過檢驗，則判定該區域是飛機。

4.一種飛機圖像追蹤方法，其特征在于，

獲取飛行階段的經驗權重；

根據飛行階段的經驗權重，分別對前一次相鄰飛行階段的探測器的探測結果計算似然概率，所述探測結果中的三維空間位置是根據預先判定為飛機的區域轉換的位置；

根據似然概率的計算結果，判斷當前飛機所處飛行階段，并切換相應探測器的工作狀態，每個探測器與每個飛行階段一一對應。

5.根據權利要求4所述飛機圖像追蹤方法，其特征在于，

根據飛行階段的經驗權重，分別對前一次相鄰飛行階段的探測器的探測結果計算似然概率，具體包括：

根據飛行階段的經驗權重，采用似然概率公式，對前一次S_i階段的探測器的探測結果進行計算：

b(O_i(α))＝t_{i_i}exp(-|A′-α|)

其中，O_i表示第S_i階段的探測器的探測結果，α表示探測區域的中心，t_{i_i}表示經驗權重中保持第S_i階段狀態的概率，A'表示當前飛機的預判位置；

根據飛行階段的經驗權重，采用似然概率公式，對前一次S_i+1階段的探測器的探測結果進行計算：

b(O_i+1(α))＝t_{i_i+1}exp(-|A′-α|)

其中，O_i+1表示第S_i+1階段的探測器的探測結果，α表示探測區域的中心，t_{i_i+1}表示經驗權重中從第S_i階段狀態轉移為第S_i+1階段狀態的概率，A'表示當前飛機的預判位置；

根據似然概率的計算結果，判斷當前飛機所處飛行階段，具體包括：

確定似然概率最大的測探結果；

將似然概率最大的探測結果所處的階段，作為當前飛機所處階段。

6.根據權利要求4或5所述飛機圖像追蹤方法，其特征在于，

所述獲取飛行階段的經驗權重，具體包括：

采集飛機起降過程的樣本數據；

對所述樣本數據進行統計計算，獲取飛行階段的經驗權重。