[發(fā)明專利]基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法、設(shè)備、存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011581683.6
• 申請(qǐng)日: 2020-12-28
• 公開（公告）號(hào): CN112597926A
• 公開（公告）日: 2021-04-02
• 發(fā)明（設(shè)計(jì)）人: 劉宗是
• 申請(qǐng)（專利權(quán)）人: 廣州辰創(chuàng)科技發(fā)展有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06N3/08
• 代理公司: 廣州市越秀區(qū)哲力專利商標(biāo)事務(wù)所(普通合伙) 44288
• 代理人: 李悅

1.基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法，其特征在于，包括以下步驟：

步驟S1、采集機(jī)場(chǎng)的跑道圖，所述跑道圖包括了指示燈、跑道標(biāo)識(shí)線及飛機(jī)輪胎痕跡，建立多個(gè)正樣本圖像集合；

步驟S2、采集FOD圖像，建立一負(fù)樣本圖像集合；

步驟S3、以所述負(fù)樣本圖像集合與正樣本圖像集合、預(yù)先收集的實(shí)時(shí)跑道圖為輸入，將已標(biāo)記FOD目標(biāo)的跑道圖像作為輸出，對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

步驟S4、采集跑道的實(shí)時(shí)跑道圖，對(duì)每張圖像進(jìn)行疑似目標(biāo)探測(cè)，根據(jù)卷積神經(jīng)網(wǎng)絡(luò)標(biāo)出圖像中FOD目標(biāo)。

2.如權(quán)利要求1所述的基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法，其特征在于，所述步驟S3中對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括以下步驟：

步驟S31、對(duì)所述實(shí)時(shí)跑道圖與正樣本圖像集合、負(fù)樣本圖像集合預(yù)處理；

步驟S32、所述卷積神經(jīng)網(wǎng)絡(luò)包括了圖像處理卷積神經(jīng)網(wǎng)絡(luò)及FOD目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)，將經(jīng)預(yù)處理的正樣本圖像集合與負(fù)樣本圖像集合作為輸入，將黑白二值圖作為輸出，訓(xùn)練圖像處理卷積神經(jīng)網(wǎng)絡(luò)；將所述黑白二值圖作為輸入，將預(yù)先收集的已經(jīng)圈定了FOD目標(biāo)的圖像作為輸出，訓(xùn)練所述FOD目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)；

步驟S33、將所述正樣本圖像集合與負(fù)樣本圖像集合作為輸入，預(yù)先收集的已經(jīng)圈定了FOD目標(biāo)的圖像作為輸出，對(duì)所述圖像處理卷積神經(jīng)網(wǎng)絡(luò)、FOD目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行合并訓(xùn)練。

3.如權(quán)利要求2所述的基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法，其特征在于，所述預(yù)處理包括：步驟S311、所述實(shí)時(shí)跑道圖與正樣本圖像集合、負(fù)樣本圖像集合均為彩色圖像，通過(guò)轉(zhuǎn)換矩陣將彩色圖像的RGB分量轉(zhuǎn)換為亮度-色度的方式表示，計(jì)算所述色度的絕對(duì)值；色度絕對(duì)值大于預(yù)設(shè)值的像素值為1，其余像素值為0，生成黑白二值圖；

步驟S312、將所有圖像中所有白色像素按照鄰域相連法則分成若干集合，計(jì)算每個(gè)集合所有像素均能包括的最小橢圓輪廓，根據(jù)橢圓輪廓參數(shù)判斷所述橢圓輪廓是否符合預(yù)設(shè)條件，若符合，則認(rèn)定該橢圓輪廓圈定一FOD目標(biāo)。

4.如權(quán)利要求3所述的基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法，其特征在于，所述橢圓輪廓參數(shù)為{Ea，Eb，Ex，Ey}；其中Ea、Eb分別表示橢圓的長(zhǎng)軸和短軸長(zhǎng)度，Ex、Ey分別表示橢圓的中心點(diǎn)的坐標(biāo)；所述預(yù)設(shè)條件為短軸長(zhǎng)度大于T1，長(zhǎng)軸與短軸的乘積大于T2，且5≤T1≤20，200≤T2≤1000。

5.如權(quán)利要求4所述的基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法，其特征在于，所述步驟S4中對(duì)每張圖像進(jìn)行疑似目標(biāo)探測(cè)為通過(guò)Canny邊緣檢測(cè)算法生成二進(jìn)制邊緣圖像。

6.如權(quán)利要求4所述的基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法，其特征在于，還包括設(shè)置于所述圖像處理卷積神經(jīng)的循環(huán)神經(jīng)網(wǎng)絡(luò)，所述循環(huán)神經(jīng)網(wǎng)絡(luò)由若干神經(jīng)元組成，用于檢測(cè)輸入的實(shí)時(shí)跑道圖。

7.如權(quán)利要求1所述的基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法，其特征在于，還包括以下步驟：

步驟S5、對(duì)標(biāo)出的跑道表面FOD目標(biāo)根據(jù)位置信息、物理屬性、運(yùn)動(dòng)狀態(tài)，估算嚴(yán)重程度等級(jí)；根據(jù)所述嚴(yán)重程度等級(jí)判斷所述FOD目標(biāo)對(duì)跑道及飛機(jī)的威脅程度，當(dāng)所述威脅程度大于閾值時(shí)，則發(fā)出告警信號(hào)，并記錄所述FOD目標(biāo)的物理屬性與位置信息及告警信號(hào)的時(shí)間。

8.如權(quán)利要求7所述的基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法，其特征在于，所述步驟S5中估算嚴(yán)重程度等級(jí)為將所述FOD目標(biāo)的位置信息、物理屬性、運(yùn)動(dòng)狀態(tài)的數(shù)據(jù)根據(jù)預(yù)設(shè)轉(zhuǎn)換規(guī)則轉(zhuǎn)換成數(shù)值，累加所述數(shù)值；根據(jù)累加數(shù)值大小判斷得出物體的嚴(yán)重程度等級(jí)。

9.一種設(shè)備，其特征在于，其包括處理器、存儲(chǔ)器及存儲(chǔ)于所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1～8任一所述基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法。

10.一種存儲(chǔ)介質(zhì)，其特征在于，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1～8任一所述基于FOD影像對(duì)飛機(jī)目標(biāo)的識(shí)別方法。