[發明專利]機場場面目標分割方法及其系統

有效

• 申請號: 202110627376.5
• 申請日: 2021-06-04
• 公開（公告）號: CN113486716B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 張翔;李晶;張健星;湯應祺;田橪;李文靜;張志卓
• 申請（專利權）人: 電子科技大學長三角研究院（衢州）
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/26;G06V10/46;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 何凡

本發明公開了一種機場場面目標分割方法及其系統，所述機場場面目標分割方法包括：S1：對機場場面監控圖像進行多尺度特征提取；S2：根據所述多尺度特征和卷積層，得到位置空間注意力模型圖；S3：對所述空間注意力模型圖進行解碼操作，得到機場場面監控圖像分割結果；S4：將所述機場場面監控圖像分割結果與所述機場場面監控圖像進行對比，得到對比結果；S5：根據所述對比結果進行損失計算，并在所述損失計算結果中挑選出最優結果；S6：根據所述最優結果進行機場場面目標分割。本發明所提供的機場場面目標分割方法及其系統，能夠解決現有的機場場面設計較為緩慢的問題。

技術領域

本發明涉及深度學習技術領域，具體涉及一種機場場面目標分割方法及其系統。

背景技術

在2008年全國民航工作會議上，中國民用航空局提出了民航強國戰略，隨著民用航空業的快速發展，全國頒證運輸機場數量增加到241個，越來越多的人選擇乘坐飛機通行，機場場面活動日益紛雜，容易造成場面安全問題并且影響機場運行效率，所以，機場場面智能化越來越重要，其中重要的一點是機場場面智能化監視，目前，機場場面智能化監視一般采用的是利用雷達或者監視攝像頭模組采集到的圖像進行識別與預警，而如何利用攝像頭模組進行快速和精確的識別與異常行為檢測是目前研究的一個重點，其中進行識別與檢測的一個前提是如何高效的進行機場場面前景分割，但是，目前大部分傳統前景分割方法存在分割不完整、效率不高等問題。

在機場場面目標分割中，面臨著前景分割的常見問題，諸如動態背景、光線的漸變與突變、目標陰影、霧霾雨雪災難性天氣等挑戰性場景，精確的定義前景并且快速準確的提取前景是一件很艱難的任務。常用的傳統前景分割方法是背景減除法，通常做法是建立一個背景模型，利用接下來視頻幀中的信息更新背景模型，然后該模型不斷與接下來視頻幀圖像進行比較，其中與背景模型差異較大的認為是前景，而視頻幀中與背景模型相近的區域被視為背景。總體框架可以通過以下幾個階段來描述：從當前和以前的幀中提取特征、背景模型初始化和維護、前景分割。1)特征提取：灰度、紋理和邊緣是是前景分割算法中常用的底層圖像特征。基于超像素的特征也用于特征提取，特定的空間和時空特征描述符也被用來提高性能。2)背景模型初始化和維護：背景建模技術可以大致分為參數化和非參數化方法。在參數化方法中，通過混合高斯(MOG)和期望最大化(EM)算法等模型對每個位置的統計分布進行建模和更新，基于MOG的改進方法采用可變參數選擇、空間混合高斯和快速初始化。非參數化方法的靈感主要來自基于核密度估計和基于共識的方法。在方法ViBe中，提出了三種顯著的背景模型維護策略:隨機背景樣本替換來代表短期和長期歷史，無記憶更新策略和通過背景樣本傳播的空間擴散策略，這些策略已被最新的最先進的前景分割技術廣泛采用，基于像素的自適應分割方法中引入了決策閾值(用于前景分割)和學習率(用于模型更新)的自適應更新策略。此外，在WeSamBE方法中提出了一種自適應反饋機制來連續監測背景模型保真度和分割熵來更新這些參數。3)前景分割：現有方法中常用的方法是基于閾值的分割，并結合后處理技術進行前景分割。

傳統的前景分割方法在室內環境光線變化波動不大的情形下能夠良好工作，但是當在室外環境下，比如在機場場面的環境下，存在天氣變化或者光照突變，往往分割效果不佳。最近，研究人員也使用深度學習模型進行前景分割，許多方法都利用現成的預先訓練的神經網絡提取特征，并與統計或者手工制作的背景建模技術集成，用于時序特征編碼，這些方法的主要用于減輕為生成Ground Truth而進行像素級注釋的繁瑣任務。他們用從視頻中精心挑選的幀訓練卷積神經網絡模型，然后對所有視頻幀進行分割，以生成像素級的估計。這些方法比較復雜，沒有面向機場典型環境進行設計，速度很慢，很難在機場場面視頻實時監控中發揮作用。