[发明专利]飞机图像探测及追踪方法

权利要求书

1.一种飞机图像探测方法，其特征在于，包括：

将原始图像输入卷积神经网络，生成卷积特征图，所述卷积特征图包括每个像素的N维特征向量；

采用图像分割方法将所述原始图像分割为不同的区域；

对每个分割出的区域提取该区域的卷积特征图，并进行标准化处理，获取每个区域对应的区域特征图；

检验每个区域的区域特征图，根据判定为飞机的特征图对应的区域，计算并输出飞机所在区域；

采用图像分割方法将所述原始图像分割为不同的区域，具体包括：

计算所述原始图像中相邻子区域的色差；

将位置相邻且色差不超过预设的颜色阈值的子区域合并，合并后的区域颜色为两个子区域按像素数量的加权平均，遍历所有子区域，直至所有相邻子区域的色差均大于预设的颜色阈值，其中，色差为红绿蓝三个通道强度差绝对值的和；

统计每个子区域分布在横、纵坐标上的最值，生成矩形边框，作为当前分割结果，进行输出；

调整预设的颜色阈值，重复比较，直至图像中的区域数量为一，并合并完全相同的输出结果，则获取图像分割的最终结果。

2.根据权利要求1所述飞机图像探测方法，其特征在于，

将原始图像输入卷积神经网络，生成卷积特征图，具体包括：

采用预定参数的卷积核对所述原始图像进行卷积操作，生成卷积图像；

采用预定参数的卷积核对所述卷积图像进行卷积操作，生成所述卷积特征图，所述卷积神经网络包括所述预定参数的卷积核。

3.根据权利要求1所述飞机图像探测方法，其特征在于，

检验每个区域的区域特征图，具体包括：

采用PCA算法，对每个区域的区域特征图进行降维，得到特征向量，每个特征向量中特征值的位置根据该特征值的区分能力强弱确定；

从前往后依次取特征向量中一个特征值，并根据该特征向量的维度的分类阈值进行检验：若检验未通过，则判定该区域无飞机；

若特征向量中所有特征值均通过检验，则判定该区域是飞机。

4.一种飞机图像追踪方法，其特征在于，

获取飞行阶段的经验权重；

根据飞行阶段的经验权重，分别对前一次相邻飞行阶段的探测器的探测结果计算似然概率，所述探测结果中的三维空间位置是根据预先判定为飞机的区域转换的位置；

根据似然概率的计算结果，判断当前飞机所处飞行阶段，并切换相应探测器的工作状态，每个探测器与每个飞行阶段一一对应。

5.根据权利要求4所述飞机图像追踪方法，其特征在于，

根据飞行阶段的经验权重，分别对前一次相邻飞行阶段的探测器的探测结果计算似然概率，具体包括：

根据飞行阶段的经验权重，采用似然概率公式，对前一次S_i阶段的探测器的探测结果进行计算：

b(O_i(α))＝t_{i_i}exp(-|A′-α|)

其中，O_i表示第S_i阶段的探测器的探测结果，α表示探测区域的中心，t_{i_i}表示经验权重中保持第S_i阶段状态的概率，A'表示当前飞机的预判位置；

根据飞行阶段的经验权重，采用似然概率公式，对前一次S_i+1阶段的探测器的探测结果进行计算：

b(O_i+1(α))＝t_{i_i+1}exp(-|A′-α|)

其中，O_i+1表示第S_i+1阶段的探测器的探测结果，α表示探测区域的中心，t_{i_i+1}表示经验权重中从第S_i阶段状态转移为第S_i+1阶段状态的概率，A'表示当前飞机的预判位置；

根据似然概率的计算结果，判断当前飞机所处飞行阶段，具体包括：

确定似然概率最大的测探结果；

将似然概率最大的探测结果所处的阶段，作为当前飞机所处阶段。

6.根据权利要求4或5所述飞机图像追踪方法，其特征在于，

所述获取飞行阶段的经验权重，具体包括：

采集飞机起降过程的样本数据；

对所述样本数据进行统计计算，获取飞行阶段的经验权重。