[发明专利]飞机图像探测及追踪方法

说明书

本发明属于目标追踪技术领域，提供了一种飞机图像探测及追踪方法。该方法包括将原始图像输入卷积神经网络，生成卷积特征图，采用图像分割方法将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。本发明飞机图像探测及追踪方法，能够提高飞机起降过程中目标探测与追踪的可靠性和实时性，避免同类目标干扰，提高算法执行效率。

技术领域

本发明涉及目标追踪技术领域，具体涉及一种飞机图像探测及追踪方法。

背景技术

飞机的降落和起飞是飞行过程中相比事故率最高的两个阶段。对起降过程中的飞机自动进行视频跟踪拍摄，是当前机场安全监视技术发展的一个方向。

在现有技术中，多是借助自动控制转台、自动变焦长焦镜头和图像增强技术，与传统的工作方式相比，实时拍摄的视频信号能够更清晰更稳定地观察飞机的状态。这也是自动探测飞行姿态异常、起落架异常等事故隐患的数据基础。自动记录下的整个起降过程视频信息也是事后问题调查的主要参考依据。

飞机起降过程自动追踪监视系统运行时，首先对准跑到端头飞机待起飞区域，或者着陆前低空航道区域，开始监视。如果有物体进入监视区域，经判定是飞机目标后，锁定目标，开始追踪拍摄。追踪过程中，根据飞机的位置自动调整转台保持飞机在画面中央，根据飞机的距离自动调整焦距保持飞机成像大小合适。降落过程追踪到飞机离开跑道后结束，起飞过程追踪到飞机离开监视范围后结束。

从系统工作方式可以看出，飞机起降追踪和普通的目标追踪问题有很大的区别。首先，整个过程中拍摄设备保持转动，导致视频中的背景在高速运动。其次，由于拍摄过程目标锁定，飞机在画面中心区域无规律运动，成像大小也存在一定程度变化。最后，由于观察角度和距离的持续变化，飞机成像也存在很大的变化。除了这些区别外，飞机起降追踪还面临一些技术挑战，比如飞机在低空区域时背景比较复杂，在跑道区域活动时有其它的飞机目标干扰。这些区别和挑战导致基于Kalman滤波运动追踪、光流追踪等传统方法不适于飞机起降追踪。

如何提高飞机起降过程中目标探测与追踪的可靠性和实时性，避免同类目标干扰，是本领域技术人员亟需解决的问题。

发明内容

针对现有技术中的缺陷，本发明提供了一种飞机图像探测及追踪方法，能够提高飞机起降过程中目标探测与追踪的可靠性和实时性，避免同类目标干扰。

第一方面，本发明提供一种飞机图像探测方法，该方法包括：

将原始图像输入卷积神经网络，生成卷积特征图，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。

进一步地，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卷积图像进行卷积操作，生成卷积特征图，卷积神经网络包括预定参数的卷积核。

进一步地，采用图像分割方法将原始图像分割为不同的区域，具体包括：

计算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；