[发明专利]一种机场场面运动目标检测识别方法

说明书

技术领域

本发明涉及数字图像处理技术领域，具体地说，是一种机场运动目标检测识别方法。

背景技术

随着我国民用航空运输业的快速发展，机场的飞机、车辆和人员的数量迅速增加，机场场面的运行环境日趋复杂。有必要引入机场场面监视系统。

传统的机场场面监视方法以场面监视雷达为主，国内大型机场如北京首都机场、上海浦东机场等都有装备场面监视雷达。但是，由于场面监视雷达高昂的安装和维护费用，国内的绝大多数中小机场并未配备场面监视雷达，而是依赖于管制员的目视和人为操作来实现对场面的监视功能，这将大大增加机场场面运行的风险。

随着计算机视觉的发展，近些年来兴起了基于视频技术的机场场面监视技术，这种技术成本低，且与监视雷达方法相比，可覆盖的区域更广，因此更具灵活性。当前对于机场场面动态目标的研究主要集中在对已知类型的目标的跟踪上，而对目标的检测研究并不多。目标检测方法主要可分为两大类：基于手工特征的方法和基于深度学习网络的方法。常见的基于手工特征的目标检测方法包括光流法、帧差法和ViBe等算法，这些方法准确率低，时间成本高，并不适用于机场场面监视。基于深度学习网络的目标检测算法包括R-CNN，Faster R-CNN，SSD(Single Shot MultiBox Detector)等方法，这类方法具有检测准确率高，效率高的特点，但是由于此类网络模型的设计特点，其对于小目标检测的效果并不好，尤其是机场远场小目标检测准确率较低。鉴于机场场面的大部分目标较为固定，出于安全监视的目的，我们对机场场面的动态目标的兴趣远远大于对静态目标的兴趣。

发明内容

有鉴于此，本发明利用倾向流法检测运动目标的运动信息，并设计一个识别深度网络对目标进行识别，实现对包括小目标在内的机场场面动目标的检测识别。本发明将机场动目标分为飞机、汽车和行人三个类别。

本发明的技术方案具体实现如下：

(一)使用倾向流法获取运动目标的区域建议，具体形式为矩形框坐标。运动目标倾向流计算具体步骤如下：

(a)首先求取运动目标的光流矢量对图像上的一个像素点(x，y)，在t时刻的亮度为E(x，y，t)，经过一段时间间隔Δt之后的亮度为E(x+Δx，y+Δy，t+Δt)。当Δt趋近于无穷小的时候，认为该点亮度不变：

E_xu+E_yv+E_t＝0

其中，分别表示像素点沿x，y，

t三个方向的梯度。分别表示光流在x，y方向的速度分量，即光流矢量。选取一个n×n(n＞1)尺寸的邻域窗口，建立邻域像素系统方程来求解光流矢量，从像素1，2，...，i＝n²中可以得到方程组：

上式可写成矩阵的形式：

Ad＝-b

其最小二乘解即光流矢量为：

(b)由光流矢量求取运动像素的脉线Q_i。根据第一步求取得到的光流矢量，设点表示运动目标的某个粒子在时间t，在第i帧中的位置，其初始位置为q点。脉线的定义为：

脉线上每一个粒子的平移为：

脉线等于这些粒子的集合，由下式求取得到：

Q_i＝{x_i(t)，yi(t)，u_i，v_i}

其中，

(c)计算运动目标的倾向流Ω_i。倾向流定义为Q_s＝(u_s、v_s)^T，u_s与v_s分别表示倾向流在两个方向的速度矢量。设集合U＝[u_i]，，认为u_i是相邻三个像素的线性插值：

u_i＝b₁u_s(k₁)+b₂u_s(k₂)+b₃u_s(k₃)其中k_j表示相邻像素的索引号，

b_j表示已知的第j个相邻像素在该域的三角基函数。对于U中的所有的点，使用上式构成一个系统为：

Bu_s＝U