[发明专利]一种基于机器视觉的入坞飞机实时捕获方法及系统

权利要求书

1.一种基于机器视觉的入坞飞机实时捕获方法，其特征在于，包括如下步骤：

S1、飞机泊位场景设置，将监测场景划分为不同的信息处理功能区，以缩小图像的处理区域范围，提高处理效率；

S2、飞机捕获，包括：

S21、背景消除，基于中值滤波的背景模型、混合高斯背景模型或基于核密度概率估计的背景模型来模拟场景中背景的动态分布并进行背景建模，然后将当前帧与背景模型作差分以消除背景；

S22、阴影消除，统计通过背景消除提取的前景区域中的灰度值，找出最大灰度值gmax和最小灰度值gmin，然后在灰度值小于T＝gmin+(gmax-gmin)*0.5的区域进行阴影消除；

S23、区域分类，建立一个标准正面飞机区域模板，经过变化检测在前景区域中提取目标区域并求取该区域的垂直投影曲线，然后求取该垂直投影曲线与所述标准正面飞机区域模板的垂直投影曲线的相关系数，若该相关系数大于或等于0.9，则该目标为飞机；

S24、特征验证，通过检测捕获到的飞机的引擎和前轮来进一步验证该目标是否为飞机；

其中，步骤S24包括：

S241、图像极黑区域提取；

S242、类圆形检测；

S243、在类圆区域中通过判断相似度检测飞机引擎；

S244、检测飞机前轮，确认该飞机引擎和前轮则捕获成功。

2.如权利要求1所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，在步骤S1之后，还可包括如下步骤：

S10、视频图像预处理，对图像进行亮度校正和去噪处理，以改善图像的视觉效果，提高图像的清晰度。

3.如权利要求1或2所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，所述背景消除步骤S21中，所述混合高斯背景模型的建立包括如下步骤：

S211、背景模型的建立，初始化背景图像，计算一段时间内视频序列图像f(x,y)中每一个像素的平均灰度值μ₀以及像素灰度的方差由μ₀和组成具有高斯分布η(x,μ₀,σ₀)的初始背景图像B₀，

其中：

然后为每帧图像的每个像素点建立高斯模型η(x_i,μ_i,σ_i)；

其中，i为帧序号，x_i为像素点的当前像素值，μ_i为当前像素点高斯模型的均值，σ_i为当前像素点高斯模型的均方差；若η(x_i,μ_i,σ_i)≤Tp，Tp为概率阈值，则判定该点为前景点，否则为背景点；

S212、背景模型的更新

若场景发生变化，则对背景模型进行更新，利用摄像装置拍摄的连续图像提供的实时信息对背景模型进行更新，如下式：

μ_i+1＝(1-α)μ_i+αx_i

其中α为更新率，取值在0～1之间。

4.如权利要求3所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，若该像素为背景，则α取0.05，若该像素为前景，则α取0.0025。

5.如权利要求1所述的基于机器视觉的入坞飞机实时捕获方法，其特征在于，

步骤S241中的所述图像极黑区域提取，是对图像进行灰度直方图统计，在灰度级中间1％～99％范围内获得像素数不为0的最大灰度值/最小灰度值的比值，使用预设的极黑判定阈值提取图像中最黑的部分，得到一幅极黑区域；

步骤S242中的所述类圆形检测，是提取该极黑区域的所有外层边界，对每一个边界使用边界的矩计算边界的重心坐标，边界的第ji阶矩定义如下：

重心坐标

对于当前边界的所有像素点，计算其与该重心的距离，若计算得到的最大距离与最小距离的比值大于一圆形判定阈值，则认为该区域非圆形，进行下一区域的判定，记录判定的类圆形区域的重心坐标和半径。