一種基于機器視覺的入塢飛機機型識別驗證方法和系統的制作方法
【技術領域】
[0001] 本發明涉及一種用于智能飛機泊位引導系統的圖像處理和模式識別，特別是一種 用于飛機泊位引導的運動物體檢測、特征識別和驗證的基于機器視覺的入瑪飛機機型識別 驗證方法和系統。
【背景技術】
[0002] 飛機泊位引導是指將到港飛機從滑行道末端導引至機坪的停機位置并準確停泊 的過程。飛機泊位引導的目的是保障入瑪飛機安全準確停泊，能方便飛機與各種地勤接口 的準確對接，并使登機橋能有效靠接飛機艙口，提高機場運行效率和安全。自動飛機泊位引 導系統按使用傳感器的類型不同主要分為：
[0003] (1)地埋感應線圈類
[0004] 地埋感應線圈自動引導系統通過探測是否有金屬物體經過或停留來確定入瑪飛 機的位置。其優點是響應速度快、成本低，對天氣和照度無要求，但誤差較大、抗干擾能力 低。同時，埋在地下的引線和電子元件容易被壓壞、可靠性較低，測量精度不高，不能識別機 型，可調試可維修性差；
[0005] 似激光掃描測距類
[0006] 激光掃描測距類自動引導系統通過激光測距和激光掃描來確定飛機位置、速度和 機型等信息，不受環境照度的影響、且受天氣影響較小，精度較高，可調試可維修性好；
[0007] (3)視覺感知類
[0008] 視覺感知類自動引導系統通過光學成像方式獲取飛機入瑪過程的圖像信息，進而 通過智能化信息處理技術確定入瑪飛機的位置、速度和機型等信息，系統架構簡單、成本 低，具有高的智能化水平，可調性可維護性較好，但對天氣和照度有要求、適應性較差。
[0009] 由于激光掃描測距類和視覺感知類自動引導系統能有效獲取入瑪飛機的可視化 信息，因此該兩類自動飛機泊位引導系統又稱為可視化泊位引導系統。
[0010] 隨著視覺感知成像技術、智能化信息處理技術和計算機技術的不斷深入發展，可 視化飛機泊位引導技術能精確、快速獲取入瑪飛機的入瑪信息，已在機場的泊位引導系統 中得到應用。美國化neywell公司研制的可視化飛機泊位引導系統（VDG巧和德國西口子 公司研制的視頻泊位引導系統（VD0CK巧作為國際領先水平的視覺引導設備也在國際上一 些機場得到應用，但送些系統對天氣和照度要求較高、適應性較差，且缺乏智能化的信息處 理能力。
【發明內容】
[0011] 本發明所要解決的技術問題是提供一種基于機器視覺的入瑪飛機機型識別驗證 方法和系統，能有效實現飛機入瑪過程的飛機捕獲、跟蹤與定位及機型識別與身份驗證，W 有效提高民航機場自動化、智能化和運營管理的水平。
[0012] 為了實現上述目的，本發明提供了一種基于機器視覺的入瑪飛機機型識別驗證方 法，其中，包括如下步驟：
[0013] S1、飛機泊位場景設置，將監測場景劃分為不同的信息處理功能區，W縮小通過攝 像裝置獲得的飛機圖像的處理區域范圍，提高處理效率；
[0014] S2、飛機捕獲，在設置好的飛機泊位場景中通過所述攝像裝置捕獲待停泊飛機的 視頻圖像；
[0015] S3、飛機識別及身份驗證，對步驟S2捕獲到的待停泊飛機進行機型及身份驗證， W進一步保證所述待停泊飛機安全準確停泊，包括：
[0016] S31、參數驗證，提取所述視頻圖像中的飛機參數并與預置于數據庫中的機型數據 進行比對，得到機型相似度參數；
[0017] S32、模板匹配，將所述視頻圖像與預置于所述數據庫中的機型模板進行比對，得 到模板相似度參數；
[0018] S33、綜合判斷，所述機型數據相似度參數與所述模板相似度參數大于或等于一驗 證闊值時，則通過所述待停泊飛機的機型與身份驗證；
[0019] S4、飛機跟蹤及定位，通過對步驟S3驗證后的待停泊飛機的飛機引擎和飛機前輪 的視頻圖像連續跟蹤和實時更新，W實現對所述待停泊飛機實時定位并準確判斷所述待停 泊飛機相對于引導線的偏離程度；W及
[0020] S5、信息顯示，輸出并顯示步驟S3對所述待停泊飛機的機型與身份驗證的判斷結 果，W及步驟S4中所述待停泊飛機實時定位及所述待停泊飛機相對于所述引導線偏離程 度的結果。
[0021] 上述的基于機器視覺的入瑪飛機機型識別驗證方法，其中，所述參數驗證步驟S31 包括：
[0022] S311、提取飛機引擎參數，提取所述視頻圖像中的飛機引擎參數并與預置于數據 庫中對應機型的飛機引擎參數進行比對；
[0023] S312、提取飛機機翼參數，提取所述視頻圖像中的飛機機翼參數并與預置于數據 庫中對應機型的飛機機翼參數進行比對；
[0024] S313、提取飛機機頭參數，提取所述視頻圖像中的飛機機頭參數并與預置于數據 庫中對應機型的飛機機頭參數進行比對；W及
[00巧]S314、提取飛機尾翼參數，提取所述視頻圖像中的飛機尾翼參數并與預置于數據 庫中對應機型的飛機尾翼參數進行比對。
[0026] 上述的基于機器視覺的入瑪飛機機型識別驗證方法，其中，所述提取飛機引擎參 數步驟S311具體包括：
[0027] S3111、圖像極黑區域提取，對所述視頻圖像進行灰度直方圖統計，在灰度級中間 1%~99%范圍內獲得像素數不為0的最大灰度值/最小灰度值的比值，使用預設的極黑判 定闊值提取所述視頻圖像中最黑的部分，得到一幅極黑區域圖像；
[0028] S3112、類圓形檢測，提取該極黑區域圖像的所有外層邊界，對每一個邊界使用邊 界的矩計算邊界的重必坐標，邊界的第ji階矩定義如下：
[0029] 二 Σ(.伯..1'批.1.') x，>.
[0030] 重必坐標片，巧：
[0031]
[0032] 對于當前邊界的所有像素點，計算其與該重必的距離，若計算得到的最大距離與 最小距離的比值大于一圓形判定闊值，則認為該區域非圓形，進行下一區域的判定，記錄判 定的類圓形區域的重必坐標和半徑；W及
[0033] S3113、相似度判定，若步驟S3112中檢測到了 Μ個類圓形區域，其中第i個類圓形 區域和第j個類圓形區域的相似度的計算為：
[0034] Similarity。= I Hei曲ti-Hei曲tj I * I RadiuSi-RadiiiSj I
[00；3日]其中，Hei曲t為重必高度，Radius為半徑，當相似度Similarity^小于預設的相 似度闊值時，則認為區域i和j為待停泊飛機的飛機引擎；
[0036] S3114、參數比對，測量所述飛機引擎的半徑并與預置于數據庫中對應機型的飛機 引擎參數進行比對，得到飛機引擎可信度系數。
[0037] 上述的基于機器視覺的入瑪飛機機型識別驗證方法，其中，所述提前飛機機翼參 數步驟S312具體包括：
[0038] S3121、提取飛機邊緣像素點，提取所述視頻圖像的飛機邊緣，沿遠離所述待停泊 飛機的登機橋一側的飛機引擎中軸向上枚舉像素點，對每個像素點，各畫多條斜率傾角為 0-20°的直線，統計每條所述直線所經過的邊緣像素點數；
[0039] S3122、確定飛機機翼邊緣，取經過所述邊緣像素點的點數最多的兩條直線作為所 述待停泊飛機的飛機機翼的邊緣；
[0040] S3123、確定飛機翼尖，取翼尖周圍區域的邊緣像素，作為翼尖特征參數記錄下 來；
[0041] S3124、參數比對，測量所述飛機機翼的長度并與預置于數據庫中對應機型的飛機 翼尖參數進行比對，得到飛機機翼可信度系數。
[0042] 上述的基于機器視覺的入瑪飛機機型識別驗證方法，其中，所述提取飛機機頭參 數步驟S313具體包括：
[0043] S3131、確定飛機機頭邊界，通過已經確定的所述待停泊飛機的飛機引擎位置，確 定所述待停泊飛機的中軸位置，枚舉中軸上的點作為圓必，枚舉2至4倍所述待停泊飛機的 飛機引擎半徑的長度為半徑畫圓，取經過邊緣像素點最多的圓作為所述待停泊飛機的飛機 機頭的邊界；
[0044] S3132、確定飛機機頭窗，采用深度優先搜索的方法，尋找所述飛機機頭的邊界的 上半圓中與所述飛機機頭邊界的邊緣不相粘連的最長邊緣，為所述飛機機頭的機頭窗所在 位置；
[0045] S3133、參數比對，測量所述飛機機頭的半徑并與預置于數據庫中對應機型的飛機 機頭參數進行比對，得到飛機機頭可信度系數。
[0046] 上述的基于機器視覺的入瑪飛機機型識別驗證方法，其中，所述提取飛機尾翼頭 參數步驟S314具體包括：
[0047] S3141、利用深度優先搜索的方法，沿所述飛機機頭的邊界的上邊緣尋找突起的部 分為所述待停泊飛機的飛機尾翼；
[0048] S3142、參數比對，測量所述飛機尾翼的高度并與預置于數據庫中對應機型的飛機 尾翼參數進行比對，得到飛機尾翼可信度系數。
[0049] 上述的基于機器視覺的入瑪飛機機型識別驗證方法，其中，所述機型相似度參數 為所述飛機引擎可信度系數、飛機機翼可信度系數、飛機機頭可信度系數及所述飛機尾翼 可信度系數中的最小值與最大值之比。
[0050] 上述的基于機器視覺的入瑪飛機機型識別驗證方法，其中，所述模板匹配步驟S32 包括：
[0051] S321、全局模板匹配，W整幅所述視頻圖像為被搜索圖像，W所述數據庫中的標準 飛機圖像為模板，計算全局模板相似度參數；
[0052] S322、局部模板匹配，分別W S311-S314中提