[发明专利]基于混合特征的空中加油锥套目标检测方法

说明书

技术领域

本发明属于计算机视觉及机器学习领域，具体是使用计算机视觉中的图像特征提取方法，利用机器学习中特征筛选及构建分类器的方法，对图像中的空中加油锥套进行目标检测。

背景技术

软管-浮锚（Probe&Drogue）式空中加油系统由加油机、输油软管、锥套（浮锚）、受油管构成。随着空中加油精确控制及无人机空中加油的推进，产生了使用计算机视觉方法对空中加油锥套进行检测、跟踪、测量的需求。

通过图像处理、小波滤波器等方法，获取能代表目标的特征；选择具有代表性的特征子集；使用正负样本特征子集通过训练分类器；上述步骤已经组成了较为成熟的实时目标检测流程。然而，此目标检测流程却难以应用在空中加油锥套目标检测问题中。

空中加油锥套的检测具有如下两个特点：一、不同场景中检测目标变化较大；二、对于检测结果的精度要求很高。由此，本发明设计了两套分类器，通过分类器组合的方法，既保证了检测结果的精度，又能适应目标外观的变化，且具有较高的执行效率。

发明内容

为了解决现有技术中，使用单一分类器难以描述不同光照、不同角度下的锥套目标的问题，本发明采用多分类器组合技术，利用灰度、边缘等混合特征，分别对空中加油锥套的中心油管、外围伞套分别训练各自的分类器，再进行组合。

本发明提出的一种基于混合特征的空中加油锥套目标检测方法包括以下步骤：

步骤S1，将手工标定的空中加油管锥套的正样本集S_P0={p_p0’,p_p1’,…,p_psp’}，及累积生成的背景负样本集S_N0={p_n0’,p_n1’,…,p_nsn’}进行归一化，得到分辨率为w×h的灰度图片集合S_P和S_n；

步骤S2：提取所述灰度图片集合S_P和S_n中图像的特征向量，得到用于训练的特征向量集合，进而训练得到能够识别空中加油锥套中心油管的第一分类器C₁；

步骤S3：提取所述灰度图片集合S_P和S_n中每幅图像外围伞套区域的边缘特征信息，利用边缘特征信息的统计信息，训练得到能够识别空中加油锥套外围伞套的第二分类器C₂；

步骤S4：线性组合所述第一分类器C₁和第二分类器C₂，生成目标检测分类器，利用所述目标检测分类器对空中加油锥套目标进行检测。

本发明利用组合的目标检测分类器，可配合目标检测框架，准确、快速、鲁棒地检测空中加油锥套目标。

附图说明

图1为本发明基于混合特征的空中加油锥套目标检测方法的流程图；

图2为本发明第一分类器的训练流程图；

图3为本发明第二分类器的训练流程图；

图4为空中加油锥套的结构示意图，及在不同光照条件下采集的锥套图像；

图5为本发明使用不同方向的Gabor小波提取图像边缘特征信息的示例图；

图6为本发明对外围伞套区域的划分方法示意图，以及不同区域对应的类Haar小波模板。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

图1为本发明基于混合特征的空中加油锥套目标检测方法的流程图，图4为空中加油锥套的结构示意图，及在不同光照条件下采集的锥套图像，如图1和图4所示，所述基于混合特征的空中加油锥套目标检测方法包括以下步骤：

步骤S1：将手工标定的空中加油管锥套的正样本集S_P0={p_p0’,p_p1’,…,p_psp’}，及累积生成的背景负样本集S_N0={p_n0’,p_n1’,…,p_nsn’}进行归一化，得到分辨率为w×h的灰度图片集合S_P和S_n；