[发明专利]密集多目标参数提取的方法、装置及终端设备

权利要求书

1.一种密集多目标参数提取的方法，其特征在于，包括：

读取任一距离门内的经过预处理后的待测图像，所述距离门内存在多个目标，所述待测图像中包括密集排列的多个目标，所述待测图像为二维时频图；

计算所述待测图像中的灰度梯度最大值，确定所述待测图像中所述多个目标的边缘，并对确定所述多个目标的边缘的待测图像进行二值化处理，确定所述待测图像对应的二值图像矩阵；

根据所述二值图像矩阵，确定每个目标区域对应的最小外接矩形数据；

计算每个所述最小外接矩形数据中幅值最大的像素点，并将幅值最大的像素点作为每个目标对应的质点；所述质点为所述目标的初速外推所需的弹迹点；

根据每个质点确定目标的时间、速度以及幅度数据。

2.如权利要求1所述的密集多目标参数提取的方法，其特征在于，所述计算所述待测图像中的灰度梯度最大值，确定所述待测图像中所述多个目标的边缘，包括：

采用预设横向卷积因子和预设纵向卷积因子分别对所述待测图像进行平面卷积运算，获得横向边缘检测的梯度值和纵向边缘检测到的梯度值；

计算所述横向边缘检测的梯度值的平方和所述纵向边缘检测到的梯度值的平方的和，得到当前像素点的梯度幅值平方和；

当所述梯度幅值平方和大于或等于预设阈值的平方时，确定所述当前像素点为边缘点；

根据上述确定当前像素点为边缘点的方法，计算所述待测图像中所述像素点，确定多个目标的边缘。

3.如权利要求2所述的密集多目标参数提取的方法，其特征在于，还包括：

当所述梯度幅值平方和不大于预设阈值的平方时，确定所述当前像素点为非边缘点。

4.如权利要求2所述的密集多目标参数提取的方法，其特征在于，预设阈值的计算方法包括：

计算所述待测图像中所有像素点的平均像素值；

将所述平均像素值乘以预设加权因子，得到所述预设阈值。

5.如权利要求1-4中任一项所述的密集多目标参数提取的方法，其特征在于，所述根据所述二值图像矩阵，确定每个目标区域对应的最小外接矩形数据，包括：

根据所述二值图像矩阵，依次对所述待测图像中各个像素点进行标号处理，得到各个像素点的标号；

根据所述各个像素点的标号，计算每个目标区域边缘的最外四个切点，得到每个目标区域的最小外接矩形数据。

6.如权利要求5所述的密集多目标参数提取的方法，其特征在于，所述根据所述二值图像矩阵，依次对所述待测图像中各个像素点进行标号处理，得到各个像素点的标号，包括：

若像素点(i-1,j)与像素点(i,j-1)的像素值均为0，则像素点(i,j)的标号设置为H(i,j)；

若像素点(i-1,j)有标号H(i-1,j)，且像素点(i,j-1)没有标号，则像素点(i,j)的标号设置为H(i,j)＝H(i-1,j)；

若像素点(i,j-1)有标号H(i,j-1)，且像素点(i-1,j)没有标号，则像素点(i,j)的标号设置为H(i,j)＝H(i,j-1)；

若像素点(i-1,j)有标号H(i-1,j)，像素点(i,j-1)有标号H(i,j-1)，且H(i-1,j)H(i,j-1)，则像素点(i,j)的标号设置为H(i,j)＝H(i-1,j)；

根据上述确定像素点(i,j)的标号的方法，计算各个像素点的标号。

7.如权利要求5所述的密集多目标参数提取的方法，其特征在于，所述计算每个所述最小外接矩形数据中幅值最大的像素点，并将幅值最大的像素点作为每个目标对应的质点，包括：

根据每个所述最小外接矩形数据确定每个目标所占有的像素位置范围；

对每个像素位置范围内的像素点的幅值进行排序，确定每个像素位置范围内幅值最大的像素点为每个目标对应的质点。