CN115719322A - 一种靶机起飞时刻的检测方法 - Google Patents

Abstract

本发明提供了一种靶机起飞时刻的检测方法，能够满足目前靶场训练中对靶机起飞时刻的检验需求，实现靶机的实时动态标记，辅助系统指挥靶机运动。靶场训练中，摄像头的不断运动导致图像背景持续更新，因此不能仅用一种算法来检测靶机目标。本发明通过图像的直方图类型来选择目标检测方法，可满足检验需求，实现靶机的实时动态标记。本发明过滤检测到的目标集合，并进行目标合并，将目标标记在预处理图像上，并检测是否发生起飞事件。当目标区域像素点平均亮度值变化超过某一阈值时，判断是否为靶机起飞事件并得到相应的屏幕截图。

Description

一种靶机起飞时刻的检测方法

技术领域

本发明属于系统测试与验证技术领域，具体涉及一种靶机起飞时刻的检测方法。

背景技术

靶场训练指挥系统、森林防火安全系统、城市安全监控系统等，都是以图像传输技术为基础，通过各类高清摄像头或红外摄像头获取所需目标要素(指挥控制人员指挥控制和关注的对象，如靶机、导弹、车辆等)的信息，信息经过传输、处理，最终以数字图像在屏幕上实时显示出来，指挥控制人员通过信息查看、检索、计算来掌握目标要素的当前位置、速度和距离信息，据此进行判断和决策，然后发出指挥控制指令，实现指挥控制对象的有序运动，达到指挥决策目的系统。为表述方便，上述系统以下统称为视频指挥控制系统。

对于视频指挥控制系统而言，图像数据显示的目的是使指挥员能对当前监控范围内的部署和状态进行实时跟踪与监视，而经算法处理后可以辅助指挥决策人员能及时掌握态势进而做出判断和决策。大量的视频图像数据不经特定算法处理、识别，指挥决策人员也就无法准确定位和使用，因而也就没有意义。因此图像处理是视频指挥控制系统最重要的能力之一，而对某些特殊事件，如起飞事件的检测能力则是衡量视频指挥控制系统能力大小的最综合、最根本、最直接的指标。

关于图像处理能力，一般认为指图像增强和目标检测，图像增强算法能够突出图像更多细节，提高图像整体和局部对比度，使增强后的图像更符合人眼的视觉特性且易于机器的识别，目标检测运用图像增强后的图像，从静态图像或视频中提取特定的目标。目标要素，如飞行器、导弹、车辆等，都处于运动状态，尤其是靶机、导弹等飞行器的运动速度大、方向和加速度变化剧烈，因此视频指挥控制系统需要根据所获取的图像信息实时检测目标要素的位置和状态，实现动态标记，不能仅靠视频导播员寻找目标要素。同时，指挥人员在查看视频图像信息时，必然要进行各种操作，如记录特定事件时间、截取屏幕、切换视频源等。为响应这些操作，整个过程都需要消耗资源和时间来协同完成。若从操作到记录完成所需的时间过长，势必影响指挥控制人员对态势的掌握和判断，因此还必须考虑视频指挥控制系统对于这一系列操作的实时响应能力。另外，由于视频指挥控制系统具有回放功能，在复盘回放时就需要快速准确的获取全部目标要素信息。仅凭导播指挥员记录或态势信息的更新速度过快会造成信息的丢失、错误与不明显，因而也就不能仅通过导播指挥员的记录在起飞任务中进行辅助指挥。

因此，目前亟需一种靶机起飞时刻的检测方法，能够满足目前靶场训练中对靶机起飞时刻的检验需求，实时响应系统操作，实现靶机的动态标记，辅助系统指挥靶机运动。

发明内容

有鉴于此，本发明提供了一种靶机起飞时刻的检测方法，能够满足目前靶场训练中对靶机起飞时刻的检验需求，实现靶机的实时动态标记，辅助指挥靶机运动。

为实现上述发明目的，本发明的技术方案为：

一种靶机起飞时刻的检测方法，具体步骤包括：

步骤1、对当前帧的靶机图像进行预处理，得到预处理图像。

步骤2、计算预处理图像的直方图。

步骤3、根据直方图的特征值t，判断直方图的类型，根据直方图的类型选择目标检测方法，得到目标集合。

步骤4、对步骤3得到的目标集合进行过滤，并对目标进行两两距离计算；当某两个目标间的距离小于距离阈值D且亮度值相同，合并目标并执行步骤5；判断合并后的目标集合中是否存在靶机，是则执行步骤5，否则更新当前帧图像，返回步骤1继续执行。

步骤5、在预处理图像上标记目标，执行步骤6。

步骤6、检测是否发生起飞事件，是则结束流程，否则更新当前帧图像，返回步骤1继续执行。

进一步的，步骤1的具体方式为：将靶机图像输入检测模型，去除靶机图像中的黑边及字符。

进一步的，直方图的类型为7种，分别为：类型1为单峰且干净的直方图，且特征值t＞0.9；类型2为单峰、有噪声的直方图，且0.8＜t＜0.9；类型3为噪声多的直方图，且0.2＜t＜0.4；类型4为双峰、干净的直方图，且0.8＜t＜0.9；类型5为双峰、噪声多的直方图，且0.9＜t＜0.95；类型6为无峰值的直方图，且0.01＜t＜0.05；类型7为有峰值的直方图，且0.005＜t＜0.01。

进一步的，步骤3的具体方式为：当直方图属于类型1至类型6中的一种时，执行步骤3.1；当直方图属于类型7时，执行步骤3.2。

步骤3.1、对预处理图像进行背景建模并将其减去，得到前景图像；去除前景图像中的噪点及干扰目标，求解图像的连通域，得到目标集合；对目标集合进行初次过滤，判断初步过滤后，目标的大小、亮度和位置是否满足预设值，是则执行步骤4，否则更新当前帧图像，返回步骤1继续执行。

步骤3.2、将预处理图像二值化，得到二值化图像；求解二值化图像的连通域，得到目标集合，执行步骤4。

进一步的，步骤3.1中采用自适应高斯混合背景建模算法进行背景建模，将背景从预处理图像中减除，得到前景图像。

进一步的，步骤3.1中采用图像形态学算法去掉前景图像中的噪点及干扰目标。

有益效果：

1、本发明提供了一种靶机起飞时刻的检测方法，能够满足目前靶场训练中对靶机起飞时刻的检验需求，实现靶机的实时动态标记，辅助系统指挥靶机运动。靶场训练中，摄像头的不断运动导致图像背景持续更新，因此不能仅用一种算法来检测靶机目标。本发明通过图像的直方图类型来选择目标检测方法，可满足检验需求，实现靶机的实时动态标记。本发明过滤检测到的目标集合，并进行目标合并，将目标标记在预处理图像上，并检测是否发生起飞事件。当目标区域像素点平均亮度值变化超过某一阈值时，判断是否为靶机起飞事件并得到相应的屏幕截图。

2、本发明通过预处理靶机图像，去掉影响检测准确率的黑边及字符，提高检测精度。

3、本发明采用两种目标检测方法，对特征值不同的预处理图像进行目标集合的初步提取，以提高检测精度。对类型1-6的预处理图像，进行背景、噪点和干扰目标的滤除后，求解连通域，获取目标集合并初次过滤；对类型7的预处理图像，二值化后求解连通域，获取目标集合。

4、本发明采用自适应高斯混合背景建模算法进行背景建模，将背景从预处理图像中减除，得到前景图像，提高检测精度。

5、本发明采用图像形态学算法去掉前景图像中的噪点及干扰目标，提高检测精度。

6、本发明方法的步骤具体，明确，且可操作性强。

7、本发明考虑了所有可能影响检测准确率的因素并面向具体应用需求，检测算法泛化性软好，也可对导弹起飞状态进行检测。

附图说明

图1为本发明方法流程图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

如图1所示，本发明提出一种靶机起飞时刻的检测方法，具体步骤包括：

步骤1、对当前帧的靶机图像进行预处理，得到预处理图像。

步骤2、计算预处理图像的直方图。

步骤3、根据直方图的特征值t，判断直方图的类型；当直方图属于类型1至类型6中的一种时，执行步骤3.1；当直方图属于类型7时，执行步骤3.2。类型1为单峰且干净的直方图，其特征值t＞0.9；类型2为单峰，有噪声的直方图，且0.8＜t＜0.9；类型3为噪声多的直方图，且0.2＜t＜0.4；类型4为双峰且干净的直方图，且0.8＜t＜0.9；类型5为双峰且噪声多的直方图，且0.9＜t＜0.95；类型6为无明显峰值的直方图，且0.01＜t＜0.05；类型7为峰值明显的直方图，且0.005＜t＜0.01。本实施例中，特征值t定义为像素值大于220的像素点比例。

步骤3.1、采用自适应高斯混合背景建模算法进行背景建模，将背景从预处理图像中减除，得到前景图像。采用图像形态学算法去掉前景图像中的噪点及干扰目标。求解前景图像的连通域，得到目标集合。对目标集合进行初次过滤，过滤条件为目标的大小、亮度和位置。判断初步过滤后，目标的大小、亮度和位置是否满足预设值，是则执行步骤4，否则更新当前帧图像，返回步骤1继续执行。

步骤3.2、将预处理图像二值化，得到二值化图像。求解二值化图像的连通域，得到目标集合，执行步骤4。二值化的具体方式为：设预处理图像的像素点阈值为K＝178，若当前像素点值大于K时，设该像素点值为255，若当前像素点值小于且等于K时，设该像素点值为0；遍历所有像素点，得到二值化图像。

步骤4、对初次过滤后的目标集合进行第二次过滤，并对目标进行两两距离计算。当某两个目标间的距离小于距离阈值D(设D＝图像分辨率×1％)且亮度值相同，合并目标并执行步骤5；否则，判断这两个目标间是否存在靶机，是则执行步骤5，否则更新当前帧图像，返回步骤1继续执行。

步骤5、在预处理图像上标记目标，执行步骤6。

步骤6、检测是否发生起飞事件，是则结束流程，否则更新当前帧图像，返回步骤1继续执行。判断是否发生起飞事件的方式为：二值化标记后的图像，求解其连通域，预设连通域大小阈值S(设S＝图像分辨率×8％)和亮度集中度阈值。若连通域面积大于S或连通域内像素点的亮度平均值大于亮度集中度阈值，判断此时发生起飞事件，将发生起飞事件的靶机图像保存并记录当前时刻为起飞时刻；否则更新当前帧图像，返回步骤1继续执行。

下面以飞行器起飞事件检测验证为例，对本发明作详细说明。在本实施例中，目标要素为某一型靶机。将视频源每一帧图像输入检测模型，通过预处理，去掉可能影响检测准确率的黑边及含有字符区域，由于摄像头的不断运动导致图像背景不断更新，因此不能仅用一种算法来检测靶机目标，通过计算当前图像帧的直方图判断直方图类型来选择对靶机目标进行实时检测，使用背景建模或二值化图像求解连通域得到目标集，过滤检测到的目标集合判断主目标是否满足要求，在视频帧进行标记；不断更新目标位置及开始进行起飞事件检测，当目标区域像素点平均亮度值变化超过某一阈值时，判断是否为靶机起飞事件；将发生起飞事件的靶机图像保存并记录当前时刻。在回放时，直接定位到起飞事件发生的时刻来验证检测结果的真实性和客观性。

综上，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种靶机起飞时刻的检测方法，其特征在于，具体步骤包括：

步骤1、对当前帧的靶机图像进行预处理，得到预处理图像；

步骤2、计算预处理图像的直方图；

步骤3、根据直方图的特征值t，判断直方图的类型，根据直方图的类型选择目标检测方法，得到目标集合；

步骤4、对步骤3得到的目标集合进行过滤，并对目标进行两两距离计算；当某两个目标间的距离小于距离阈值D且亮度值相同，合并目标并执行步骤5；判断合并后的目标集合中是否存在靶机，是则执行步骤5，否则更新当前帧图像，返回步骤1继续执行；

步骤5、在预处理图像上标记目标，执行步骤6；

步骤6、检测是否发生起飞事件，是则结束流程，否则更新当前帧图像，返回步骤1继续执行。

2.如权利要求1所述的检测方法，其特征在于，步骤1的具体方式为：将靶机图像输入检测模型，去除靶机图像中的黑边及字符。

3.如权利要求1所述的检测方法，其特征在于，所述直方图的类型为7种，分别为：类型1为单峰且干净的直方图，且特征值t＞0.9；类型2为单峰、有噪声的直方图，且0.8＜t＜0.9；类型3为噪声多的直方图，且0.2＜t＜0.4；类型4为双峰、干净的直方图，且0.8＜t＜0.9；类型5为双峰、噪声多的直方图，且0.9＜t＜0.95；类型6为无峰值的直方图，且0.01＜t＜0.05；类型7为有峰值的直方图，且0.005＜t＜0.01。

4.如权利要求1或3所述的检测方法，其特征在于，所述步骤3的具体方式为：当直方图属于类型1至类型6中的一种时，执行步骤3.1；当直方图属于类型7时，执行步骤3.2；

步骤3.1、对预处理图像进行背景建模并将其减去，得到前景图像；去除前景图像中的噪点及干扰目标，求解图像的连通域，得到目标集合；对目标集合进行初次过滤，判断初步过滤后，目标的大小、亮度和位置是否满足预设值，是则执行步骤4，否则更新当前帧图像，返回步骤1继续执行；

步骤3.2、将预处理图像二值化，得到二值化图像；求解二值化图像的连通域，得到目标集合，执行步骤4。

5.如权利要求4所述的检测方法，其特征在于，步骤3.1中采用自适应高斯混合背景建模算法进行背景建模，将背景从预处理图像中减除，得到前景图像。

6.如权利要求4所述的检测方法，其特征在于，步骤3.1中采用图像形态学算法去掉前景图像中的噪点及干扰目标。

Images