(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221089720 6.3 (22)申请日 2022.07.28 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 张弘　邢万里　杨一帆　袁丁　 李岩　 (74)专利代理 机构 北京科迪生专利代理有限责 任公司 1 1251 专利代理师 安丽　顾炜 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/34(2022.01) G06V 10/30(2022.01) G06V 10/44(2022.01) (54)发明名称 一种应用 于现代光电平台的空中无人机目 标检测方法 (57)摘要 本发明涉及一种应用于现代光电平台的空 中无人机目标检测方法， 包括无人机候选区域提 取， 候选区域评价、 定位目标的正确性判断和结 果处理。 无人机候选区域提取是对 灰度图进行多 尺度滤波、 提取差值图边缘、 形态学运算和连通 域操作得到候选区域。 候选区域评价部分是基于 候选区域均值和长宽比、 邻域的均值和方差建立 的评分机制， 将最高得分的候选区域确定为定位 目标。 目标的正确性判断通过比较定位目标在当 前帧和五帧后的状态， 来判断定位目标是否正 确。 结果处理是当定位目标正确时完成检测， 否 则重新执 行检测。 权利要求书2页 说明书6页 附图3页 CN 115294478 A 2022.11.04 CN 115294478 A 1.一种应用于现代光电平台的空中无 人机目标检测方法， 其特 征在于： 包括以下步骤： 步骤一： 无人机候选区域提取， 对无人机候选区域进行特征提取， 确定目标候选区域， 具体如下： (1)将现代光电平台采集的视频帧t进行灰度化为单通道灰度图， 然后对单通道灰度图 进行归一 化操作； (2)针对实际运行环境中存在的噪声影响， 采用3*3大小的中值滤波操消除相机硬件电 路或环境中存在的孤立强噪声点， 得到 输入图Pori； (3)对输入图Pori分别进行小尺度的高斯滤波和大尺度的高斯滤波操作， 得到小尺度滤 波图Pmin和大尺度滤波图Pmax， 其中小尺度高斯滤波的算子大小为Ng*Ng， 3≤Ng≤5； 大尺度高 斯滤波算子大小为输入视频宽度的1/Nbg， 4≤Nbg≤16； (4)通过不同尺度的滤波后保留的内容中包含目标信息， 将大尺度滤波图Pmax和小尺度 滤波图Pmin逐个像素值做差后取的绝对值， 得到差值图Pd， 对差值图Pd进行标准化得到注意 力图Patt， 操作如下： Pd＝|Pmax‑Pmin| 其中， mean(pd)代表差值图pd中像素值的均值， std(pd)表示差值图pd中像素值的标准 差； (5)对注意力图Patt进行Sobel 算子边缘提取操作得到边 缘信息图Pedge； (6)对边缘信息图Pedge进行形态 学闭运算操作得到形态学图Pm， 来完成对边缘信息的连 接， 其中闭运 算使用的形态学算子大小为 Nm*Nm， 形态闭运 算操作A·B如下： 其中， 代表分形态学膨胀操作， 是形态学腐蚀操作； (7)对形态学图Pm进行连通域操作得到n个连通域{α1， α2， ... αi， ... αn}， 每个连通域大 小分别是{Size1， Size2， ...， Sizei， ...， Sizen}， 其中， Sizei＝(Widthi， Heighti)， Widthi， Heighti分别是连通域αi的宽度和高度； (8)对每一个连通域αi进行筛选， 筛选条件是基于无人机的宽高比， 满足以下条件的连 通域αi将作为目标候选区域： 其中， Widthi和Heighti和分别代表连通域αi的宽度和高度， K1和K2是设定的常数阈值， 0.25≤K1≤1， 1＜K2≤4； 步骤二： 目标候选区域评价， 对每一个目标候选区域进行评价， 从中获得目标可能性最 高的区域， 作为当前帧定位的目标， 具体如下： (9)令筛选后的m个目标候选区域为{β1， β2， ... βj， ... βm}， 对应的候选区域大小分别是 {s， s2， ...， sj， ...sm}， sj＝(wj， hj)， 其中wj， hj分别是目标候选区域βj的宽度和高度； 设置不 同大小的正方形邻域{b1， b2， ...， bj， ...， bm}， 正方形邻域的边长分别是{d1， d2， ...，权　利　要　求　书 1/2 页 2 CN 115294478 A 2dj， ...， dm}， dj的计算方式如下： 其中， γ1， γ2代表设定的固定宽度阈值； 5*wj、 3*wj和2*wj分别代表5倍wj、 3倍wj和2倍wj 的大小； (10)首先计算每个目标候选区域βj在输入图Pori中的像素均 值 其次计算以目标候 选区域βj为中心， 以dj为边长的正方形邻域bj在输入图Pori中的像素均值 和像素方差 最后计算该目标候选区域βj的得分Scorej： 其中， Hpj是目标候选 区域βj在垂直方 向上的惩罚值， Vpj是目标候选区域βj在水平方向 上的惩罚值， Spj表示目标候选区域βj的宽高比惩罚值， ||表示绝对值运算。 Hpj， Vpj和Spj的 计算公式如下： 其中， C_Xj和C_Yj分别代表目标候选区域βj的横坐标和纵坐标， Hori和Wori分别代表输入 图Pori的高度和宽度， K1和K2是步骤(8)中设定的常数阈值； (11)比较所有目标候选区域的得分{score1， score2， ...， scorej， ...， scorem}， 选取得 分最高的目标候选区域作为视频帧t中定位目标； 步骤三： 定位目标的正确性判断， 验证定位的目标的正确性， 具体如下： (12)以视频帧t的定位目标为中心， 设定Np倍于定位目标 大小的搜索区域U， 3 ≤Np≤5； (13)等待5帧， 即当输入视频帧为(t+5)时， 在搜索区域U中顺序执行步骤一和步骤二中 的内容， 得到视频帧(t+5)时的定位目标； 当视频帧(t+5)和t时检测的目标的坐标或大小发 生变化时， 则认为视频帧(t+5)时的定位目标正确； 否则认为在视频帧t时定位的无人机目 标错误； 步骤四： 结果处理， 当定位目标为正确目标， 则检测完成； 当定位目标为错误目标， 则在 视频帧(t+5)的全图范围内重新 顺序执行步骤一、 步骤二和步骤三中的内容进行检测。权　利　要　求　书 2/2 页 3 CN 115294478 A 3