本發(fā)明是一種用于空中加油的仿鷹眼視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)方法，屬于計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域。

二、

背景技術(shù)：

無(wú)人機(jī)作為無(wú)人駕駛的航空飛行器在軍事和民用方面均有著廣泛的應(yīng)用。但是由于攜帶燃油量有限，無(wú)人機(jī)的航行距離和載荷能力受到了嚴(yán)重的制約。為了提高無(wú)人機(jī)性能和功能，拓展其作戰(zhàn)能力邊界，提高作戰(zhàn)性能，美國(guó)等紛紛將無(wú)人機(jī)自主空中加油技術(shù)列入當(dāng)前研究重點(diǎn)。無(wú)人機(jī)空中加油技術(shù)的應(yīng)用能夠大大增加其續(xù)航時(shí)間，為攜帶更多的任務(wù)載荷提供可能。無(wú)人機(jī)空中加油系統(tǒng)主要可分為軟式(插頭-錐套式)和硬式(伸縮管式)兩種。

硬式空中加油系統(tǒng)具有加油效率高，速度快，對(duì)受油機(jī)機(jī)動(dòng)性要求較低等優(yōu)點(diǎn)，且可給大型飛機(jī)加油。因此，目前在美國(guó)空軍中主要采用的是硬式空中加油系統(tǒng)。硬式空中加油系統(tǒng)的主體是安裝在加油機(jī)尾部的伸縮套管，套管根部用萬(wàn)向鉸鏈與加油機(jī)尾部承力機(jī)構(gòu)相連，伸縮套管本身由內(nèi)、外套管組成。不加油時(shí)伸縮套管縮至最短。加油時(shí)放下伸縮套管，受油機(jī)進(jìn)入對(duì)接范圍后，操縱加油嘴插入受油機(jī)背部的受油插座并鎖定。加油過(guò)程中受油機(jī)可在一定范圍內(nèi)機(jī)動(dòng)。加油完畢后，操縱縮回內(nèi)管，拔出加油嘴，受油機(jī)脫離。本專(zhuān)利主要用于解決硬式空中加油過(guò)程中的受油口運(yùn)動(dòng)目標(biāo)檢測(cè)。

相對(duì)于其他導(dǎo)引技術(shù)，視覺(jué)導(dǎo)引技術(shù)具有精度高、成本低、不依賴(lài)外部信息等特點(diǎn)，因此視覺(jué)導(dǎo)引是無(wú)人機(jī)空中加油的一種可行導(dǎo)引方案，且是當(dāng)前無(wú)人機(jī)自主空中加油技術(shù)的一個(gè)研究熱點(diǎn)。在視覺(jué)導(dǎo)引方案中相機(jī)放置在加油機(jī)的伸縮管附近，同時(shí)在受油機(jī)的受油口附近添加特定的視覺(jué)標(biāo)識(shí)，當(dāng)無(wú)人機(jī)與加油機(jī)靠近時(shí)，拍攝無(wú)人機(jī)上方的受油口的標(biāo)識(shí)，并進(jìn)行后續(xù)圖像處理，從而實(shí)現(xiàn)對(duì)受油機(jī)的準(zhǔn)確檢測(cè)。

仿生視覺(jué)信息處理機(jī)制相比于一般的計(jì)算機(jī)視覺(jué)具有處理速度快、精度高等優(yōu)勢(shì)，并因此得到了廣泛研究。鷹的生活環(huán)境和捕食習(xí)慣決定了其更加適用于由上而下的視景下的目標(biāo)檢測(cè)，尤其是在目標(biāo)較小、目標(biāo)與背景對(duì)比度較低、目標(biāo)與背景有明顯相對(duì)運(yùn)動(dòng)情況下的目標(biāo)檢測(cè)，這與無(wú)人機(jī)空中加油運(yùn)動(dòng)目標(biāo)檢測(cè)的任務(wù)需求相吻合。鷹視頂蓋細(xì)胞接受來(lái)自對(duì)側(cè)視網(wǎng)膜的投射，其感受野通常由一個(gè)興奮性的中心和一個(gè)抑制性周邊構(gòu)成，且中心區(qū)域相對(duì)較小，周邊區(qū)域相對(duì)較大。視頂蓋可分成15層，其細(xì)胞感受野隨著深度增加而逐漸增大，可能反映視頂蓋細(xì)胞對(duì)視覺(jué)信息的整合作用，深層細(xì)胞對(duì)淺層細(xì)胞由整合匯聚作用。研究表明70％的視頂蓋細(xì)胞對(duì)運(yùn)動(dòng)敏感，這些運(yùn)動(dòng)敏感神經(jīng)元中30％具有高度的方向選擇性。如果能夠模擬視頂蓋細(xì)胞的運(yùn)動(dòng)敏感特性及深層細(xì)胞對(duì)淺層細(xì)胞的整合匯聚作用，并將鷹眼的運(yùn)動(dòng)目標(biāo)檢測(cè)機(jī)制運(yùn)用于無(wú)人機(jī)空中加油中，將有可能從很大程度上提高運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性。本發(fā)明使用E-I網(wǎng)絡(luò)模型模擬鷹視頂蓋細(xì)胞感受野，計(jì)算圖像對(duì)應(yīng)的離頂蓋細(xì)胞響應(yīng)，并使用簡(jiǎn)單迭代線性聚類(lèi)超像素分割方法模擬鷹的深層視頂蓋細(xì)胞對(duì)淺層視頂蓋細(xì)胞響應(yīng)的匯聚作用，通過(guò)計(jì)算各超像素的仿鷹視頂蓋運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)得到加油機(jī)所在位置信息。

無(wú)人機(jī)加油過(guò)程中，視覺(jué)系統(tǒng)的圖像輸入數(shù)據(jù)可以看作是由基函數(shù)線性組合而成：

觀測(cè)數(shù)據(jù)向量X為輸入圖像塊得到的向量，其大小為P*1，P＝p²，p為在原圖像空間上正方形圖像塊的寬度；A是一組基向量構(gòu)成的矩陣，其大小為P*Q，即每個(gè)基向量的大小為P，共有Q個(gè)基向量；s為基函數(shù)系數(shù)，其大小為Q*1。編碼訓(xùn)練得到的基底是超完備的，s的變化將基函數(shù)線性組合起來(lái)以精確地表示輸入向量X。n為高斯分布的白噪聲。模擬鷹視頂蓋細(xì)胞的編碼過(guò)程即為A與s的求解過(guò)程，該問(wèn)題的目標(biāo)函數(shù)如下：

||X-As||²為重構(gòu)誤差，該誤差代表了基向量與基函數(shù)系數(shù)的編碼準(zhǔn)確度，亦是編碼有效性的表征。u(s_i)為稀疏函數(shù)，它決定了基函數(shù)系數(shù)s的稀疏程度，這種稀疏性是視覺(jué)系統(tǒng)能夠高速有效的工作的重要因素。λ是一個(gè)常數(shù)，用來(lái)決定誤差和稀疏函數(shù)的權(quán)衡。E-I網(wǎng)絡(luò)模型是一種稀疏編碼算法，該算法最初用于模擬初級(jí)視皮層細(xì)胞感受野與響應(yīng)特點(diǎn)。實(shí)驗(yàn)表明鷹視頂蓋細(xì)胞感受野與初級(jí)視皮層感受野均為中央興奮周邊抑制型，因此本發(fā)明將E-I網(wǎng)絡(luò)模型用于模擬鷹視頂蓋細(xì)胞感受野，并計(jì)算運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)。

本發(fā)明使用簡(jiǎn)單迭代線性聚類(lèi)超像素分割方法模擬鷹視頂蓋深層細(xì)胞對(duì)淺層細(xì)胞的整合匯聚作用，將具有高度相似性的像素作為一個(gè)整體進(jìn)行處理。簡(jiǎn)單迭代線性聚類(lèi)超像素分割方法首先按照設(shè)置的超像素大小，在圖像中均勻生成聚類(lèi)中心即種子節(jié)點(diǎn)。假設(shè)每個(gè)超像素包含M個(gè)像素，圖像中的像素總數(shù)為N，則可生成[N/M]([·]表示取整運(yùn)算)個(gè)超像素，每塊超像素的邊長(zhǎng)近似為隨后在聚類(lèi)中心附近n*n的鄰域內(nèi)對(duì)種子節(jié)點(diǎn)進(jìn)行重新選取，計(jì)算種子節(jié)點(diǎn)鄰域中各像素點(diǎn)的梯度值，并取梯度值最小的像素點(diǎn)作為新的種子節(jié)點(diǎn)，對(duì)每個(gè)種子節(jié)點(diǎn)鄰域內(nèi)的所有像素點(diǎn)分配其所屬的類(lèi)標(biāo)簽，確定出每個(gè)像素點(diǎn)的聚類(lèi)中心。對(duì)于每個(gè)像素點(diǎn)，分別計(jì)算它和種子節(jié)點(diǎn)的顏色距離d_c和空間距離d_s，并得出最終的距離度量D'，距離計(jì)算過(guò)程如下：

其中，為類(lèi)內(nèi)空間最大距離，N_c為最大顏色距離，最終的距離度量可表示為：

由于圖像中的每個(gè)像素點(diǎn)都會(huì)被多個(gè)種子節(jié)點(diǎn)搜索到，計(jì)算每個(gè)像素點(diǎn)與周?chē)N子點(diǎn)的距離，并去與其距離最小的種子節(jié)點(diǎn)作為該像素點(diǎn)的聚類(lèi)中心。將上述步驟重復(fù)迭代多次直到聚類(lèi)中心不發(fā)生變化。

三、

技術(shù)實(shí)現(xiàn)要素：

1、發(fā)明目的：

本發(fā)明提出了一種用于空中加油的仿鷹眼視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其目的是模擬鷹視頂蓋細(xì)胞對(duì)運(yùn)動(dòng)信息的處理機(jī)制及深層細(xì)胞對(duì)淺層細(xì)胞的整合匯聚作用，實(shí)現(xiàn)對(duì)受油口的準(zhǔn)確檢測(cè)，提供精確可靠的受油機(jī)動(dòng)態(tài)位置信息，為無(wú)人機(jī)空中加油視覺(jué)導(dǎo)航中的運(yùn)動(dòng)目標(biāo)檢測(cè)提供一種解決方案。

該方法使用簡(jiǎn)單迭代線性聚類(lèi)超像素分割方法模擬視頂蓋深層細(xì)胞對(duì)淺層細(xì)胞的整合匯聚作用，使用E-I網(wǎng)絡(luò)模型模擬鷹視頂蓋細(xì)胞的細(xì)胞感受野模型。首先通過(guò)加油機(jī)上裝載的攝像機(jī)獲取兩幀受油機(jī)圖像，然后利用Matlab軟件編寫(xiě)相應(yīng)算法，計(jì)算輸入的兩幀圖像所對(duì)應(yīng)的視頂蓋細(xì)胞響應(yīng)，對(duì)兩幀圖像的視頂蓋細(xì)胞響應(yīng)作差從而計(jì)算出運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)及其幅值，計(jì)算每個(gè)超像素內(nèi)的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)平均幅值。根據(jù)運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值進(jìn)行自適應(yīng)閾值分割，運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)較大的區(qū)域即為當(dāng)前受油機(jī)所在位置，將其輸出即可。

2、技術(shù)方案：

本發(fā)明所用的E-I網(wǎng)絡(luò)模型很好的模擬了具有方向選擇性的鷹視頂蓋細(xì)胞感受野，且具有細(xì)胞響應(yīng)稀疏、非監(jiān)督學(xué)習(xí)等特點(diǎn)，所用的簡(jiǎn)單迭代線性聚類(lèi)超像素分割方法能夠?qū)儆谕晃矬w的多個(gè)像素點(diǎn)聚類(lèi)到一個(gè)超像素中，并以此模擬鷹視頂蓋細(xì)胞由淺層到深層的匯聚作用，可保證檢測(cè)目標(biāo)完整性?；谠摲椒ㄩ_(kāi)發(fā)一種用于空中加油的仿鷹眼視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)方法，該方法的具體步驟如下：

步驟一：獲取受油機(jī)航拍圖像

在加油機(jī)上搭載攝像機(jī)及機(jī)載處理器，運(yùn)行相機(jī)連續(xù)采集程序，將加油機(jī)和受油機(jī)飛行至一定高度，加油機(jī)高度高于受油機(jī)，調(diào)整加油機(jī)視場(chǎng)角度使得拍攝得到航拍圖像中含有受油機(jī)及受油口。

步驟二：參數(shù)初始化

確定所需要的鷹眼視頂蓋細(xì)胞感受野(即基向量)個(gè)數(shù)Q，每個(gè)感受野的大小P，步驟一獲得的受油機(jī)航拍圖像空間上的圖像正方形塊寬度p，每個(gè)超像素包含的像素個(gè)數(shù)M，步驟一獲得的受油機(jī)航拍圖像寬度m、高度n、像素總數(shù)N＝m*n，最大顏色距離N_c，簡(jiǎn)單迭代線性聚類(lèi)超像素分割方法迭代次數(shù)iter。

步驟三：受油機(jī)航拍圖像超像素分割

使用簡(jiǎn)單迭代線性聚類(lèi)超像素分割方法對(duì)當(dāng)前幀受油機(jī)航拍圖像進(jìn)行超像素分割，并存儲(chǔ)每個(gè)超像素中所包含的像素點(diǎn)坐標(biāo)。

步驟四：受油機(jī)航拍圖像塊劃分

對(duì)步驟一采集到的受油機(jī)航拍圖像進(jìn)行灰度化，并對(duì)圖像大小進(jìn)行調(diào)整，將其寬度與高度均設(shè)置為感受野大小的整數(shù)倍，并分成與感受野濾波大小相同的圖像塊。

步驟五：計(jì)算單幀圖像的視頂蓋細(xì)胞響應(yīng)

對(duì)于步驟四中得到的各個(gè)圖像塊使用E-I網(wǎng)絡(luò)模型計(jì)算鷹視頂蓋細(xì)胞響應(yīng)。若步驟四中調(diào)整后的圖像寬度為p*w，高度為p*h，則該幅圖像共有w*h個(gè)圖像塊需要計(jì)算細(xì)胞響應(yīng)，每個(gè)圖像塊的細(xì)胞響應(yīng)為Q維。因此，最終計(jì)算得到的當(dāng)前幀圖像對(duì)應(yīng)的細(xì)胞響應(yīng)為w*h*Q的三維矩陣。

步驟六：計(jì)算下一幀圖像的細(xì)胞響應(yīng)

判斷當(dāng)前幀圖像是否為第一幀，若是則計(jì)算下一幀圖像的細(xì)胞響應(yīng)，計(jì)算方法同步驟五，計(jì)算完成后轉(zhuǎn)至步驟七。

步驟七：計(jì)算相鄰兩幀圖像的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)

將當(dāng)前圖像的細(xì)胞響應(yīng)與上一幀圖像的細(xì)胞響應(yīng)做差，得到w*h*Q三維的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)矩陣。

其中，表示當(dāng)前幀圖像中第[i,j]個(gè)圖像塊的第k維運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)。表示當(dāng)前幀圖像中第[i,j]個(gè)圖像塊的第k維細(xì)胞響應(yīng)。表示上一幀圖像中第[i,j]個(gè)圖像塊的第k維細(xì)胞響應(yīng)。使用該運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)與細(xì)胞感受野進(jìn)行卷積操作，可得到圖像對(duì)應(yīng)的運(yùn)動(dòng)復(fù)原圖。

步驟八：計(jì)算運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值

上一步所得的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)是一組w*h*Q的三維矩陣，對(duì)該矩陣求細(xì)胞響應(yīng)幅值，如第[i,j]個(gè)圖像塊的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值計(jì)算如下：

AR為w*h的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值矩陣。設(shè)置每個(gè)圖像塊的第一個(gè)像素點(diǎn)代表該圖像塊整體的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值，從而將運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值從w*h的二維矩陣轉(zhuǎn)換為(q*w)*(q*h)的二維矩陣。

步驟九：計(jì)算各超像素運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值

利用步驟三中超像素分割的結(jié)果，分別計(jì)算每個(gè)超像素內(nèi)部所有像素點(diǎn)的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值平均值，并將此平均值作為該超像素內(nèi)所有像素點(diǎn)對(duì)應(yīng)的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值，即屬于同一個(gè)超像素的所有像素點(diǎn)具有相同的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值。

步驟十：確定運(yùn)動(dòng)目標(biāo)圖像坐標(biāo)

本發(fā)明中將最大運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值的t倍(0＜t＜1)作為自適應(yīng)閾值進(jìn)行分割，將運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)大于該閾值的像素點(diǎn)設(shè)置為目標(biāo)區(qū)域，將其與像素點(diǎn)設(shè)置為背景區(qū)域。

步驟十一：儲(chǔ)存運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果

將目標(biāo)區(qū)域的圖像坐標(biāo)求均值，將該均值作為當(dāng)前的受油機(jī)運(yùn)動(dòng)目標(biāo)所在位置。在原圖中將該位置標(biāo)注出來(lái)，并存儲(chǔ)。同時(shí)判斷是否為最后一幀圖像，如果是最后一幀則結(jié)束計(jì)算，否則轉(zhuǎn)至步驟一。

3、優(yōu)點(diǎn)及效果：

本發(fā)明提出了一種用于空中加油的仿鷹眼視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)方法，為無(wú)人機(jī)空中加油應(yīng)用中的受油口檢測(cè)提供了一種解決方案。本方法使用編碼模型模擬鷹視頂蓋細(xì)胞感受野模型，計(jì)算運(yùn)動(dòng)目標(biāo)動(dòng)態(tài)細(xì)胞響應(yīng)，使用超像素分割方法模擬鷹視頂蓋深層細(xì)胞感受野對(duì)淺層細(xì)胞感受野的整合匯聚作用，通過(guò)對(duì)運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值的自適應(yīng)閾值分割提取受油機(jī)所在位置，為無(wú)人機(jī)空中加油中的目標(biāo)檢測(cè)提供了一種新思路。

四、附圖說(shuō)明

圖1本發(fā)明一種用于空中加油的仿鷹眼視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)方法的流程圖

圖2 100幀圖像運(yùn)動(dòng)目標(biāo)檢測(cè)得到運(yùn)動(dòng)軌跡

圖3 100幀圖像運(yùn)動(dòng)目標(biāo)真實(shí)運(yùn)動(dòng)軌跡

圖4 100幀圖像運(yùn)動(dòng)目標(biāo)檢測(cè)X方向的位置誤差，單位為像素

圖5 100幀圖像運(yùn)動(dòng)目標(biāo)檢測(cè)Y方向的位置誤差，單位為像素

圖中標(biāo)號(hào)及符號(hào)說(shuō)明如下：

N——不滿(mǎn)足條件(否)

Y——滿(mǎn)足條件(是)

五、具體實(shí)施方式

下面通過(guò)一個(gè)具體的無(wú)人機(jī)空中加油運(yùn)動(dòng)目標(biāo)檢測(cè)實(shí)例來(lái)驗(yàn)證本發(fā)明所提出方法的有效性。實(shí)驗(yàn)計(jì)算機(jī)配置為i7-4790處理器，3.60GHz主頻，4G內(nèi)存，軟件環(huán)境為R2013a版本的Matlab。

本實(shí)例的具體實(shí)現(xiàn)步驟如下：

步驟一：獲取受油機(jī)航拍圖像

在加油機(jī)上搭載Basler攝像機(jī)及NUC機(jī)載處理器，運(yùn)行相機(jī)連續(xù)采集程序，將加油機(jī)和受油機(jī)飛行至一定高度，加油機(jī)高度高于受油機(jī)，調(diào)整加油機(jī)視場(chǎng)角度使得拍攝得到航拍圖像中含有受油機(jī)。

步驟二：參數(shù)初始化

本發(fā)明將128個(gè)具有明顯方向選擇性的濾波核作為鷹眼視頂蓋細(xì)胞感受野，圖中的每個(gè)小方塊代表一個(gè)細(xì)胞感受野。故鷹眼視頂蓋細(xì)胞感受野(即基向量)個(gè)數(shù)為128，每個(gè)感受野濾波核的大小為14*14＝196，不同的感受野均具有不同的方向選擇性。步驟一獲取的受油機(jī)航拍圖像空間上的圖像正方形塊寬度為14，每個(gè)超像素包含的像素個(gè)數(shù)600，攝像機(jī)采集到的圖像是1292*964*3的彩色圖像，將其調(diào)整為322*238，即圖像寬度322，圖像高度238，圖像中的像素總數(shù)為76636，最大顏色距離為10，簡(jiǎn)單迭代線性聚類(lèi)超像素分割方法迭代次數(shù)10。

步驟三：受油機(jī)航拍圖像超像素分割

使用簡(jiǎn)單迭代線性聚類(lèi)超像素分割方法對(duì)當(dāng)前幀受油機(jī)航拍圖像進(jìn)行超像素分割，并存儲(chǔ)每個(gè)超像素中所包含的像素點(diǎn)坐標(biāo)。

步驟四：受油機(jī)航拍圖像塊劃分

為加快處理速度和便于計(jì)算，將步驟一采集到的受油機(jī)航拍圖像調(diào)整為322*238的灰度圖像，并將其分成23*17個(gè)14*14的圖像塊。

步驟五：計(jì)算單幀圖像的視頂蓋細(xì)胞響應(yīng)

對(duì)于步驟四中得到的各個(gè)圖像塊使用E-I網(wǎng)絡(luò)模型計(jì)算鷹視頂蓋細(xì)胞響應(yīng)。322*238的灰度圖像共有23*17個(gè)圖像塊需要計(jì)算細(xì)胞響應(yīng)，每個(gè)圖像塊的細(xì)胞響應(yīng)為128維。因此，最終計(jì)算得到的當(dāng)前幀圖像對(duì)應(yīng)的細(xì)胞響應(yīng)為23*17*128的三維矩陣。

步驟六：計(jì)算下一幀圖像的細(xì)胞響應(yīng)

判斷當(dāng)前幀圖像是否為第一幀，若是則計(jì)算下一幀圖像的細(xì)胞響應(yīng)，計(jì)算方法同步驟五，計(jì)算完成后轉(zhuǎn)至步驟七。

步驟七：計(jì)算相鄰兩幀圖像的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)

將當(dāng)前圖像的細(xì)胞響應(yīng)與上一幀圖像的細(xì)胞響應(yīng)做差，得到23*17*128三維的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)矩陣。

其中，表示當(dāng)前幀圖像中第[i,j]個(gè)圖像塊的第k維運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)。表示當(dāng)前幀圖像中第[i,j]個(gè)圖像塊的第k維細(xì)胞響應(yīng)。表示上一幀圖像中第[i,j]個(gè)圖像塊的第k維細(xì)胞響應(yīng)。使用該運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)與細(xì)胞感受野進(jìn)行卷積操作，可得到圖像對(duì)應(yīng)的運(yùn)動(dòng)復(fù)原圖。

步驟八：計(jì)算運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值

上一步所得的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)是一組23*17*128的三維矩陣，對(duì)該矩陣求細(xì)胞響應(yīng)幅值，如第[i,j]個(gè)圖像塊的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值計(jì)算如下：

AR為23*17的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值矩陣。設(shè)置每個(gè)圖像塊的第一個(gè)像素點(diǎn)代表該圖像塊整體的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值，從而將運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值從23*17的二維矩陣轉(zhuǎn)換為322*238的二維矩陣。

步驟九：計(jì)算各超像素運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值

利用步驟三中超像素分割的結(jié)果，分別計(jì)算每個(gè)超像素內(nèi)部所有像素點(diǎn)的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值平均值，并將此平均值作為該超像素內(nèi)所有像素點(diǎn)對(duì)應(yīng)的運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值。

步驟十：確定運(yùn)動(dòng)目標(biāo)圖像坐標(biāo)

本發(fā)明中將最大運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)幅值的0.9倍作為自適應(yīng)閾值進(jìn)行分割，將運(yùn)動(dòng)目標(biāo)細(xì)胞響應(yīng)大于該閾值的像素點(diǎn)設(shè)置為目標(biāo)區(qū)域，將其與像素點(diǎn)設(shè)置為背景區(qū)域。

步驟十一：儲(chǔ)存運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果

將目標(biāo)區(qū)域的圖像坐標(biāo)求均值，將該均值作為當(dāng)前的受油機(jī)運(yùn)動(dòng)目標(biāo)所在位置。在原圖中將該位置標(biāo)注出來(lái)，并存儲(chǔ)。判斷是否為最后一幀圖像，如果是最后一幀則結(jié)束計(jì)算，否則轉(zhuǎn)至步驟一。連續(xù)測(cè)試100幀圖像，并將各幀運(yùn)動(dòng)目標(biāo)的位置連接得到的運(yùn)動(dòng)軌跡，如圖2所示。圖3為該100幀圖像的目標(biāo)位置實(shí)際運(yùn)動(dòng)軌跡。圖4和圖5分別為X方向和Y方向的位置誤差，單位為像素。

由實(shí)例中的仿真結(jié)果可見(jiàn)，本發(fā)明提出的仿鷹眼視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)方法能夠準(zhǔn)確提取無(wú)人機(jī)硬式加油過(guò)程中的受油口，準(zhǔn)確確定受油口位置，該方法具有較高的準(zhǔn)確性和魯棒性。該仿鷹眼視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)方法可廣泛用于航空、航天、交通、機(jī)器人等領(lǐng)域。