一种基于红外目标识别的鸟类检测跟踪方法与系统

技术领域

本发明属于自动化工程技术领域，具体地说是一种基于红外目标识别的鸟类定向跟踪驱散自动化系统。

背景技术

近年来，变电站、换流站鸟患愈发严重，这是因为变电站中一些设备发热温暖而适合鸟类生存活动，极易吸引鸟类，从而引发鸟害。此前只能通过加强变电站主变结构、线路门型架构等结构的鸟害防治。以往对鸟害的防止主要以治理和拆除为主，整个处理过程显得非常被动，鸟害防治工作效率不高。

同时，目前也在变电站等场合推广了一些鸟害防治措施。已有的鸟害防治措施主要分为预防、疏散和驱散三类。其中预防是指对设备的绝缘化处理，如加装防鸟刺、防鸟挡板、防鸟封堵盒及防鸟针板等。此类方法在初期起到不错的效果，但随时间的延长，鸟类适应环境，设备清理和维护受到极大的限制。疏散鸟类是指以安装人造鸟巢、安装栖息架等方式降低鸟类种群在变电站等场合的密度。驱散鸟类则是以声光电为代表的物理方式或是专用生物驱鸟剂进行驱散。目前，为了达到最优的防治效果，预防、疏散和驱散三种方式需要综合使用，尤其是鸟类驱散，作为保障设备远离鸟患的最后一道屏障，其有效性和可靠性尤为重要。

发明内容

为解决上述问题，针对目前的驱散鸟类方法的缺乏指向性，鸟类容易快速适应的特点，设计了一套基于红外目标识别的鸟类检测跟踪系统，该系统包括了装置设计和检测算法研究。

本发明为实现上述目的所采用的技术方案是：一种基于红外目标识别的鸟类检测跟踪方法，包括以下步骤：

对视频图像序列进行基于背景差分的运动目标检测，得到视频图像序列中每一帧图像的前景和背景，前景即为目标；

对于目标，通过窗口局部亮度差以获取目标与背景的差异，得到鸟类目标。

所述对采集的图像进行基于背景差分的运动目标检测，得到视频图像序列中每一帧图像的前景和背景，包括以下步骤：

将输入视频图像序列中的每一帧图像与背景模型进行比较：若图像的像素信息与背景模型的像素信息匹配，则标记为背景点；否则归类为前景点；

所述背景模型表示如下：

B(x

其中，N表示样本个数，B

对于从第二帧图像开始的每一帧图像，计算当前帧图像x

当所述距离差值在阈值范围R内，且符合阈值范围的背景模型中的样本个数不少于#

其中，F(x

所述像素信息为灰度值或红外图像灰度值。

对于视频图像序列，统计像素点x

所述通过窗口局部亮度差以获取目标与背景的差异，包括以下步骤：

对于目标，引入一组多尺度窗口，包括同一中心的多个内窗和对应的外窗；

通过固定外窗、取不同大小的中心像素邻域作为内窗，分别计算每个内窗及与之相邻的外窗之间的局部亮度差；

对于一组多尺度窗口，最大的亮度差作为窗口中心点的多尺度局部亮度差：

其中，E(x,y)表示多尺度局部亮度差，x,y表示像素，k＝1,2,...,K，K是窗口的数量；集合Θ

当E(x,y)大于阈值时，该多尺度局部亮度差所对应的内窗内目标即为鸟类目标。

对于外窗大小为(2k+1)×(2k+1)，内窗个数取k-1个。

当鸟类目标被检测到时，得到鸟类目标在图像坐标系中的表示(u

所述控制相机的俯仰与偏航方向的转角，使(u

通过俯仰-偏航角与鸟类目标跟踪的控制模型，得到θ

其中：f为相机焦距；L表示鸟类目标点与相机、在与相机成像面垂直的平面上的距离；Xi、Yi分别为鸟类目标点到相机安装点的水平与垂直距离；θ

一种基于红外目标识别的鸟类检测跟踪系统，包括：机械子系统以及设于机械子系统上的控制子系统和感知子系统；

其中，机械子系统包括：底座安装板、驱鸟炮底座和驱鸟炮炮筒；所述驱鸟炮底座设于底座安装板上；

控制子系统包括：主控制箱、二维电动转台、和控制点火器；所述主控制箱设于驱鸟炮底座上，所述控制点火器设于驱鸟炮炮筒外壁；

感知子系统包括：红外相机；所述红外相机设于驱鸟炮炮筒上；

所述控制子系统中二维电动转台通过法兰盘安装在驱鸟炮底座上，二维电动转台上设有驱鸟炮底座安装板；所述驱鸟炮炮筒通过连接件与驱鸟炮底座安装板连接，实现二维电动转台带动驱鸟炮炮筒进行周向、俯仰转动；从而控制红外相机捕捉鸟类图像；

所述主控制箱，用于根据红外相机捕捉鸟类图像进行鸟类检测跟踪，当鸟类目标被检测到时，通过二维电动转台控制相机的俯仰与偏航方向的转角，实现鸟类目标的跟踪；控制控制点火器以炮击鸟类。

所述红外相机成像平面法线与炮筒中心轴线平行。

本发明具有以下有益效果及优点：

1.本发明采用红外方式进行鸟类目标识别，运算速度快，识别准确率高，算法采用红外信息确认动物目标，尤其可以对于喜鹊、鹰隼、乌鸦等多种大中型鸟类进行识别，算法鲁棒性就好。

2.本发明通过红外相机获取图像，运用提出的局部亮度差方法对鸟类目标进行识别，并基于多帧图像开展鸟类飞行连续性与大小稳定性校验，经过一系列的处理，达到精准识别鸟类的预期效果，便于后续鸟类的定向跟踪。

3.红外相机与驱鸟炮采用同轴安装方式，下方设置有二维电动转台，基于检测到的鸟类目标位置，采用控制算法调节转台俯仰角与偏航角，可使鸟类目标趋近于图像中心位置，从而使驱鸟炮最大强度对鸟类进行驱散。

4.本发明结构简单，硬件设备仅需要红外相机和一门具备二维转向功能的设备，因用途而异。设备可以根据实际需要进行位置调整，安装灵活方便。

附图说明

图1为本发明中驱鸟设备的结构示意图；

其中，1底座安装板、2主控制箱、3驱鸟炮底座、4法兰盘、5二维电动转台、6驱鸟炮炮筒、7控制点火器、8红外相机；

图2为本发明中驱鸟设备控制流程图；

图3为本发明中驱鸟过程像素坐标系下的目标位置示意图；

图4为本发明的驱鸟流程中定向跟踪示意图；

图5基于多尺度局部亮度差的目标识别方法示意图；

图6基于多帧图像的鸟类目标定位算法流程图；

图7a为本发明中单个目标识别示意图；

图7b为图7a的局部放大图；

图8a为本发明中多个目标识别示意图；

图8b为图8a的局部放大图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

本发明根据红外图像对复杂环境下的鸟类进行目标识别跟踪，根据检测出的鸟类目标位置信息并判断鸟类的飞行轨迹，从而调整二维云台姿态，对鸟类目标进行跟踪和指向性驱散。此系统主要用于变电站、果木种植、机场等特定区域的鸟类驱散，系统对于鸟类的识别率高，执行驱散效果稳定，针对性的驱鸟作业可以有效降低鸟类适应而造成的驱鸟失效。

(1)装置设计

驱鸟装置(如图1)由机械子系统、控制子系统和感知子系统构成。

其中，机械子系统包括：底座安装板、驱鸟炮底座和驱鸟炮炮筒；

控制子系统包括：主控制箱、二维电动转台、和控制点火器；

感知子系统包括：红外相机；

所述的一种基于红外目标识别的鸟类检测跟踪系统，其特征在于，所述控制子系统中二维电动转台的底座通过支柱安装在驱鸟炮底座上，二维电动转台上设有驱鸟炮底座安装板；所述驱鸟炮底座安装板上通过连接件与炮筒外壁上的衔铁铰接，实现二维电动转台带动炮筒进行周向、俯仰转动；

所述的一种基于红外目标识别的鸟类检测跟踪系统，通过红外相机采集图像信息，并通过视觉算法进行鸟类目标的识别与定位，红外相机的光轴与驱鸟炮指向方向同轴，一同安装在二维电动转台上。当红外图像中出现鸟类目标时，通过计算鸟类目标距离图像中心的位置，并通过控制算法调节二维电动转台，使得鸟类目标趋近于图像中心原点，达到驱鸟炮指向鸟类目标的目的；

二维电动转台通过炮筒外壁上的衔铁铰接，控制炮筒进行周向、俯仰转动从而控制红外相机捕捉鸟类图像。

所述红外相机为能识别鸟类目标的红外相机。其中红外相机成像平面法线与炮筒中心轴线平行。通过调节俯仰角与偏航关节角可以实现对鸟类的跟踪和最大驱散强度的指向性驱散。

(2)检测算法

鸟群捕获属于运动平台红外成像条件下的微小目标捕获问题，一方面需要处理好平台运动导致的背景图像的虚假运动和目标的真实运动；另一方面需要解决噪声干扰以及红外成像非均匀问题导致的帧间像素亮度差异问题。针对以上问题，本项目采用的捕获识别方法分为两个阶段。

第一阶段为背景差分的运动目标检测，平台需处于静止状态，项目背景一般情况下为干净的天空，所以可将进入视野的第一个运动目标视为鸟。

基于背景差分的红外小目标检测是把区分前景目标和背景看成一个二分类问题。把输入视频图像序列中的每一帧与背景模型作比较，若像素信息与模型匹配，则标记为背景点；否则归类为前景点。具体而言，分为3个步骤：背景建模、前景点分割和背景模型更新。

建立背景模型就是模型样本值的填充过程，是该算法的第一步。由于背景不是固定不变的，单一模型样本不能适应背景变化，因此需要多个样本来描述背景。对任一像素点x

B(x

共N个样本。B

从第二帧开始，计算x

由于背景差分法基于像素做图像处理，其处理结果含有大量离散的错误前景点。本方法加入前景点计数模块修正检测分割结果：统计像素点x

为了每帧前景背景分割处理时目标能被准确分割为前景，背景模型要能适应背景的变化、描述当前的背景状况。因此模型更新尤为重要。本专利采用ViBe的随机更新策略：对判定为背景的点，用当前像素值随机取代一个模型样本值，使得在不增加样本量的条件下，模型在更长的时间跨度内有效；同时以一定概率随机更新背景点邻域像素的一个背景模型。这是利用空间传输特性，使背景扩散开来，可以逐渐消除错误前景点。

第二阶段为系统捕捉到运动目标后，平台开始根据目标位置进行跟踪，此时将进行单帧小目标检测。为了提高检测速率，仅选取运动目标周围256*256像素的图像进行检测。

单帧小目标检测主要是寻找目标与背景的差异性判别准则。通常鸟群目标区域与它周围邻域存在明显不同，且目标是连续的、亮度集中的一片小区域，因此检测的关键是寻找目标像素与其邻域像素的差异性。

计算局部亮度差可以有效得到目标与背景的差异。局部亮度差是指中心像素周围像素点的均值与其外围像素均值的差异，通过固定大小的窗口，取中心像素周围一个小的内窗计算灰度均值，再计算更大范围的外窗像素的灰度均值，两者差的绝对值即局部亮度差。

由于目标大小不确定，固定的内窗和外窗大小无法满足实际应用，需要引入多尺度信息。根据小目标的定义，小目标占2x2到8x8个像素之间，我们通过固定外窗，取不同大小的中心像素邻域作为内窗，分别计算内窗与内外窗之间的局部亮度差，以它们之间最大的亮度差做为该中心点的多尺度局部亮度差，如图5所示。

具体公式为：

/>

其中，k＝1,2,...,K。集合Θ

由于发电站存在大量发热设备，使得判断亮度差值时会误将一些发热设备的节点当作目标，所以在获得较亮目标后还需要进行孤立目标判断。通过自适应阈值的方法将范围图像进行二值化处理，并计算每个目标连通域的大小，由于鸟群目标一般呈现圆点状，故连通域尺寸较大的目标即可排除，检测方法流程图如图6所示。

整个系统框架(如图1)所示，红外相机与驱鸟设备保持同轴，安装在二维转台上方，通过调节俯仰角θ

如图2所示，控制系统根据鸟类当前目标位置(u

当鸟类目标在图像中被检测到时，可以通过检测算法反馈得到目标在图像坐标系中的表示(u

通过相机成像原理可以建立俯仰-偏航角与鸟类目标跟踪的控制模型，(如图4)所示。由于二维云台俯仰-偏航运动完全解耦，并且分别与图像中的U、V对应。可以按照下述公式建立控制模型。

同理可求：

其中：

f——相机焦距；

Xi、Yi——鸟类目标点到相机安装点的水平与垂直距离；

θ

u

u

v

如图7a、图7b所示，该算法检测单一目标时，可以根据单一目标的鸟类位置进行跟踪驱散。

如图8a、图8b所示，该算法同样适用于多个目标的检测，当出现鸟群时，可以同时检测多个鸟类位置，此时为了达到最佳驱散效果，可以选取鸟群的中心位置，即各鸟类目标的几何中心点进行驱散。

以上所述仅为本发明的实施方式，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、扩展等，均包含在本发明的保护范围内。