楊 璐，趙 昂

（1.西安航空職業(yè)技術(shù)學(xué)院，西安 710089；2.海豐通航科技有限公司，北京 100070）

引言

遠(yuǎn)程塔臺(tái)的概念最早出現(xiàn)在歐美學(xué)者提出的新一代空中交通管理系統(tǒng)中。它提供類似于遠(yuǎn)程直播的方式，綜合現(xiàn)有IT 技術(shù)實(shí)現(xiàn)對(duì)整個(gè)機(jī)場(chǎng)的運(yùn)行情況以及機(jī)場(chǎng)周邊環(huán)境的監(jiān)視[1]。遠(yuǎn)程塔臺(tái)的出現(xiàn)一方面解決了中小機(jī)場(chǎng)雖然占用時(shí)間少但仍需要配備一定數(shù)量的空管人員及設(shè)備的高成本問(wèn)題，另一方面使得大型繁忙機(jī)場(chǎng)的塔臺(tái)管制視覺(jué)盲區(qū)問(wèn)題有了較完善的解決方案。

在遠(yuǎn)程塔臺(tái)的應(yīng)用場(chǎng)景中，機(jī)場(chǎng)場(chǎng)面運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)跟蹤可有效降低管制員的工作負(fù)荷，并且結(jié)合機(jī)場(chǎng)的場(chǎng)面監(jiān)視系統(tǒng)可提供飛行器精確位置，以達(dá)到實(shí)時(shí)預(yù)警沖突的作用，有效保障機(jī)場(chǎng)安全運(yùn)行。目前運(yùn)動(dòng)目標(biāo)檢測(cè)主要使用視頻圖像處理的方式，運(yùn)動(dòng)目標(biāo)跟蹤是遠(yuǎn)程塔臺(tái)系統(tǒng)的關(guān)鍵技術(shù)，運(yùn)動(dòng)分割是運(yùn)動(dòng)目標(biāo)跟蹤的首要步驟。目前，能夠應(yīng)用于遠(yuǎn)程塔臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)的方法主要有光流法[2,3]、幀差法[4]和背景差分法[5]等。其中，陳昭炯[6]提出了基于背景抑制顏色分布新 模型的合成式目標(biāo)跟蹤算法，解決了背景干擾問(wèn)題，提高了準(zhǔn)確性。李子彥[7]使用HOG 特征的方法，采用目標(biāo)識(shí)別的方式用于運(yùn)動(dòng)車輛的檢測(cè)，可以更好地滿足特種類別的目標(biāo)的跟蹤。徐國(guó)標(biāo)[8]基于YOLO 改進(jìn)算法，在遠(yuǎn)程塔臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)領(lǐng)域達(dá)到了提高檢測(cè)準(zhǔn)確性和速度的目標(biāo)。雖然，基于以上運(yùn)動(dòng)檢測(cè)方法提出了各種改進(jìn)算法，但仍存在一些明顯的不足，比如光流法存在計(jì)算量大且抗噪聲能力差的問(wèn)題；背景差分法比較適合固定背景的場(chǎng)景，并不適用于機(jī)場(chǎng)的環(huán)境；幀差法算法簡(jiǎn)單但可靠性不高，無(wú)法有效判定運(yùn)動(dòng)方向。為了提高運(yùn)動(dòng)分割的穩(wěn)定性和實(shí)時(shí)性，本文采用運(yùn)動(dòng)歷史圖像來(lái)做運(yùn)動(dòng)分割，進(jìn)而用于機(jī)場(chǎng)場(chǎng)面運(yùn)動(dòng)目標(biāo)的自動(dòng)跟蹤。

1 運(yùn)動(dòng)歷史圖像飛行器運(yùn)動(dòng)分割算法

Bobick 和Davis[4]提出了運(yùn)動(dòng)能量圖（Motion Energy Image，MEI）的概念，用來(lái)記錄物體運(yùn)動(dòng)時(shí)目標(biāo)像素點(diǎn)空間的位置變化。MEI 圖像是二值圖像，僅能顯示運(yùn)動(dòng)的輪廓和能量的空間分布。因此，在基于此研究的基礎(chǔ)上，Bobick 和Davis又進(jìn)一步提出了運(yùn)動(dòng)歷史圖（Motion History Image，MHI），此概念基于視覺(jué)灰度圖像將前景與背景分離，從而實(shí)現(xiàn)運(yùn)動(dòng)分割的目的。根據(jù)連續(xù)圖像序列在時(shí)間上進(jìn)行疊加，對(duì)運(yùn)動(dòng)過(guò)程提供完整的描述，保留了較多的運(yùn)動(dòng)信息，可以很好地記錄前景的運(yùn)動(dòng)歷史，可以揭示隨著時(shí)間行進(jìn)物體位移的變化情況，而物體的位移進(jìn)一步表明了運(yùn)動(dòng)矢量方向，為下一步進(jìn)行運(yùn)動(dòng)的預(yù)測(cè)提供了基礎(chǔ)。此外，MHI 算法對(duì)光照的適應(yīng)性較強(qiáng)。

MHI 首先通過(guò)幀間差分法得到t時(shí)刻與t-1時(shí)刻圖像幀I（x,y,t）與I（x,y,t-1）在位置（x,y）處的二值差分圖[9]：

其中C為閾值，表明了二值差分圖D（x,y,t）生成時(shí)圖像對(duì)場(chǎng)景變化的敏感程度。C的選擇直接影響了二值圖的質(zhì)量，包括影響噪聲的多少和前景圖的顯示質(zhì)量。

對(duì)于遠(yuǎn)程塔臺(tái)的應(yīng)用場(chǎng)景來(lái)說(shuō)，飛行器地面滑行并不快，按照目前的規(guī)定速度低于50km/h，而且遠(yuǎn)程塔臺(tái)攝像機(jī)一般居于機(jī)場(chǎng)的高點(diǎn)位置。另外，為了覆蓋機(jī)場(chǎng)飛行區(qū)，遠(yuǎn)程塔臺(tái)攝像機(jī)一般會(huì)和地面、滑行道及跑道保持相當(dāng)?shù)木嚯x。所以，閾值C不宜取太低。

MHI 可以通過(guò)以下公式計(jì)算：

式中，（x,y）為像素點(diǎn)坐標(biāo)，t為時(shí)間，在遠(yuǎn)程塔臺(tái)的視頻數(shù)據(jù)中即為視頻的幀數(shù)。σ為給定的像素值，它控制著 MHI 包含的運(yùn)動(dòng)信息衰減到0這一持續(xù)時(shí)間的長(zhǎng)短：σ太小，會(huì)隨著衰減參數(shù)δ的減少更快地減少到0，從而淹沒(méi)在背景中，丟失運(yùn)動(dòng)的部分信息；σ太大，則像素值強(qiáng)度變化不明顯，難以判斷確切的運(yùn)動(dòng)方向。δ為衰退參數(shù)，值越大則衰退得越快，對(duì)于視頻圖像序列中的一個(gè)像素點(diǎn)而言，若其形態(tài)沒(méi)有變化或者由運(yùn)動(dòng)轉(zhuǎn)為靜止，則該點(diǎn)的像素值減去δ，在MHI的計(jì)算過(guò)程中δ的取值一般為1，但在不同的應(yīng)用場(chǎng)景中δ的值會(huì)影響MHI 攜帶的關(guān)鍵信息量[10]。因此σ和δ的參數(shù)設(shè)定均需要通過(guò)實(shí)驗(yàn)來(lái)驗(yàn)證取值，以適應(yīng)遠(yuǎn)程塔臺(tái)的應(yīng)用場(chǎng)景。

經(jīng)過(guò)以上處理后，將 MHI 圖像進(jìn)行重新生成，使其歸一化為取值范圍是 0 至 255 的灰度圖。最終的結(jié)果是得到運(yùn)動(dòng)物體亮度從黑到白的灰度圖，其從暗到明的方向即表示運(yùn)動(dòng)的矢量方向。變化越確切，攜帶的歷史運(yùn)動(dòng)信息則越多[11]。

2 實(shí)驗(yàn)與結(jié)果分析

選取在某機(jī)場(chǎng)部署的遠(yuǎn)程塔臺(tái)作為實(shí)驗(yàn)環(huán)境，在塔臺(tái)頂部部署攝像機(jī)組來(lái)進(jìn)行跑道視頻的錄取以及拼接工作，實(shí)驗(yàn)對(duì)象為在跑道上滑行的飛機(jī)。

民航機(jī)場(chǎng)的運(yùn)行環(huán)境多樣化，包括晴天、雨雪天氣、霧霾天氣等，在不同的氣象條件下，機(jī)場(chǎng)的運(yùn)行標(biāo)準(zhǔn)是不同的，故遠(yuǎn)程塔臺(tái)的應(yīng)用標(biāo)準(zhǔn)也需要適應(yīng)當(dāng)?shù)氐臍庀髼l件。本研究暫不考慮不同氣象條件下的圖像預(yù)處理問(wèn)題，設(shè)定實(shí)驗(yàn)所處氣象條件為晴天，且機(jī)場(chǎng)能見(jiàn)度為CAVOK 條件。實(shí)驗(yàn)場(chǎng)景如圖1所示。

圖1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)環(huán)境中跑道上的一架飛機(jī)為即將起飛的飛機(jī)，左側(cè)的兩架飛機(jī)為等待起飛的飛機(jī)，等待起飛的飛機(jī)靜止不動(dòng)，待跑道上清空后才會(huì)進(jìn)行起飛動(dòng)作。跑道上的飛機(jī)沿跑道進(jìn)行加速起飛動(dòng)作，在視頻的第一秒到第十秒，飛機(jī)從起飛位置開(kāi)始運(yùn)動(dòng)，直到滑出畫(huà)面。

根據(jù)MHI 算法原理，首先調(diào)整參數(shù)σ=50、δ=30、C=40。圖像處理結(jié)果如圖2所示。

圖2 σ=50、δ =30、C=40 的處理結(jié)果

由實(shí)驗(yàn)結(jié)果可見(jiàn)，由于σ取值較小，所得圖像只保留了最近的一個(gè)飛機(jī)運(yùn)動(dòng)輪廓。這是由于當(dāng)前幀中飛機(jī)的像素點(diǎn)運(yùn)動(dòng)狀態(tài)發(fā)生改變，而MHI 中該區(qū)域像素點(diǎn)灰度值設(shè)為σ，前序的MHI圖像被淹沒(méi)到了背景中。該結(jié)果丟失了部分運(yùn)動(dòng)信息，無(wú)法判斷飛機(jī)的運(yùn)動(dòng)方向。另外，衰退參數(shù)δ的取值為30，根據(jù)實(shí)驗(yàn)結(jié)果判斷，δ也間接造成了衰退的程度過(guò)快，歷史圖像被更快地淹沒(méi)于背景中，也進(jìn)一步造成了運(yùn)動(dòng)信息的丟失。C是將圖像二值化的閾值，針對(duì)機(jī)場(chǎng)的環(huán)境影響，C過(guò)小可能會(huì)噪聲較多，C太大又可能造成前景信息的丟失，經(jīng)實(shí)驗(yàn)，C選取40 是一個(gè)相對(duì)合理的值，噪聲相對(duì)較少，同時(shí)前景可保留并進(jìn)行進(jìn)一步處理。

進(jìn)一步調(diào)整參數(shù)σ=100、δ=20、C=40，實(shí)驗(yàn)結(jié)果見(jiàn)圖3。

實(shí)驗(yàn)結(jié)果表明，σ參數(shù)的增大有效提高了前景圖像的輪廓可見(jiàn)度，同時(shí)由于δ參數(shù)的降低，運(yùn)動(dòng)歷史圖的衰減速度有一定程度的降低，圖像給出了較多的運(yùn)動(dòng)信息。但顯示出的三個(gè)飛機(jī)的歷史運(yùn)動(dòng)圖還不足以支撐確定飛機(jī)的運(yùn)動(dòng)方向，而在遠(yuǎn)程塔臺(tái)的應(yīng)用中，飛機(jī)的運(yùn)動(dòng)方向是較為重要的數(shù)據(jù)支撐，運(yùn)動(dòng)方向直接影響場(chǎng)面監(jiān)控的沖突告警和駛?cè)虢麉^(qū)提前預(yù)警。

圖3 σ=100、δ=20、C=40 的處理結(jié)果

為了能夠給出更多的運(yùn)動(dòng)信息，進(jìn)行參數(shù)的進(jìn)一步調(diào)優(yōu)，當(dāng)σ=255、δ=15、C=40 時(shí)，我們發(fā)現(xiàn)飛行器的運(yùn)動(dòng)信息可以得到較多的保留，同時(shí)衰減速度也達(dá)到了一個(gè)較為合理的情況。此時(shí)可以保留至少四個(gè)歷史圖像，而σ=255 也可以將當(dāng)前的飛行器前景信息更明顯地區(qū)分出來(lái)，為下一步進(jìn)行運(yùn)動(dòng)跟蹤提供了良好的基礎(chǔ)。參數(shù)為σ=255、δ=15、C=40 時(shí)的實(shí)驗(yàn)結(jié)果如圖4所示。

圖4 σ=255、δ=15、C=40 的處理結(jié)果

經(jīng)過(guò)多輪對(duì)比實(shí)驗(yàn)，結(jié)果表明，在CAVOK氣象條件下，因?yàn)楣庹粘渥?，運(yùn)動(dòng)目標(biāo)和背景圖像對(duì)比明顯。為了能夠充分地表達(dá)運(yùn)動(dòng)信息，需要為MHI 提供一個(gè)相對(duì)較大的σ值和相對(duì)較小的δ值，而值的選取需要針對(duì)不同的時(shí)刻以及天氣波動(dòng)情況動(dòng)態(tài)調(diào)整。另外，為了兼顧去除噪聲和保留前景信息，需要一個(gè)適中的C值。當(dāng)然針對(duì)不同的機(jī)場(chǎng)以及氣象條件，參數(shù)是需要做出相應(yīng)調(diào)整的，在積累大量經(jīng)驗(yàn)數(shù)據(jù)的前提下，遠(yuǎn)程塔臺(tái)系統(tǒng)可以通過(guò)數(shù)據(jù)統(tǒng)計(jì)的方式來(lái)自動(dòng)選取參數(shù)。所以，在實(shí)際應(yīng)用中還需要針對(duì)不同機(jī)場(chǎng)的遠(yuǎn)程塔臺(tái)進(jìn)行參數(shù)調(diào)優(yōu)，以期達(dá)成完好的飛機(jī)跟蹤效果。

實(shí)驗(yàn)最后，根據(jù)MHI 圖像的處理結(jié)果，對(duì)原圖進(jìn)行外接矩形繪制，并繪制出運(yùn)動(dòng)矢量方向，如圖5所示。

圖5 飛行器跟蹤結(jié)果

對(duì)跑道頭、跑道中、跑道尾三個(gè)攝像機(jī)的拼接圖像分別進(jìn)行處理。根據(jù)不同的機(jī)型，將跑道進(jìn)行等分，按照實(shí)際跟蹤距離換算，跟蹤距離達(dá)到總距離90%的認(rèn)為是有效跟蹤，根據(jù)總的飛機(jī)數(shù)量和有效跟蹤的飛機(jī)數(shù)量來(lái)計(jì)算飛機(jī)跟蹤成功率。實(shí)驗(yàn)統(tǒng)計(jì)結(jié)果見(jiàn)表1。

表1 不同機(jī)型和地點(diǎn)實(shí)驗(yàn)統(tǒng)計(jì)表

所有實(shí)驗(yàn)在機(jī)場(chǎng)從日出到日落的不連續(xù)運(yùn)行時(shí)段中完成。根據(jù)機(jī)場(chǎng)指揮調(diào)度系統(tǒng)中的航班運(yùn)行時(shí)刻表，選擇不同的機(jī)型分別進(jìn)行實(shí)驗(yàn)。由實(shí)驗(yàn)統(tǒng)計(jì)結(jié)果可見(jiàn)，雖然跑道頭和跑道中的飛機(jī)在地面滑行相對(duì)速度較快，但不論機(jī)型是A380 這樣的大型機(jī)還是A320 這類小型機(jī)，本研究提出的算法均可以有效地對(duì)其進(jìn)行跟蹤。對(duì)于跑道尾的飛行器，由于大型飛行器滑跑距離較長(zhǎng)，起飛距離長(zhǎng)，所以相對(duì)攝像機(jī)的速度也較快，即使飛機(jī)起飛后還可以進(jìn)行有效跟蹤。對(duì)于類似B737 這樣的小型飛機(jī)，起飛距離短，很快就起飛，而且起飛后根據(jù)飛行程序進(jìn)行轉(zhuǎn)彎等動(dòng)作，因此該類機(jī)型與攝像機(jī)的相對(duì)速度比較慢，本算法跟蹤成功率較低。

3 結(jié)論

基于運(yùn)動(dòng)歷史圖（MHI）的算法可以有效地進(jìn)行運(yùn)動(dòng)物體的檢測(cè)和跟蹤，在遠(yuǎn)程塔臺(tái)管制的應(yīng)用場(chǎng)景中，需要針對(duì)不同機(jī)場(chǎng)的環(huán)境和遠(yuǎn)程塔臺(tái)管制位置調(diào)整MHI 算法參數(shù)，通過(guò)在機(jī)場(chǎng)不同跑道區(qū)域以及不同機(jī)型的對(duì)比實(shí)驗(yàn)，證明了該算法的有效性，實(shí)驗(yàn)結(jié)果為遠(yuǎn)程塔臺(tái)中的飛行器自動(dòng)跟蹤和沖突預(yù)警提供了數(shù)據(jù)支撐，為遠(yuǎn)程塔臺(tái)的應(yīng)用奠定了技術(shù)基礎(chǔ)。由于不同機(jī)場(chǎng)環(huán)境、氣象環(huán)境及遠(yuǎn)程塔臺(tái)部署位置的差異性，下一步還將對(duì)算法普適性進(jìn)行研究，并探索其他算法在機(jī)場(chǎng)運(yùn)行環(huán)境下的適應(yīng)性。