一种基于图像质量的头盔自动定位系统及方法技术方案

一种基于图像质量的头盔自动定位系统及方法，包括步骤S1：摄像头图像采集端，用于采集头盔前方图像信息；步骤S2：传感器信息采集端，用于获取加速度、陀螺仪、头盔位置信息数据；步骤S3：物体识别模块，采用训练好的卷积神经网络对摄像头采集的图像进行实时物体识别，并对物体进行图像骨架标定；步骤S4：信息判断处理端根据物体主轴与水平线的角度θ以及加速度，对采集的图像进行整体映射，并传输至头盔视频显示模块显示；步骤S5：头盔视频显示模块，对信息判断处理端的信息进行显示。本申请创造性的将加速度加入到图像质量判断、图像显示角度更正等因素，此外，图像质量选择以及提取整体质量方面考虑加速度的影响，显著提升了智能头盔显示准确率。显示准确率。显示准确率。

【技术实现步骤摘要】
一种基于图像质量的头盔自动定位系统及方法


[0001]本专利技术涉及头盔智能
，具体地涉及一种基于图像质量的头盔自动定位系统及方法。

技术介绍

[0002]目前，现代化武器装备中，头盔不仅是一种保护装置，更是一种强大的信息平台。为了解决现代飞机及机上雷达等系统操纵日益复杂的问题，现代飞机普遍采用具有头盔位姿测量系统的头盔显示器。头盔位姿测量系统的关键技术之一是要准确、快速地测量头盔与机舱的相对位姿，将合适的影像输送到头盔显示器，使飞行员和机上设备能准确感知战场环境。且随着技术发展，智能头盔已经走入人们的日常生活中。更加智能、安全、低成本的头盔是智能出行设备的研究热点之一。
[0003]智慧城市建设不断的推进，智能化头盔的安全性和便捷性的研究越来越受重视。通过人工智能识别等方式进行智能头盔在运行保障复杂条件下的设备管控和系统维护，越来越受到欢迎。
[0004]从作战头盔装备上看，尽管己经有电磁式、机电式、视觉式等头盔位姿测量系统，但普遍存在与红外谱重叠、更新率慢、可靠性差，以及精度低等缺点，不能满足现代作战飞机的要求。
[0005]且现有的头盔显示主要考虑之间拍摄图像的显示，而对图像纠正以及考虑头盔运行速度、图像质量等方面考虑较少，且由于缺乏对光照、姿态、表情和图像质量变化的鲁棒性，在无约束条件下的头盔显示相对无效。

技术实现思路

[0006]为解决上述技术问题，本专利技术提供一种基于图像质量的头盔自动定位系统及方法，本专利技术的一种基于图像质量的头盔自动定位方法及系统显著提升了智能头盔的智能显示，自动姿态定位，且头盔的安全性和便捷性大大提升，增强了用户体验；其采用以下方式实现：
[0007]一种基于图像质量的头盔自动定位方法，包括
[0008]步骤S1：摄像头图像采集端，用于采集头盔前方图像信息；
[0009]步骤S2：传感器信息采集端，用于获取加速度、陀螺仪、头盔位置信息数据；
[0010]步骤S3：物体识别模块，采用训练好的卷积神经网络对摄像头采集的图像进行实时物体识别，并对物体进行图像骨架标定；所述对物体进行图像骨架标定包括提取识别出的物体图像骨架以及主轴，计算物体主轴与水平线的角度θ；
[0011]步骤S4：信息判断处理端根据物体主轴与水平线的角度θ以及加速度，对采集的图像进行整体映射，并传输至头盔视频显示模块显示；
[0012]步骤S5：头盔视频显示模块，对信息判断处理端的信息进行显示；
[0013]所述传感器信息采集端包括陀螺仪、加速度计、GPS定位；
[0014]在物体识别模块进行识别前还包括对图像进行预处理，包括提取图像整体信息，包括步骤：对摄像头采集的图像采用函数过滤，采用的函数为：
[0015][0016][0017]其中，σ0为初始图像尺度因子,σ为图像尺度因子，τ为加速度，(x,y)为图像像素横纵坐标，m为图像像素数；
[0018]所述对目标物体进行图像骨架标定前包括，根据图像中物体的图像质量选择目标物体，即选择图像中物体图像质量最高的为目标物体：
[0019]物体质量计算如下：
[0020]其中，r和h分别为两张图片对应的N*N窗口，u
r
、u
h
分别为r和h的均值，β
rh
为r和h的协方差；
[0021]所述训练好的卷积神经网络对摄像头采集的图像进行实时物体识别，包括识别高楼建筑、树木、人物、道路。
[0022]优选地，在物体识别模块进行识别前还包括对图像进行预处理，还包括对图像数据的滤波去噪，特征提取。
[0023]优选地，所述对采集的图像进行整体映射包括以主轴底边端点为轴，所有像素顺时针或逆时针旋转θ角度；当加速度大于设定阈值时，则相隔M帧进行图像处理显示。
[0024]优选地，所述对采用训练好的卷积神经网络对摄像头采集的图像进行实时物体识别前还包括，对图像进行矩阵向量化包括对获取的视频图像数据以及传感器数据进行数字化，具体的将视频图像数据的像素、坐标、采集时间进行编码形成向量矩阵。
[0025]优选地，所述传输至头盔视频显示模块显示，即头盔佩戴人员可以看屏幕即可实现周围环境的观察，且视角不随头盔角度变动而变动。
[0026]本专利技术还包括一种基于图像质量的头盔自动定位系统，包括摄像头图像采集端、传感器信息采集端、物体识别模块、信息判断处理端、头盔视频显示模块；所述物体识别模块采用训练好的卷积神经网络对摄像头采集的图像进行实时物体识别，并对物体进行图像骨架标定；所述传感器信息采集端包括陀螺仪、加速度计、GPS定位；
[0027]所述对物体进行图像骨架标定包括提取识别出的物体图像骨架以及主轴，计算物体主轴与水平线的角度θ；
[0028]所述信息判断处理端，根据物体主轴与水平线的角度θ以及加速度，对采集的图像进行整体映射，并传输至头盔视频显示模块显示；
[0029]在物体识别模块进行识别前还包括对图像进行预处理，包括提取图像整体信息，包括步骤：对摄像头采集的图像采用函数过滤，采用的函数为：
[0030][0031][0032]其中，σ0为初始图像尺度因子,σ为图像尺度因子，τ为加速度，(x,y)为图像像素横纵坐标，m为图像像素数；
[0033]所述对目标物体进行图像骨架标定前包括，根据图像中物体的图像质量选择目标物体，即选择图像中物体图像质量最高的为目标物体：
[0034]物体质量计算如下：
[0035]其中，r和h分别为两张图片对应的N*N窗口，u
r
、u
h
分别为r和h的均值，β
rh
为r和h的协方差；
[0036]所述训练好的卷积神经网络对摄像头采集的图像进行实时物体识别，包括识别高楼建筑、树木、人物、道路。
[0037]优选地，在物体识别模块进行识别前还包括对图像进行预处理，还包括对图像数据的滤波去噪，特征提取。
[0038]优选地，所述对采集的图像进行整体映射包括以主轴底边端点为轴，所有像素顺时针或逆时针旋转θ角度；当加速度大于设定阈值时，则相隔M帧进行图像处理显示。
[0039]优选地，所述对采用训练好的卷积神经网络对摄像头采集的图像进行实时物体识别前还包括，对图像进行矩阵向量化包括对获取的视频图像数据以及传感器数据进行数字化，具体的将视频图像数据的像素、坐标、采集时间进行编码形成向量矩阵。
[0040]优选地，所述传输至头盔视频显示模块显示，即头盔佩戴人员可以看屏幕即可实现周围环境的观察，且视角不随头盔角度变动而变动。
[0041]与现有技术相比，本专利技术的技术方案具有以下有益效果：
[0042]解决了传统技术中智能头盔自动化水平低，本申请创造性的将加速度加入到图像质量判断、图像显示角度更正等因素，通过卷积神经网络进行物体识别结合头盔的运动特性进行角度判断，大大增强了智能头盔的安全性、准确性。此外，图像质量选择以及提取整本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像质量的头盔自动定位系统，其特征在于，包括摄像头图像采集端、传感器信息采集端、物体识别模块、信息判断处理端、头盔视频显示模块；所述物体识别模块采用训练好的卷积神经网络对摄像头采集的图像进行实时物体识别，并对物体进行图像骨架标定；所述传感器信息采集端包括陀螺仪、加速度计、GPS定位；所述对物体进行图像骨架标定包括提取识别出的物体图像骨架以及主轴，计算物体主轴与水平线的角度θ；所述信息判断处理端，根据物体主轴与水平线的角度θ以及加速度，对采集的图像进行整体映射，并传输至头盔视频显示模块显示；在物体识别模块进行识别前还包括对图像进行预处理，包括提取图像整体信息，包括步骤：对摄像头采集的图像采用函数过滤，采用的函数为：像头采集的图像采用函数过滤，采用的函数为：其中，σ0为初始图像尺度因子,σ为图像尺度因子，τ为加速度，(x,y)为图像像素横纵坐标，m为图像像素数；所述对目标物体进行图像骨架标定前包括，根据图像中物体的图像质量选择目标物体，即选择图像中物体图像质量最高的为目标物体：物体质量计算如下：其中，r和h分别为两张图片对应的N*N窗口，u
r
、u
h
分别为r和h的均值，β
rh
为r和h的协方差；所述训练好的卷积神经网络对摄像头采集的图像进行实时物体识别，包括识别高楼建筑、树木、人物、道路。2.根据权利要求1所述的一种基于图像质量的头盔自动定位系统，其特征在于，在物体识别模块进行识别前还包括对图像进行预处理，还包括对图像数据的滤波去噪，特征提取。3.根据权利要求1所述的一种基于图像质量的头盔自动定位系统，其特征在于，所述对采集的图像进行整体映射包括以主轴底边端点为轴，所有像素顺时针或逆时针旋转θ角度；当加速度大于设定阈值时，则相隔M帧进行图像处理显示。4.根据权利要求1所述的一种基于图像质量的头盔自动定位系统，其特征在于，所述对采用训练好的卷积神经网络对摄像头采集的图像进行实时物体识别前还包括，对图像进行矩阵向量化包括对获取的视频图像数据以及传感器数据进行数字化，具体的将视频图像数据的像素、坐标、采集时间进行编码形成向量矩阵。5.根据权利要求1所述的一种基于图像质量的头盔自动定位系统，其特征在于，所述传输至头盔视频显示模块显示，即头盔佩戴人员可以看屏幕即可实现周围环境的观察，且视角不随头盔角度变动而变动。6.一种基于图像质量的头盔自动定位方法，其特征在于，包括步骤S1：摄像...

【专利技术属性】
技术研发人员：杞耀军，
申请(专利权)人：深圳康朋数字科技有限公司，
类型：发明
国别省市：