一种基于眼动追踪的雷达动态目标标定方法及系统

摘要

本发明提供一种基于眼动追踪的雷达动态目标标定方法及系统，包括：获取雷达界面中航空器实时的地理坐标数据与屏幕坐标数据；获取眼动注视点数据，在雷达界面中标定注视点静态区域；建立地理坐标与屏幕坐标转换模型，根据所述转换模型标定动态目标区域。本发明实时监测管制员的眼部生理参数，将眼部测量数据与航空器实时位置信息拟合，标定雷达屏幕中动态目标，辨别管制员注意资源的分配，提升了对航空器指挥调配的及时性和可靠性。

权利要求

1.一种基于眼动追踪的雷达动态目标标定方法，其特征在于，包括：S1、获取雷达界面中航空器实时的地理坐标数据与屏幕坐标数据；

S2、获取眼动注视点数据，在雷达界面中标定注视点静态区域；

S3、建立地理坐标与屏幕坐标转换模型，根据所述转换模型标定动态目标区域。

2.根据权利要求1所述的基于眼动追踪的雷达动态目标标定方法，其特征在于，所述步骤S1中：以雷达界面更新频率为采样周期，获取雷达界面中航空器的地理坐标数据；

利用鼠标点击所述雷达界面获取相应航空器的屏幕坐标数据；

同一航空器的地理坐标数据与屏幕坐标数据一一对应存储。

3.根据权利要求1所述的基于眼动追踪的雷达动态目标标定方法，其特征在于，所述步骤S2中：S201、根据预设注视时长，依据雷达界面的范围获取注视点数据并初步筛选注视点；

S202、根据预设标定窗口框取雷达界面中航空器所在区域位置数据，并将该区域内的注视点坐标数据以航空器所在坐标数据为原点进行标准化处理；

S203、将所述标准化处理后的注视点数据作为输入参量，通过改进的具有噪声的基于密度的聚类算法对注视点进行聚类形成注视点数据簇；

S204、对所述注视点数据簇利用凸包算法对其提取凸包顶点，相邻凸包顶点连接构成目标区域。

4.根据权利要求3所述的基于眼动追踪的雷达动态目标标定方法，其特征在于，所述步骤S201中：对于不在雷达界面中的注视点，将其视为噪声点进行删除。

5.根据权利要求3所述的基于眼动追踪的雷达动态目标标定方法，其特征在于，所述步骤S203中包括：(1)输入注视点样本集；

(2)针对注视点样本集中的每一个样本点P，遍历样本集中除P之外的其他注视点，计算注视点与P的之间的距离；

(3)根据步骤(2)中的数据绘制K-dist曲线，获取图像拐点纵坐标K1；对K-dist曲线图像进行拟合，获取拟合函数极值点横坐标K2；

(4)判断K1、K2的大小；若K1≥K2，设置K1为eps领域的距离阈值；否则，设置K2为eps领域的距离阈值；

(5)获取每个邻域内注视点的个数N，并按照注视点的个数N从大到小排序；

(6)计算所有注视点eps领域内注视点个数的均值N0；若N≥N0，则将注视点存入注视点样本集G1；否则将注视点存入注视点样本集G2；

(7)以所有注视点eps领域内注视点个数的均值N0为邻域个数阈值对G1进行基于密度的聚类；以N0/2为邻域个数阈值对G1进行基于密度的聚类。

6.根据权利要求3所述的基于眼动追踪的雷达动态目标标定方法，其特征在于，预设注视时长为80ms-120ms；

预设标定窗口的像素为150*50-250*150。

7.根据权利要求1或3所述的基于眼动追踪的雷达动态目标标定方法，其特征在于，所述步骤S3中：利用线性回归分析法建立地理坐标与屏幕坐标转换模型；

对所述目标区域信息，进行逆标准化处理，获取航空器动态目标标定区域。

8.一种基于眼动追踪的雷达动态目标标定系统，其特征在于，包括：位置数据获取模块，用于获取雷达界面中航空器实时的地理坐标数据与屏幕坐标数据；

眼动追踪模块，用于根据预设注视时长，依据雷达界面的范围获取注视点数据；

注视点初步筛选模块，用于初步筛选注视点，对于不在雷达界面中的注视点，将其视为噪声点进行删除；

注视点数据处理模块，用于根据预设标定窗口框取雷达界面中航空器所在区域位置数据，并将该区域内的注视点坐标数据以航空器所在坐标数据为原点进行标准化处理；并用于将所述标准化处理后的注视点数据作为输入参量，通过改进的具有噪声的基于密度的聚类算法对注视点进行聚类形成注视点数据簇；并用于对所述注视点数据簇利用凸包算法对其提取凸包顶点，将相邻凸包顶点连接构成目标区域；

动态目标标定模块，用于利用线性回归分析法建立地理坐标与屏幕坐标转换模型；并用于对所述目标区域信息，进行逆标准化处理，获取航空器动态目标标定区域。

9.根据权利要求7所述的基于眼动追踪的雷达动态目标标定系统，其特征在于，位置数据获取模块以雷达界面更新频率为采样周期，获取雷达界面中航空器的地理坐标数据；通过鼠标点击所述雷达界面获取相应航空器的屏幕坐标数据；同一航空器的地理坐标数据与屏幕坐标数据一一对应存储。

10.根据权利要求7所述的基于眼动追踪的雷达动态目标标定系统，其特征在于，预设注视时长为80ms-120ms；

预设标定窗口的像素为150*50-250*150。

说明书

一种基于眼动追踪的雷达动态目标标定方法及系统

技术领域

[0001] 本发明涉及空中交通管制领域，尤其涉及一种基于眼动追踪的雷达动态目标标定方法及系统。

背景技术

[0002] 管制员作为空中交通管理系统中的重要职位，对飞机的可靠性、安全性和高效性起着至关重要的作用。随着航空运输事业的快速发展，空域内飞机数量急剧增加，形成复杂的空域环境。空中交通管制员的工作压力和工作负荷日益上升，管制员的注视转移范围因空域环境复杂程度的增加会缩小，有很大可能仅在部分航空器之间进行注视转移、搜索信息，从而提升注意资源分配的不合理性。因此，准确识别并提取管制员工作中所关注的雷达具体目标区域，对确保空中管理运行工作的可靠性具有重要的实际意义。

[0003] 目前，空中交通管制员通过手动标定方式对动态目标区域近进行标定，手动标定方式效率低下，影响航空器指挥调配的及时性和可靠性，不适用于当前复杂的空域环境。

发明内容

[0004] 为了克服上述现有技术中空中交通管制员手动标定方式效率低下，影响航空器指挥调配的及时性和可靠性，本发明提供一种基于眼动追踪的雷达动态目标标定方法，实时监测管制员的眼部生理参数，将眼部测量数据与航空器实时位置信息拟合，标定雷达屏幕中动态目标，辨别管制员注意资源的分配，提升了对航空器指挥调配的及时性和可靠性。

[0005] 为达到此目的，本发明包括：

[0006] S1、获取雷达界面中航空器实时的地理坐标数据与屏幕坐标数据；

[0007] S2、获取眼动注视点数据，在雷达界面中标定注视点静态区域；

[0008] S3、建立地理坐标与屏幕坐标转换模型，根据所述转换模型标定动态目标区域。

[0009] 优选的，所述步骤S1中：

[0010] 以雷达界面更新频率为采样周期，获取雷达界面中航空器的地理坐标数据；

[0011] 利用鼠标点击所述雷达界面获取相应航空器的屏幕坐标数据；

[0012] 同一航空器的地理坐标数据与屏幕坐标数据一一对应存储。

[0013] 优选的，所述步骤S2中：

[0014] S201、根据预设注视时长，依据雷达界面的范围获取注视点数据并初步筛选注视点；

[0015] S202、根据预设标定窗口框取雷达界面中航空器所在区域位置数据，并将该区域内的注视点坐标数据以航空器所在坐标数据为原点进行标准化处理；

[0016] S203、将所述标准化处理后的注视点数据作为输入参量，通过改进的具有噪声的基于密度的聚类算法对注视点进行聚类形成注视点数据簇；

[0017] S204、对所述注视点数据簇利用凸包算法对其提取凸包顶点，相邻凸包顶点连接构成目标区域。

[0018] 优选的，所述步骤S201中：

[0019] 对于不在雷达界面中的注视点，将其视为噪声点进行删除。

[0020] 优选的，所述步骤S203中包括：

[0021] (1)输入注视点样本集；

[0022] (2)针对注视点样本集中的每一个样本点P，遍历样本集中除P之外的其他注视点，计算注视点与P的之间的距离；

[0023] (3)根据步骤(2)中的数据绘制K-dist曲线，获取图像拐点纵坐标K1；对K-dist曲线图像进行拟合，获取拟合函数极值点横坐标K2；

[0024] (4)判断K1、K2的大小；若K1≥K2，设置K1为eps领域的距离阈值；否则，设置K2为eps领域的距离阈值；

[0025] (5)获取每个邻域内注视点的个数N，并按照注视点的个数N从大到小排序；

[0026] (6)计算所有注视点eps领域内注视点个数的均值N0；若N≥N0，则将注视点存入注视点样本集G1；否则将注视点存入注视点样本集G2；

[0027] (7)以所有注视点eps领域内注视点个数的均值N0为邻域个数阈值对 G1进行基于密度的聚类；以N0/2为邻域个数阈值对G1进行基于密度的聚类。

[0028] 优选的，预设注视时长为80ms-120ms；

[0029] 预设标定窗口的像素为150*50-250*150。

[0030] 优选的，所述步骤S3中：

[0031] 利用线性回归分析法建立地理坐标与屏幕坐标转换模型；

[0032] 对所述目标区域信息，进行逆标准化处理，获取航空器动态目标标定区域。

[0033] 一种基于眼动追踪的雷达动态目标标定系统，包括：

[0034] 位置数据获取模块，用于获取雷达界面中航空器实时的地理坐标数据与屏幕坐标数据；

[0035] 眼动追踪模块，用于根据预设注视时长，依据雷达界面的范围获取注视点数据；

[0036] 注视点初步筛选模块，用于初步筛选注视点，对于不在雷达界面中的注视点，将其视为噪声点进行删除；

[0037] 注视点数据处理模块，用于根据预设标定窗口框取雷达界面中航空器所在区域位置数据，并将该区域内的注视点坐标数据以航空器所在坐标数据为原点进行标准化处理；并用于将所述标准化处理后的注视点数据作为输入参量，通过改进的具有噪声的基于密度的聚类算法对注视点进行聚类形成注视点数据簇；并用于对所述注视点数据簇利用凸包算法对其提取凸包顶点，将相邻凸包顶点连接构成目标区域；

[0038] 动态目标标定模块，用于利用线性回归分析法建立地理坐标与屏幕坐标转换模型；并用于对所述目标区域信息，进行逆标准化处理，获取航空器动态目标标定区域。

[0039] 优选的，位置数据获取模块以雷达界面更新频率为采样周期，获取雷达界面中航空器的地理坐标数据；通过鼠标点击所述雷达界面获取相应航空器的屏幕坐标数据；同一航空器的地理坐标数据与屏幕坐标数据一一对应存储。

[0040] 优选的，预设注视时长为80ms-120ms；

[0041] 预设标定窗口的像素为150*50-250*150。

[0042] 从以上技术方案可以看出，本发明具有以下优点：

[0043] 本发明实时监测管制员的眼部生理参数，将眼部测量数据与航空器实时位置信息拟合，标定雷达屏幕中动态目标，辨别管制员注意资源的分配，提高了动态目标标定效率；

[0044] 动态目标的及时标定，提升了对航空器指挥调配的及时性和可靠性；为管制领域对于动态目标的标定提供了新的方法，解决了手动标定对于动态目标区域不适用的问题。

附图说明

[0045] 为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0046] 图1为本发明方法示意图。

[0047] 图2为本发明中基于密度的聚类算法示意图。

具体实施方式

[0048] 为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将运用具体的实施例及附图，对本发明保护的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本专利中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利保护的范围。

[0049] 本实施例提供一种基于眼动追踪的雷达动态目标标定方法，实时监测管制员的眼部生理参数，将眼部测量数据与航空器实时位置信息拟合，标定雷达屏幕中动态目标，辨别管制员注意资源的分配，提升了对航空器指挥调配的及时性和可靠性。

[0050] 其具体步骤如下：

[0051] S1、获取雷达界面中航空器实时的地理坐标数据与屏幕坐标数据；其具体方法为：

[0052] 以雷达界面更新频率为采样周期，获取雷达界面中航空器的地理坐标数据；利用鼠标点击所述雷达界面获取相应航空器的屏幕坐标数据；同一航空器的地理坐标数据与屏幕坐标数据一一对应存储。

[0053] S2、获取眼动注视点数据，在雷达界面中标定注视点静态区域；其具体方法为：

[0054] S201、根据预设注视时长，依据雷达界面的范围获取注视点数据并初步筛选注视点；对于不在雷达界面中的注视点，将其视为噪声点进行删除；

[0055] S202、根据预设标定窗口框取雷达界面中航空器所在区域位置数据，并将该区域内的注视点坐标数据以航空器所在坐标数据为原点进行标准化处理；对于任意注视点N(x，y)，航空器P(x0，y0)，其标准化形式为N’(x-x0， y-y0)。

[0056] S203、将所述标准化处理后的注视点数据作为输入参量，通过改进的具有噪声的基于密度的聚类算法对注视点进行聚类形成注视点数据簇；

[0057] S204、对所述注视点数据簇利用凸包算法对其提取凸包顶点，相邻凸包顶点连接构成目标区域。

[0058] S3、建立地理坐标与屏幕坐标转换模型，根据所述转换模型标定动态目标区域，其具体方法为：

[0059] 利用线性回归分析法建立地理坐标与屏幕坐标转换模型；线性回归方程满足下述形式：

[0060] X＝X1*K1 cosα-Y1*K2 sinβ+Δx

[0061] Y＝X1*K1 sinα-Y1*K2 cosβ+Δy

[0062] 对所述目标区域信息，进行逆标准化处理，获取航空器动态目标标定区域。目标标定区域凸包顶点信息满足下述形式：

[0063] Nx＝xi，j+x1*K1 cosα-y1*K2 sinβ+Δx

[0064] Ny＝yi，j+x1*K1 sinα-y1*K2 cosβ+Δy

[0065] 上述公式中，数值Δx为横向平移参数、数值Δy纵向平移参数，对应匹配与标准化处理中的平移值；α、β为旋转参数；K1、K2为横、纵尺度参数比； xi，j、yi，j表示数据簇的第j个顶点的横纵坐标。

[0066] 其中，原始的基于密度的聚类算法原理如下：

[0067] 输入：注视点样本集C＝(x1，x2，...，xm)，邻域参数(∈，MinPts)，样本距离度量方式；

[0068] 输出：注视点数据簇划分Z。

[0069] (1)初始化核心对象集合Ω＝φ，初始化聚类簇数k＝0，初始化未访问样本集合Γ＝D，注视点数据簇簇划分Z＝φ；

[0070] (2)对于j＝1，2，...，m，按下面的步骤找出所有的核心对象：

[0071] (a)通过距离度量方式，找到样本Xj的∈-邻域子样本集N∈(xj)；

[0072] (b)如果子样本集样本个数满足|N∈(Xj)|≥MinPts，将样本Xj加入核心对象样本集合：Ω＝Ω∪{Xj}；

[0073] (3)如果核心对象集合Ω＝φ，则算法结束，否则转入步骤4；

[0074] (4)在核心对象集合Ω中，随机选择一个核心对象o，初始化当前簇核心对象队列Ωcur＝{o}，计算类别序号k＝k+1，初始化当前簇样本集合Zk＝{o}，更新未访问样本集合Γ＝Γ-{o}；

[0075] (5)如果当前簇核心对象队列Ωcur＝φ，则当前聚类簇Zk生成完毕，更新簇划分Z＝{Z1，Z2，...，Zk}，更新核心对象集合Ω＝Ω-Zk，转入步骤3；

[0076] (6)在当前簇核心对象队列Ωcur中取出一个核心对象o′，通过邻域距离阈值∈找出所有的∈-邻域子样本集N∈(o′)，令Δ＝N∈(o′)∩Γ，更新当前簇样本集合Zk＝Zk∪Δ，更新未访问样本集合Γ＝Γ-Δ，更新Ωcur＝Ωcur∪(Δ∩Ω)-o′，转入步骤5。

[0077] 输出结果为：簇划分Z＝{Z1，Z2，...，Zk}。

[0078] 其中，各名词解释如下：

[0079] 参数(∈，MinPts)用来描述邻域的样本分布紧密程度。其中，∈描述了某一样本的邻域距离阈值，MinPts描述了某一样本的距离为∈的邻域中样本个数的阈值。

[0080] 假设我的样本集是D＝(x1,x2,...,xm)，则基于密度的聚类算法的密度描述定义如下：

[0081] ∈-邻域：对于xj∈D，其∈-邻域包含样本集D中与xj的距离不大于∈的子样本集，即N∈(xj)＝{xi∈D|distance(xi,xj)≤∈}，这个子样本集的个数记为|N∈(xj)|；

[0082] 核心对象：对于任一样本xj∈D，如果其∈-邻域对应的N∈(xj)至少包含 MinPts个样本，即如果|N∈(xj)|≥MinPts，则xj是核心对象。

[0083] 本发明采用改进的基于密度的聚类算法，如图2所示，其原理如下：

[0084] (1)输入注视点样本集；

[0085] (2)针对注视点样本集中的每一个样本点P，遍历样本集中除P之外的其他注视点，计算注视点与P的之间的距离；

[0086] (3)根据步骤(2)中的数据绘制K-dist曲线，获取图像拐点纵坐标K1；对K-dist曲线图像进行拟合，获取拟合函数极值点横坐标K2；

[0087] (4)判断K1、K2的大小；若K1≥K2，设置K1为eps领域的距离阈值；否则，设置K2为eps领域的距离阈值；

[0088] (5)获取每个邻域内注视点的个数N，并按照注视点的个数N从大到小排序；

[0089] (6)计算所有注视点eps领域内注视点个数的均值N0；若N≥N0，则将注视点存入注视点样本集G1；否则将注视点存入注视点样本集G2；

[0090] (7)以所有注视点eps领域内注视点个数的均值N0为邻域个数阈值对 G1进行基于密度的聚类；以N0/2为邻域个数阈值对G1进行基于密度的聚类。

[0091] 其中聚类方法参考所述的原始的基于密度的聚类算法，在此不做赘述。

[0092] 本发明中，凸包算法原理如下：

[0093] 基本原理为通过凸多边形围住聚类算法得到的注视点数据簇中所有的注视点。算法详细步骤如下：

[0094] (1)获取注视点数据簇中所有注视点中纵坐标y最小的最低注视点；

[0095] (2)然后计算其余注视点与上述最低注视点的连线与x轴之间夹角的余弦值，将这些注视点按其对于最低注视点的余弦值从大到小进行排序；

[0096] (3)将最低注视点和上述排序好的其余注视点的前两个压入栈中；计算栈顶两个注视点与最低注视点之间的向量是否是逆时针转动；若是，则将该注视点压入栈中；否则将栈顶的注视点推出；按注视点的排序依次压入栈中进行判断，直至遍历完所有排好序的其余注视点。

[0097] 最终，栈中的注视点就是注视点数据簇中的顶点。

[0098] 本实施例还提供一种基于眼动追踪的雷达动态目标标定系统，包括：

[0099] 位置数据获取模块，用于获取雷达界面中航空器实时的地理坐标数据与屏幕坐标数据；

[0100] 眼动追踪模块，用于根据预设注视时长，依据雷达界面的范围获取注视点数据；

[0101] 注视点初步筛选模块，用于初步筛选注视点，对于不在雷达界面中的注视点，将其视为噪声点进行删除；

[0102] 注视点数据处理模块，用于根据预设标定窗口框取雷达界面中航空器所在区域位置数据，并将该区域内的注视点坐标数据以航空器所在坐标数据为原点进行标准化处理；并用于将所述标准化处理后的注视点数据作为输入参量，通过改进的具有噪声的基于密度的聚类算法对注视点进行聚类形成注视点数据簇；并用于对所述注视点数据簇利用凸包算法对其提取凸包顶点，将相邻凸包顶点连接构成目标区域；

[0103] 动态目标标定模块，用于利用线性回归分析法建立地理坐标与屏幕坐标转换模型；并用于对所述目标区域信息，进行逆标准化处理，获取航空器动态目标标定区域。

[0104] 其中，位置数据获取模块以雷达界面更新频率为采样周期，获取雷达界面中航空器的地理坐标数据；通过鼠标点击所述雷达界面获取相应航空器的屏幕坐标数据；同一航空器的地理坐标数据与屏幕坐标数据一一对应存储。

[0105] 预设注视时长为80ms-120ms；预设标定窗口的像素为150*50-250*150。

[0106] 本发明实时监测管制员的眼部生理参数，将眼部测量数据与航空器实时位置信息拟合，标定雷达屏幕中动态目标，辨别管制员注意资源的分配，提高了动态目标标定效率。

[0107] 动态目标的及时标定，提升了对航空器指挥调配的及时性和可靠性；为管制领域对于动态目标的标定提供了新的方法，解决了手动标定对于动态目标区域不适用的问题。

[0108] 本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。

[0109] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。