电讯技术

作者：张娅岚,刘芳,刘伟杰,魏永超

单位：(中国民用航空飞行学院 计算机学院，四川 广汉 618307)

关键词：飞行训练动作识别；图像特征提取；特征点匹配；加速稳健特征（SURF）；

基金：中央高校基本科研业务费专项资金资助（24CAFUC03039）;西藏自治区科技重大专项资金资助（XZ202101ZY0017G）

现有飞行训练科目识别方法在复杂机动动作识别中存在滞后性，忽视了现代数字技术的应用与最新规章制度的更新，其核心挑战在于如何降低匹配误差率并提升运算速度。针对上述问题，设计并构建了一种混合自动识别框架（SURF-FLANN-RANSAC Hybrid Algorithmic Framework,SFR）。首先，采用改进的加速稳健特征（Speeded Up Robust Features，SURF）算法实现驾驶舱场景内的图像特征提取与匹配。其次，引入近似最近邻快速搜索库（Approximate Nearest Neighbors，FLANN）匹配器以加速特征匹配过程，提升特征匹配效率与精度。然后，基于随机采样一致性（Random Sample Consensus，RANSAC）算法消除误匹配问题，增强算法整体鲁棒性。在大坡度盘旋、懒“8”、急上升转弯3个典型飞行训练场景自建数据集上的实验结果表明，该算法的识别精度分别为94.58%、62.95%、86.72%，与表现次佳的算法相比，分别提升了1%、20%、4%，且处理速度上实现了显著改善，为飞行训练的智能化管理提供了强有力的技术支持。

来源：2025年第10期

《电讯技术》期刊编辑部

查看电讯技术杂志2025年第10期