一种飞机起落环境安全检测方法及系统技术方案

本申请提供的一种飞机起落环境安全检测方法及系统，具体应用于安全检测领域，包括获取机场跑道连续的帧图像；提取机场跑道特征；采用基于像素的自适应分割的前景检测算法，检测机场跑道上的待检测目标；将待检测目标划分为静止目标和运动目标，静止目标又划分为自主运动目标和非自主运动目标，根据类别确定待检测目标的目标运动序列；获取待起落飞机的飞机行驶序列；将所述目标运动序列和所述飞机跟踪序列进行匹配，根据匹配结果确定飞机起落环境安全性。由此提高机场跑道安全性检测的效率和精准性，实现跑道与航空管制的相互联动，使得飞机安全起落。飞机安全起落。飞机安全起落。

【技术实现步骤摘要】
一种飞机起落环境安全检测方法及系统


[0001]本申请涉及安全检测领域，更具体地，涉及一种飞机起落环境安全检测方法及系统。

技术介绍

[0002]FOD是Foreign Object Debris的缩写，泛指可能损伤飞机的某种外来物质，常称为跑道异物，常见的FOD有飞机的各种遗撒物、机械工具、石头、木块、塑料制品等。在机场跑道上的各种跑道异物(FOD)，通常会给飞机的起降带来严重安全威胁，造成数以百万的损失，甚至酿成重大的安全事故，其后果往往不堪设想。因此跑道安全是整个航空运输系统安全的基础。
[0003]现有技术中，通常采用主要通过雷达、红外、可见光技术，实现对跑道中处于运动状态的异物的发现、定位、识别、记录和处理。然而机场跑道除了运动异物，还可能存在无法自主移动的物体，而这些物体又可能随着天气影响产生移动，因此传统的飞机起落环境安全检测存在一定的局限性。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种飞机起落环境安全检测方法及系统，将待检测目标划分为静止目标和运动目标，静止目标又划分为自主运动目标和非自主运动目标，根据类别确定待检测目标的目标运动序列，提高机场跑道安全性检测的效率和精准性。
[0005]具体技术方案如下：
[0006]在本专利技术实施例的第一方面，提供一种飞机起落环境安全检测方法，包括：通过监控摄像头采集机场跑道的视频数据，并将所述视频数据分解为连续的帧图像；利用卷积神经网络模型对所述帧图像进行特征提取，获得机场跑道特征；采用基于像素的自适应分割的前景检测算法，检测机场跑道上的待检测目标；若所述待检测目标是静止目标，则采用图像识别算法识别所述静止目标；对识别后的所述静止目标进行分类，获得所述静止目标的类别；所述类别包括自主运动目标和非自主运动目标；若所述静止目标属于自主运动目标，则获取所述静止目标的历史行为数据；将所述历史行为数据输入深度学习模型，预测所述静止目标的运动时刻和运动轨迹，获得所述静止目标的目标运动序列；若所述静止目标属于非自主运动目标，则采用BP神经网络算法预测所述静止目标的重量；获取当前天气数据；所述天气数据包括风速和风向；将所述静止目标的重量、所述风速和所述风向输入深度学习模型，预测所述静止目标的运动时刻和运动轨迹，获得所述静止目标的目标运动序列；若所述待检测目标是运动目标，则设置包围框；采用生成式跟踪算法对所述包围框进行跟踪，获得所述运动目标的目标运动序列；获取待起落飞机的行驶时刻和行驶轨迹，获得所述飞机的飞机行驶序列；将所述目标运动序列和所述飞机跟踪序列进行匹配，根据匹配结果确定飞机起落环境安全性。
[0007]可选地，所述视频数据包括机场跑道的高分辨率影像、强逆光影像、红外影像和夜
视影像。
[0008]可选地，所述自主运动目标包括静止的动物、静止的车辆以及静止的行人；所述非自主运动目标包括石头和垃圾。
[0009]可选地，所述将所述静止目标的重量、所述风速和所述风向输入深度学习模型，预测所述静止目标的运动时刻和运动轨迹，包括：将所述静止目标的重量、所述风速和所述风向输入深度信念网络模型，通过概率和无监督学习来生成所述静止目标的运动时刻和运动轨迹。
[0010]可选地，所述采用生成式跟踪算法对所述包围框进行跟踪，获得所述运动目标的目标运动序列，包括：获取检测到所述待检测目标时，所述待检测目标在当前帧图像中的区域特征；对下一帧图像中的所述区域特征采样多窗口，并将多窗口与多高斯滤波器进行卷积，获得多尺度特征；利用约束等距性对所述多尺度特征进行降维，最后利用贝叶斯分类器进行分类，选择可信度高的窗口作为目标窗口，并跟踪，获得所述待检测目标的目标跟踪序列。
[0011]可选地，所述根据匹配结果确定飞机起落环境安全性之后，还包括：若飞机起落环境不安全，则判断能否完成对机场跑道的清理工作；若无法完成对机场跑道的清理工作，则通知所述待起落飞机重新选择跑道。
[0012]在本专利技术实施例的又一方面，提供一种飞机起落环境安全检测系统，包括：数据采集模块，用于通过监控摄像头采集机场跑道的视频数据，并将所述视频数据分解为连续的帧图像；获取当前天气数据；所述天气数据包括风速和风向；特征提取模块，用于利用卷积神经网络模型对所述帧图像进行特征提取，获得机场跑道特征；目标检测模块，用于采用基于像素的自适应分割的前景检测算法，检测机场跑道上的待检测目标；目标运动序列获取模块，用于若所述待检测目标是静止目标，则采用图像识别算法识别所述静止目标；对识别后的所述静止目标进行分类，获得所述静止目标的类别；所述类别包括自主运动目标和非自主运动目标；若所述静止目标属于自主运动目标，则获取所述静止目标的历史行为数据；将所述历史行为数据输入深度学习模型，预测所述静止目标的运动时刻和运动轨迹，获得所述静止目标的目标运动序列；若所述静止目标属于非自主运动目标，则采用BP神经网络算法预测所述静止目标的重量；将所述静止目标的重量、所述风速和所述风向输入深度学习模型，预测所述静止目标的运动时刻和运动轨迹，获得所述静止目标的目标运动序列；若所述待检测目标是运动目标，则设置包围框；采用生成式跟踪算法对所述包围框进行跟踪，获得所述运动目标的目标运动序列；飞行数据获取模块，用于获取待起落飞机的行驶时刻和行驶轨迹，获得所述飞机的飞机行驶序列；安全性检测模块，用于将所述目标运动序列和所述飞机跟踪序列进行匹配，根据匹配结果确定飞机起落环境安全性。
[0013]可选地，所述视频数据包括机场跑道的高分辨率影像、强逆光影像、红外影像和夜视影像。
[0014]可选地，所述自主运动目标包括静止的动物、静止的车辆以及静止的行人；所述非自主运动目标包括石头和垃圾。
[0015]可选地，所述将所述静止目标的重量、所述风速和所述风向输入深度学习模型，预测所述静止目标的运动时刻和运动轨迹，包括：将所述静止目标的重量、所述风速和所述风向输入深度信念网络模型，通过概率和无监督学习来生成所述静止目标的运动时刻和运动
轨迹。
[0016]可选地，所述采用生成式跟踪算法对所述包围框进行跟踪，获得所述运动目标的目标运动序列，包括：获取检测到所述待检测目标时，所述待检测目标在当前帧图像中的区域特征；对下一帧图像中的所述区域特征采样多窗口，并将多窗口与多高斯滤波器进行卷积，获得多尺度特征；利用约束等距性对所述多尺度特征进行降维，最后利用贝叶斯分类器进行分类，选择可信度高的窗口作为目标窗口，并跟踪，获得所述待检测目标的目标跟踪序列。
[0017]可选地，安全性检测模块，还用于若飞机起落环境不安全，则判断能否完成对机场跑道的清理工作；若无法完成对机场跑道的清理工作，则通知所述待起落飞机重新选择跑道。
[0018]有益效果：
[0019]由于机场跑道除了运动异物，还可能存在无法自主移动的物体，而这些物体又可能随着天气影响产生移动，因此本专利技术将待检测目标划分为运动目标、自主运动目标和非自主运动目标，根据类别确定待检测目标的目标运动序列；具体地，对于自主运动目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种飞机起落环境安全检测方法，其特征在于，包括：通过监控摄像头采集机场跑道的视频数据，并将所述视频数据分解为连续的帧图像；利用卷积神经网络模型对所述帧图像进行特征提取，获得机场跑道特征；采用基于像素的自适应分割的前景检测算法，检测机场跑道上的待检测目标；若所述待检测目标是静止目标，则采用图像识别算法识别所述静止目标；对识别后的所述静止目标进行分类，获得所述静止目标的类别；所述类别包括自主运动目标和非自主运动目标；若所述静止目标属于自主运动目标，则获取所述静止目标的历史行为数据；将所述历史行为数据输入深度学习模型，预测所述静止目标的运动时刻和运动轨迹，获得所述静止目标的目标运动序列；若所述静止目标属于非自主运动目标，采用BP神经网络算法预测所述静止目标的重量；获取当前天气数据；所述天气数据包括风速和风向；将所述静止目标的重量、所述风速和所述风向输入深度学习模型，预测所述静止目标的运动时刻和运动轨迹，获得所述静止目标的目标运动序列；若所述待检测目标是运动目标，则设置包围框；采用生成式跟踪算法对所述包围框进行跟踪，获得所述运动目标的目标运动序列；获取待起落飞机的行驶时刻和行驶轨迹，获得所述飞机的飞机行驶序列；将所述目标运动序列和所述飞机跟踪序列进行匹配，根据匹配结果确定飞机起落环境安全性。2.根据权利要求1所述的飞机起落环境安全检测方法，其特征在于，所述视频数据包括机场跑道的高分辨率影像、强逆光影像、红外影像和夜视影像。3.根据权利要求1所述的飞机起落环境安全检测方法，其特征在于，所述自主运动目标包括静止的动物、静止的车辆以及静止的行人；所述非自主运动目标包括石头和垃圾。4.根据权利要求1所述的飞机起落环境安全检测方法，其特征在于，所述将所述静止目标的重量、所述风速和所述风向输入深度学习模型，预测所述静止目标的运动时刻和运动轨迹，包括：将所述静止目标的重量、所述风速和所述风向输入深度信念网络模型，通过概率和无监督学习来生成所述静止目标的运动时刻和运动轨迹。5.根据权利要求1所述的飞机起落环境安全检测方法，其特征在于，所述采用生成式跟踪算法对所述包围框进行跟踪，获得所述运动目标的目标运动序列，包括：获取检测到所述待检测目标时，所述待检测目标在当前帧图像中的区域特征；对下一帧图像中的所述区域特征采样多窗口，并将多窗口与多高斯滤波器进行卷积，获得多尺度特征；利用约束等距性对所述多尺度特征进行降维；利用贝叶斯分类器进行分类，选择可信度高的窗口作为目标窗口，并跟踪，获得所述待检测目标的目标跟踪序列。6.根据权利要求1所述的飞机起落环境安全检测方法，其特征在于，所述根据匹配结果确定飞机起落环境安全性之后，还包括：
若飞机起落环境不安全，则判断能否完成...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：北京拙河科技有限公司，
类型：发明
国别省市：