机坪摄像头目标物位置计算的方法技术

本发明专利技术涉及一种机坪摄像头目标物位置计算的方法，涉及机场安保领域领域，包括以下步骤：S1、获取机坪摄像头实时流数据，并进行目标物识别监测，将监测信息传输给综合处理服务平台；S2、综合处理服务平台将获取到的摄像头目标点位数据进行分析判断，进而计算出每一个摄像头相关位置参数信息。本发明专利技术的优点是：提高了目标识别的精确率，基于精准目标识别，计算摄像头参数数据，最终获取相对准确车辆、人员等目标物实时经纬度信息，为后续业务事件判断奠定了坚实的基础，也为机场增加其他信息获取渠道。渠道。

【技术实现步骤摘要】
机坪摄像头目标物位置计算的方法


[0001]本专利技术涉及一种机坪摄像头目标物位置计算的方法，涉及机场安保领域领域。

技术介绍

[0002]当前随着机场快速发展，摄像头数量不断增长，利用新技术主动识别业务事件成为当前发展主流，当前机场摄像头利用率低，主要为工作人员人工查看，并未更大的发挥其价值，依赖于摄像头识别业务事件，并未有效与现场运行环境紧密关联，无法获取识别目标物点位、距离等信息，依赖于人工维护相关信息，多为经验主义，精准度较差，无法支撑相关业务事件判断。本专利技术结合机场部分已有点位信息的实时运行车辆点位数据，计算摄像头视野范围内目标物经纬度信息，为其他业务事件识别提供基础依据。

技术实现思路

[0003]为克服现有技术的缺陷，本专利技术提供一种机坪摄像头目标物位置计算的方法，本专利技术的技术方案是：一种机坪摄像头目标物位置计算的方法，包括以下步骤：S1、获取机坪摄像头实时流数据，并通过摄像头进行目标物识别监测，将监测信息传输给综合处理服务平台；S2、综合处理服务平台将获取到的目标物进行分析判断，进而计算出目标物的位置参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机坪摄像头目标物位置计算的方法，其特征在于，包括以下步骤：S1、获取机坪摄像头实时流数据，并通过摄像头进行目标物识别监测，将监测信息传输给综合处理服务平台；S2、综合处理服务平台将获取到的目标物进行分析判断，进而计算出目标物的位置参数信息；所述的步骤S1具体为：采用深度学习卷积神经网络模型识别到目标物之后，将实时目标物信息以及相应时间戳信息进行传输至综合处理服务平台；所述的深度学习卷积神经网络模型包括输入部、Backbone部、Neck部和Prediction部，所述的输入部用于Mosaic数据增强、自适应锚框计算和自适应图片缩放；所述的Backbone部用于对图片进行切片与卷积操作，获得特征图；所述的Neck部用于对特征图进行特征信息提取，图片先进行上采样来提取图像特征，再进行下采样融合不同尺度的特征信息；所述的Prediction部用于图片预测，采用损失函数GIOU_Loss，标记目标物预测框。2.根据权利要求1所述的机坪摄像头目标物位置计算的方法，其特征在于，所述的步骤S2具体为：首先接入实时现场车辆位置数据，每一个车辆位置数据会携带时间戳信息，通过摄像头关联机位信息，获取机位地理信息点位数据，通过判断车辆位置是否在机位范围之内，实时过滤掉无关车辆位置数据，判断是否在机位点集范围。3.根据权利要求2所述的机坪摄像头目标物位置计算的方法，其特征在于，判断是否在机位点集范围具体方法如下：假设待判断点坐标（x，y），待判断线段两点坐标（xi，yi）和(xi+1，yi+1)，计算待判断点引出的射线与待判断线段是否相交，即待判断点引出的射线与待判断线段的交点（A，y）是否在待判断线段上，而非待判断线段两头的引线上；y值在yi和yi+1之间，并且A值在xi和xi+1之间，根据几何函数关系可知：(yi
‑
y)/(yi
‑
yi+1)=(A
‑
xi)/(xi+1
‑
xi)，求得：A...

【专利技术属性】
技术研发人员：丁继存，陈翰，郭敬云，薛玲祥，陈宇，王芳，刘晓疆，陈晓，刘青，战嘉馨，
申请(专利权)人：青岛民航凯亚系统集成有限公司，
类型：发明
国别省市：