[发明专利]机场停机坪飞机状态检测方法及装置

说明书

本申请实施例提供一种机场停机坪飞机状态检测方法及装置，方法包括：根据摄像机SDK获取机场网络摄像机的实时视频图像，用于飞机目标的检测分析；根据所述实时视频图像绘制飞机停机坪分析区域的掩码图；对所述实时视频图像进行深度学习飞机检测；将所述深度学习飞机检测的结果进行队列缓存并进行分析，判断飞机是否驶离停机坪；本申请能够提高针对机场停机坪飞机状态进行检测的准确性和鲁棒性，可协助机场管理人员对机场飞机停机坪的状态进行监控，有重要的实际应用价值。

技术领域

本申请涉及计算机视觉领域，具体涉及一种机场停机坪飞机状态检测方法及装置。

背景技术

随着计算机科学技术的飞速发展，应用计算机视觉技术自动对监控场景中的飞机目标进行智能分析，逐渐成为研究热点。

飞机驶出停机坪检测是指在网络摄像机监控区域内持续检测飞机目标，当飞机驶出停机坪的时候发生报警，方便机场管理人员进行日常管理。

发明人发现，现有技术中缺少一种对机场停机坪中的飞机状态(尤其是是否驶离)进行准确检测的技术方案。

发明内容

针对现有技术中的问题，本申请提供一种机场停机坪飞机状态检测方法及装置，能够提高针对机场停机坪飞机状态进行检测的准确性和鲁棒性，可协助机场管理人员对机场飞机停机坪的状态进行监控，有重要的实际应用价值。

为了解决上述问题中的至少一个，本申请提供以下技术方案：

第一方面，本申请提供一种机场停机坪飞机状态检测方法，包括：

根据摄像机SDK获取机场网络摄像机的实时视频图像，用于飞机目标的检测分析；

根据所述实时视频图像绘制飞机停机坪分析区域的掩码图；

对所述实时视频图像进行深度学习飞机检测；

将所述深度学习飞机检测的结果进行队列缓存并进行分析，判断飞机是否驶离停机坪。

进一步地，在所述根据所述实时视频图像绘制飞机停机坪分析区域的掩码图之后，还包括：

根据所述掩码图全选出飞机分析区域，用于排除复杂背景干扰。

进一步地，所述对所述实时视频图像进行深度学习飞机检测包括：

采用YoloV3进行飞机检测，若检测结果为飞机且置信度大于阈值，则存在飞机目标，返回结果为True，否则返回结果为False。

进一步地，所述将所述深度学习飞机检测的结果进行队列缓存并进行分析，判断飞机是否驶离停机坪包括：

对深度学习飞机检测的结果进行逐帧缓存，当缓存队列长度小于N时，将深度学习飞机检测的结果从缓存队列队尾进行入队操作，当缓存队列长度等于N时，队列队首进行出队操作，下一帧飞深度学习飞机检测的结果从缓存队列队尾进行入队操作；

对所述缓存队列进行分析，统计缓存队列中结果为True的元素为p个，缓存队列中结果为False的元素为q个，设当前停机坪状态变量为E，默认为False，若p等于N，则设置当前停机坪状态变量E等于Ture，判定当前停机坪存在飞机，若q等于N，并且当前停机坪状态变量E等于Ture时，判定当前停机坪上面的飞机已经移动，系统报警。

第二方面，本申请提供一种机场停机坪飞机状态检测装置，包括：

实时视频图像获取模块，用于根据摄像机SDK获取机场网络摄像机的实时视频图像，用于飞机目标的检测分析；

掩码图绘制模块，用于根据所述实时视频图像绘制飞机停机坪分析区域的掩码图；

深度学习飞机检测模块，用于对所述实时视频图像进行深度学习飞机检测；