[发明专利]一种用于民航机场飞行区客梯车靠接航空器的自动识别方法

说明书

本发明公开了一种用于民航机场飞行区客梯车靠接航空器的自动识别方法，通过视频和算法识别航空器和客梯车之间的靠接是否符合规范，其具体包括以下几个流程节点：航空器出现、航空器入位停止、客梯车位置判读、客梯车移动状态、客梯车停止移动、距离判断，具体步骤如下：S1、对停机坪区域的识别，包括安全区和停止线；S2、对航空器和客梯车的识别；S3、对航空器和客梯车的位置定位；S4、对航空器和客梯车的状态进行判断；S5、识别是否正常对接，若有违规对接进行报警和记录，内容为相应的截图和视频。本发明通过摄像头结合视频分析算法来判断整个客梯车靠接航空器的过程是否符合规范。

技术领域

本发明涉及一种自动识别方法，具体涉及一种用于民航机场飞行区客梯车靠接航空器的自动识别方法。

背景技术

近几年来人工智能的蓬勃发展使得AI技术越来越接入到实际生活中，AI的自动识别技术在各个领域都有广泛的应用，它提高的生活生产效率，可以节约大量的人力物力成本。伴随着全球经济的高速发展人们对高效出行的要求越来越高，民航业在这样的背景下变得越来越繁荣。如今，各个机场每天都有大量的航班起飞降落，为了保障航空器的安全以及进出港规范，机场需要花费大量的资源监控航空器的状态，目前主要是采取传统的人工监督方式来记录航空器当前的状态。

发明内容

本发明所要解决的技术问题是提供一种用于民航机场飞行区客梯车靠接航空器的自动识别方法，通过摄像头结合视频分析算法来判断整个客梯车靠接航空器的过程是否符合规范。

本发明用于民航机场飞行区客梯车靠接航空器的自动识别方法是通过以下技术方案来实现的：通过视频和算法识别航空器和客梯车之间的靠接是否符合规范，其具体包括以下几个流程节点：航空器出现、航空器入位停止、客梯车位置判读、客梯车移动状态、客梯车停止移动、距离判断，具体步骤如下：

S1、对停机坪区域的识别，包括安全区和停止线；

S2、对航空器和客梯车的识别；

S3、对航空器和客梯车的位置定位；

S4、对航空器和客梯车的状态进行判断；

S5、识别是否正常对接，若有违规对接进行报警和记录，内容为相应的截图和视频；

其进行目标检测包括对航空器和客梯车的识别，航空器和客梯车的识别方法为应用Tensorflow机器学习框架和神经网络算法搭建分类模型，识别当前物体是否是航空器，在这一过程中用到的是目标检测模型。

作为优选的技术方案，对于目标检测使用目标检测模型算法为SSD-Mobilenet模型，在使用前将这些数据转化为特定格式的压缩数据，然后将其作为SSD-Mobilenet的输入，通过机器学习的方式不断的调整神经网络模型的参数，对其结构做出相应的改变。

作为优选的技术方案，对于航空器和客梯车的分类识别，使用模型的核心是运用卷积神经网络，采用openCV读取监控视频，将视频中的某一帧以图片的形式输入到神经网络中，卷积神经网络对输入的图片做卷积操作；经过多次的卷积和池化后，提取到的高维特征图的尺寸越来越小，此是会将这些高维向量拉直成一维向量输入到全连接层中，然后通过softmax函数的计算输出这些物品的类别的概率。

作为优选的技术方案，进行物体识别包括对客梯车作业识别，通过建立了一个空间内的判断模型，在客机车与航空器之间画一个三角形的区域，在该区域中判断是否有人。

作为优选的技术方案，对停机坪区域，安全区和停止线的识别：摄像头角度和位置固定，停机坪安全区定制线固定，通过预设值参数的形式获得视频中各个区域的位置，航空器是否正常停靠通过预先绘制的安全点和航空器当前的位置来判断。

本发明的有益效果是：本发明通过摄像头结合视频分析算法来判断整个客梯车靠接航空器的过程是否符合规范。

附图说明