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技术

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
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
本专利技术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。
技术介绍
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。
技术实现思路
本专利技术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。本专利技术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。本专利技术的有益效果是：本专利技术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。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的停机流程图。具体实施方式本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。在本专利技术的描述中，需要理解的是，术语“一端”、“另一端”、“外侧”、“上”、“内侧”、“水平”、“同轴”、“中央”、“端部”、“长度”、“外端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，在本专利技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本专利技术使用的例如“上”、“上方”、“下”、“下方”等表示空间相对位置的术语是出于便于说明的目的来描述如附图中所示的一个单元或特征相对于另一个单元或特征的关系。空间相对位置的术语可以旨在包括设备在使用或工作中除了图中所示方位以外的不同方位。例如，如果将图中的设备翻转，则被描述为位于其他单元或特征“下方”或“之下”的单元将位于其他单元或特征“上方”。因此，示例性术语“下方”可以囊括上方和下方这两种方位。设备可以以其他方式被定向，并相应地解释本文使用的与空间相关的描述语。在本专利技术中，除非另有明确的规定和限定，术语“设置”、“套接”、“连接”、“贯穿”、“插接”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。如图1所示，本专利技术的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，在客梯车靠接航空器过程中会出现以下几个流程节点：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；根据该流程，通过视频算法对每个作业节点进行识别，记录下该节点的时刻，形成一个完整的靠接过程，如对应的节点有违规事件，即时进行报警，并同时在流程节点报表中进行记录，如下表1：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；其物体的识别主要是航空器和客梯车的识别，航空器的识别方法为应用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。本实施例中对于物体的检测使用目标检测模型算法为SSD-Mobilenet模型，以机场的实时监控视频作为目标检测算法SSD-Mobilenet模型的训练数据，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，使得这一模型可以更好的完成在机场这一特定场景下的目标检测任务。对于航空器和客梯车的分类识别，目标检测模型的核心是运用卷积神经网络本文档来自技高网...

【技术保护点】
1.一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，其特征在于，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：/nS1、对停机坪区域的识别，包括安全区和停止线；/nS2、对航空器和客梯车的识别；/nS3、对航空器和客梯车的位置定位；/nS4、对航空器和客梯车的状态进行判断；/nS5、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；/n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。/n

【技术特征摘要】
1.一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，其特征在于，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。


2.根据权利要求1所述的用于民航机场飞行区客梯车靠接航空器的自动识别方法，其特征在于：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...

【专利技术属性】
技术研发人员：曾小菊，
申请(专利权)人：捻果科技深圳有限公司，
类型：发明
国别省市：广东;44