[發明專利]一種基于卷積神經網絡的機場場面監視方法

在審

• 申請號: 201711344003.7
• 申請日: 2017-12-15
• 公開（公告）號: CN108090442A
• 公開（公告）日: 2018-05-29
• 發明（設計）人: 韓松臣;黃國新;黃暢昕
• 申請（專利權）人: 四川大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;H04N7/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

針對中小機場無法承擔高額的場面監視雷達(SMR)費用，而依靠管制員目視的場面監視方式已經無法滿足現代航空安全的需要。視頻圖像監視是一種通用性強，成本較低的監視手段，由此提出了一種基于Single Shot MultiBox Detector卷積神經網絡檢測方法的視頻檢測系統。對真實的機場場面視頻進行采集，并將其中的飛機、汽車、人進行標定，創建一個包含大量圖片的機場場面數據集，并在此數據集上進行訓練SSD模型?；具_到了實時檢測的效果，為中小型機場場面監視系統提供了一個新的方法。

技術領域

本發明屬于機場場面監視領域，尤其是基于視頻流的機場場面監視方法。

背景技術

近年來，中國航空運輸規模不斷擴大，現已發展為全球第二大航空運輸國，通用航空的發展同時也取得了不小的成就，中小機場的數量隨之增加。現有機場監測手段中的場面監視雷達、多點定位成本較高，中小機場難以實現，且會存在盲區。再這種情況下，基于卷積神經網絡的場面監視應運而生。

目前，常用的機場場面監視手段包括場面監視雷達、多點定位（Multilateration，簡稱MLAT）和廣播式自動相關監視（Automatic Dependent Surveillance–Broadcast，簡稱ADS-B）等技術手段。但是由于場面監視雷達十分昂貴，動則上千萬元以上，并不是所有機場都能負擔起如此大的開銷，尤其是對航班起降架次較少的中小型機場。而無論是MLAT 還是ADS-B，由于其需要通過無線通信網絡和安裝在被監視目標上的收發裝置才能實現較高精度的定位和監視。

對于沒有安裝收發裝置的非協作目標，如在場面運行的多數車輛和機務人員，MLAT 和ADS-B 均無法實現有效定位和監視。

發明內容

有鑒于此，本發明提供了一種基于卷積神經網絡的機場場面監視方法，該方法采用深度學習網絡SSD(Single Shot MultiBox Detector)，通過實時對機場場面圖像中目標進行識別，實現場面監視。

本發明的技術方案具體實現如下：

一種訓練SSD卷積神經網絡的方法，具體過程為：

(一)通過場面監視攝像頭，拍攝大量的機場場面圖片，其中應包含需要識別的目標；

(二)將上述獲得的每一張圖片中需要識別的目標進行標定，得到包含目標矩形框的四個點的坐標的xml文件；

(三)搭建深度學習框架caffe，編譯SSD源碼，對標定圖片進行學習。生成識別標定目標的特定卷積神經網絡。

一種基于SSD的場面監視方法的具體步驟為：

A.獲取機場場面監控視頻流，并使用OpenCV將其轉換為圖片幀；

B.將獲得的需要檢測的圖片幀輸入進先前已經訓練好的SSD卷積神經網絡，網絡對圖片中的目標進行識別；

C.設定一個閾值T(0<T<1)與SSD網絡識別目標產生的置信度Z(0<Z<1)進行比較，當T≤Z時，進入步驟D；否則進入步驟E；

D.在輸入圖片中加上被識別目標的矩形框作為輸出；

E.置信度達不到要求，認為是識別錯誤的目標，不加上矩形框。