CN105912975A - 使用视频分析来管理在过站期间出现的飞行器舱内行为 - Google Patents
使用视频分析来管理在过站期间出现的飞行器舱内行为 Download PDFInfo
- Publication number
- CN105912975A CN105912975A CN201610095108.2A CN201610095108A CN105912975A CN 105912975 A CN105912975 A CN 105912975A CN 201610095108 A CN201610095108 A CN 201610095108A CN 105912975 A CN105912975 A CN 105912975A
- Authority
- CN
- China
- Prior art keywords
- aircraft nacelle
- behavior
- video
- time
- aircraft
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims description 54
- 238000001514 detection method Methods 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 25
- 235000012054 meals Nutrition 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 95
- 238000004140 cleaning Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 241000268741 Pax Species 0.000 description 9
- 238000007726 management method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 3
- 229910002056 binary alloy Inorganic materials 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229940112112 capex Drugs 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- FEBLZLNTKCEFIT-VSXGLTOVSA-N fluocinolone acetonide Chemical compound C1([C@@H](F)C2)=CC(=O)C=C[C@]1(C)[C@]1(F)[C@@H]2[C@@H]2C[C@H]3OC(C)(C)O[C@@]3(C(=O)CO)[C@@]2(C)C[C@@H]1O FEBLZLNTKCEFIT-VSXGLTOVSA-N 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
- B64D47/08—Arrangements of cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
Abstract
公开了使用视频分析来管理在过站期间出现的飞行器机舱行为的系统和方法。在一个实施例中,从设置在飞行器机舱内的至少一个视频相机在过站期间获得飞行器机舱行为的实时视频馈给。此外,通过对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记和进展。此外,使用与一个或更多个飞行器机舱行为相关联的所确定的飞行器机舱行为时间戳记和进展来管理飞行器机舱行为。
Description
技术领域
本公开的实施例总体上涉及飞行器舱内行为,更具体地,涉及使用视频分析来管理在过站(turnaround)期间出现的飞行器舱内行为。
背景技术
典型地,航空公司需要关于不同的机舱行为和事件的可靠的和实时的信息,用于管理和改进舱内行为和人力部署。这是过站优化的一部分,过站优化对于航空公司通常具有最高优先级。再者,航空公司通常监控飞行器过站期间的飞行器机舱行为和事件,用于舱内行为管理。示例性舱内行为包括登机、离机、清扫和供餐。为了管理这些舱内行为,典型地航空公司确定与这些舱内行为相关联的开始和停止时间戳记。现有的方法可以依赖于航空公司操作人员和/或地勤人员(ground handler)手动确定的关于舱内行为管理的开始和停止时间戳记。然而,手动确定关于舱内行为管理的开始和停止时间戳记可能不是准确的并且可能导致舱内行为的低效的管理和优化。
发明内容
公开了使用视频分析来管理在过站期间出现的飞行器舱内行为的系统和方法。根据本公开的一个方面,通过设置在飞行器机舱内的至少一个视频相机在过站期间获得飞行器机舱行为的实时视频馈给。随后分析所获得的实时视频馈给以确定与过站期间的飞行器的每一个舱内行为相关联的时间戳记并且测量进展,用于管理和优化一个或更多个舱内行为。
根据本公开的另一方面,一种系统包括一个或更多个视频相机和计算系统。此外,该计算系统包括用于执行上述方法的视频分析工具。
根据本公开的又一方面,一种非暂态的计算机可读存储介质,用于使用视频分析来管理飞行器机舱行为,其具有指令,所述指令在被计算设备执行时使计算设备执行上述方法。
这里公开的系统和方法可以通过用于实现各方面的任何手段来实现。根据附图和下面的详细描述,其他特征将是明显的。
附图说明
这里参照附图描述各实施例,在附图中:
图1是图示使用视频分析来管理飞行器舱内行为的示例视频分析系统的框图;
图2A至2D图示了示例图像,包括设置在飞行器的驾驶舱区域周围的视频相机捕获的飞行器机舱行为的时间戳记信息;
图3A至3F图示了根据一个实施例的从视频数据得到的捕获的静止图像的画面截图,其示出了用于视频分析的划界盒(bounding box)和跟踪器,用来监控和管理乘客的登机和离机期间的每个舱内行为;
图3G至3J图示了示例图像,包括飞行器机舱行为的时间戳记信息和运动计数度量;
图4是图示用于使用视频分析来管理在过站期间出现的飞行器舱内行为的示例方法的流程图;以及
图5是根据一个实施例的用于使用视频分析来管理舱内行为的计算设备的框图。
这里描述的附图仅用于说明的目的,并非旨在以任何方式限制本公开的范围。
具体实施方式
公开了使用视频分析来管理过站期间的飞行器舱内行为的系统和方法。在下面的本公开的实施例的详细描述中,参照形成本公开的一部分的附图,并且在附图中作为说明示出了其中可以实践本公开的具体实施例。这些实施例被充分详细地描述以使得本领域技术人员能够实践本公开,并且将理解可以利用其他实施例,并且可以在不偏离本公开的范围的情况下进行改变。因而,下面的详细描述不应被视为限制性的,并且本公开的范围由所附权利要求限定。
这里描述的实施例提供了用于使用视频分析来管理飞行器机舱行为的方法和系统。这里公开的示例技术提供了用于管理在过站期间的飞行器的飞行器机舱行为的视频分析工具。示例性飞行器机舱行为包括登机、离机、清扫、供餐等。在一个实施例中,视频分析工具获得由设置在飞行器机舱中的期望位置处的一个或更多个视频相机捕获的实时视频数据/馈给。此外,视频分析工具可以被配置成通过对所获得的视频数据应用视频分析来确定与过站期间的飞行器机舱行为相关联的时间戳记,以管理飞行器机舱行为。例如,视频分析工具确定关于诸如登机的开始、进行和停止,登机口处的到达和离开,离机的开始、进行和停止,清扫人员到达和离开,以及供餐到达和离开的事件的时间戳记和进展信息。
本技术可以应用于需要机舱行为的准确预测、管理和优化的工程中的任何问题,并且在各种领域(例如,航空、汽车等)实现上述功能。在例如航空中,本技术可以应用于舱内区域、诸如驾驶舱区间、乘客舱区域、货舱区域等。
在本技术中,可从来自飞行器机舱的视频馈给中获得的视频分析可用于自动地监控、管理和优化飞行器机舱行为。与这些舱内行为或事件相关联的飞行器机舱行为时间戳记和进展信息可以被确定并且经由服务器发送给用户设备,诸如监控设备、移动设备等。此外,可以执行对所获得的飞行器机舱行为时间戳记信息的分析以改进飞行器机舱行为。获得关于主要行为或事件的飞行器机舱行为时间戳记的过程可以是自动化的,使得不需要人工监控或干预。可以从服务器向航空公司地勤团队直接发送关于飞行器机舱行为的开始、进展和停止的指令。通过从这些过站周期生成的数据,航空公司可以执行数据分析以增强审核并且改进过站期间的飞行器行为。此外,所获得的飞行器机舱行为戳记随后可被用于预先预测这些飞行器机舱行为的完成时间,这可以辅助航空公司作出反应以及从任何延误恢复。
在一个示例中,以上提出的视频分析技术基于人计数以及运动检查二者,用于计算/确定与飞行器机舱行为或事件相关联的开始行为时间戳记、其间/过程行为时间戳记和/或结束行为时间戳记。此外,以上技术提供了可靠的和自动的数据收集,用于减小对来自航空公司和地勤人员的主观数据的依赖。此外,以上技术可以显著减少对用于验证的物理审核的需要。再者,以上技术不需要对机场的任何资本性支出(Capex)投资,因为所提出的技术可以利用可从已设置在飞行器机舱中的视频相机获得的馈给来获得所需的视频数据。
在另一示例中,以上解决方案基于对空飞行器机舱或者紧邻行为开始之前的机舱(例如,人在离机行为之前就坐)的视频分析算法的训练以及随后对飞行器机舱中的人的任何移动和/或改变的检测,实现了基于前景检测的飞行器机舱事件或行为检测时间戳记。再者,设置在飞行器机舱中的各视频相机可用于特定事件或行为检测。可以设想,一些事件可能需要多个视频相机馈给以便利和增强飞行器机舱行为的检测。
人计数和运动检测可以通过使用驾驶舱门相机或者通过机舱相机来进行。除了人计数之外,可以检测和监控飞行器门移动,还有如餐车的物理物体。
在本文通篇中术语“舱内”和“机舱”可以互换使用。此外,在本文通篇中术语“事件”和“行为”可以互换使用。再者,在本文通篇中术语“视频数据”和“视频馈给”可以互换使用。此外,在本文通篇中术语“跟踪器”和“计数线(counter lines)”可以互换使用。
现在参照图1,其是图示使用视频分析来管理飞行器舱内行为的示例视频分析系统100的框图。如图1中所示,系统100包括设置在飞行器机舱区域内部的一个或更多个视频相机102A-102N、计算系统104、图像数据库122和显示设备106。此外,如图1中所示,计算系统104包括一个或更多个处理器108和通信耦接到处理器108的存储器110。此外,存储器110包括视频分析工具112。此外,如图1中所示,视频分析工具112包括原始算法检测模块114、训练模块116、错误检测和中断控制模块118以及事件触发模块120。
此外,视频相机102A-102N通信连接到计算系统104。例如,计算系统104可以是专用计算系统或者通用计算系统,用于实现视频分析工具112。在该示例中,计算系统104可以存在于飞行器内部,例如可以是飞行器飞行管理系统的一部分。此外,显示设备106通信连接到计算系统104。例如,显示设备106还可以是计算系统104的一部分。此外,如图1中所示,图像数据库122耦接到计算系统104。在一个示例中,图像数据库122用于存储视频和图像数据,诸如餐车、货物托盘、机舱环境等的视频和图像数据。
在操作中,视频相机102A-102N实时地捕获过站期间的飞行器机舱行为的视频数据。在一个实施例中,视频相机102A-102N捕获在过站期间出现的各种飞行器机舱行为的视频数据。在一个示例中,飞行器机舱行为包括登机(登机开始、登机进展和登机结束)、离机(例如,离机开始、离机进展和离机停止)、清扫(例如,清扫开始和清扫结束)和/或供餐行为(例如,供餐开始、供餐进展和供餐停止)。
此外,在操作中,原始算法检测模块114从视频相机102A-102N获得捕获的视频数据。在一个实施例中,原始算法检测模块114从设置在飞行器机舱中的视频相机(例如,视频相机102A-102N中的一个或更多个视频相机)获得实时的视频数据,使得视频相机捕获在过站期间的一个或更多个飞行器机舱行为的实时视频数据。在一个示例中,视频相机102A-102N可以设置在从驾驶舱区域、乘客区域、厨房和门区域中选择的飞行器机舱区域中,使得视频相机捕获在过站时段期间的飞行器机舱的视频馈给。
此外,训练模块116通过按预定的空飞行器机舱时间间隔和/或直到相关联的飞行器机舱行为开始为止改变飞行器机舱环境参数来训练每个视频相机。例如,飞行器机舱环境参数包括但不限于,基于日间时间的飞行器机舱光和/或基于日间时间的飞行器机舱阴影。此外,训练模块116基于每个视频相机的训练将权重分配给飞行器机舱环境参数。经训练的图像可以存储在图像数据库122中以备以后在视频分析中使用以管理飞行器的过站时间期间的飞行器机舱行为。
在一个示例性实现方案中,需执行训练的舱内环境会根据日间时间、照明条件、落在其上的阴影等基本上在从黑暗到完全照亮的范围内改变。视频分析系统可以从任何事件前触发的开始起进行学习,根据此时的训练和位置将权重提供给先前获得的背景。这确保了在使前景区别于背景时,系统总是具有某种标准数据。
此外,事件触发模块120通过对所获得的视频馈给应用视频或数据分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量进展。例如,飞行器机舱行为时间戳记包括与一个或更多个飞行器机舱行为的开始时间、进展时间、结束时间和/或停止时间相关联的时间戳记。
在一个示例中,事件触发模块120通过基于所分配的权重对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记。在另一示例中,事件触发模块120使用与一个或更多个飞行器机舱行为相关联的所确定的飞行器机舱行为时间戳记以及进展来管理飞行器机舱行为。
在一个实施例中,事件触发模块120选择来自安置在飞行器机舱中的每个视频相机的视频馈给中的感兴趣的划界区域,在来自每个视频相机的视频馈给中的感兴趣的划界区域中限定一个或更多个计数线,并且随后基于感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记。这将参照图2A-2D和3A-3J进行详细说明。例如,计数线包括进计数线(in-count line)和出计数线(out-count line),其中每个进计数线用于监控飞行器机舱行为的开始并且每个出计数线用于监控相关联的飞行器机舱行为的结束。
在一个示例性实现方案中,事件触发模块120确定来自每个视频相机的视频馈给中的感兴趣的划界区域中的白色像素计数,确定基于白色像素计数的感兴趣的物体是否与所限定的一个或更多个计数线交叉,并且当白色像素计数与划界区域中的所限定的一个或更多个计数线交叉时确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记。
在另一示例性实现方案中,事件触发模块120执行运动检测以确定感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体,并且基于感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记。视频分析工具112可以使用能够被训练并且随后用于物体检测的机器学习算法(例如,局部二分算法)来捕获事件检测时间。
在一个示例性实现方案中,可以使用如下示例逻辑利用飞行器机舱行为检测来识别各种行为的时间戳记:
a)离机开始:乘客(PAX)门打开+第一PAX离开。
b)离机进展:对视频馈给中的乘客(PAX)的大致数目进行计数,与总PAX计数进行比较并且计算离机进展的百分比(%)。
c)离机停止:最后PAX离开(例如,最后离开之后的时间间隙>45秒)+离机进展>90%+空座位。
d)清扫开始:在离机停止之后+人成队进入(例如,3-4个人)+过道移动(连续)+空座位+着装标准。
e)清扫结束:当人成队离开(例如,3-4)时的清扫+过道移动停止。
f)登机开始:在清扫结束之后+PAX进入+进入速率+过道移动+座位占用。
g)登机进展:粗略地对视频馈给中的PAX进行计数,与总PAX计数进行比较并且计算登机进展的百分比,或者监控视频馈给中的机舱座位占用。
h)登机结束:最后PAX进入(例如,最后进入之后的时间间隙>45秒)+登机进展>90%。
i)供餐开始:供餐门打开+第一个餐车出来。
j)供餐进展:餐车/餐盒移入和移出厨房区域。
k)供餐停止:供餐门关闭。
在每个以上事件检测中,可以取得来自机舱相机的快照并且将其发送到地勤人员用于交叉验证。
错误检测和中断控制模块118检测在不正确的检测中可能出现的任何错误检测以及在视频数据中生成的噪声,并且通过仅标记或考虑在预先决定的阈值帧中连续检测到的这些检测来滤除错误检测。此外,错误检测和中断控制模块118移除在经过特定数目的帧之后丢失的检测。再者,错误检测和中断控制模块118可以使用针对用户限定的运动简档进行工作的Kalman滤波器模型来移除对于某些帧不可见的某些物体。根据环境、相机位置和排列,乘客移动可能具有固定的速度。例如,根据Kalman滤波器确定的感兴趣的划界区域使用距前一位置的距离度量,根据Hungarian算法进行分布,该Hungarian算法将新的帧中的检测分类成旧的跟踪器和新的物体跟踪器。
此外,事件触发模块120基于机舱行为的知识,使用在充分努力之后观察到的和得到的约束和逻辑(例如,如上文讨论的)来改进事件触发。例如,事件触发可以包括设定离机完成的自动原初触发延迟,其是基于飞行器上的乘客而计算的。
如下描述视频馈给上的原型飞行器机舱行为来自飞行器内部的不同相机、监控乘客移动以及提供相应的时间戳记。用于实现原型飞行器机舱行为的参数包括:
a.训练时段时长:训练时段时长可以包括通过从多个连续视频帧吸收数据来构造发展模型。可以使用Gaussian混合模型来区分前景像素和背景像素。帧数目越多,前景像素和背景像素之间的对比就越明显。此外,由于显著较大的数据集合,训练时段中的人或乘客的运动被减弱。
b.遮罩(mask):该参数可以以二进制格式提供/表明前景像素的位置。图像中的物体可以被视为在应用形态操作之后获得的连接斑点。
c.划界区域限制:划界区域限制是根据飞行器机舱中的相机位置预先限定的并且限定要检测的物体尺寸的限制。
d.跟踪器:跟踪器表明遮罩中的连接斑点上的划界区域。
e.可靠跟踪器计数器:可靠跟踪器计数器可用于去除噪声以及以某种或期望的置信度跟踪在视频帧中移动的同一物体。计数器值越高,在物体运动和方向方面获得的置信度就越高。
f.用于人计数的划界区域:用于人计数的划界区域指的是通过稳定的、有对比的背景诸如色白的固定墙选择的区域。当物体来到墙前面时,其出现在二进制遮罩中。再者,划界区域的尺寸使得仅一个感兴趣的物体能够与该区域交叉或者一次排列一个,使得人计数容易和可靠。例如,划界区域可以是矩形的。
g.计数线:在用于人计数的划界区域内部限定计数线。一旦物体斑点与该线交叉,则可以使相应的进计数器或出计数器递增。
h.α第二时间间隔:α的值表示如下时间间隔,在该时间间隔之后基于跟踪器行为和人计数器值来调查是否正在发生充分的运动。
i.运动计数:运动计数是试图量化在感兴趣的划界区域中发生的运动量的参数。向新的初值,即跟踪器的定向移动量和计数器值增量二者提供权重,最终提供运动计数参数的积分值。显然,该值可以取决于选择适当的α第二时间间隔。较短的值连续给出零运动计数,而较长的值积累移动并且在较长的时间时长之后对其进行处理,从而不会给出事件的准确时间戳记。再者,较大的α第二时间间隔的值可能包括不止一个事件,导致事件开始或终止或者信息丢失。例如,离机结束和清扫人员进入落在同一间隔,其中系统会将清扫行为误解为乘客移动。
此外,视频分析工具112的训练模块116通过捕获并且存储关于“训练时段时长”参数的帧来开始训练,以适应Gaussian模型。再者,训练模块116可以将权重分配给早先记录的预先限定的模型,在训练时段期间在视频相机前方存在显著运动的情况下,这可以有助于识别背景信息。训练时段需要定时在人计数器开始之前以确保环境检测的准确性。训练开始的触发可以是机舱门打开/关闭或者飞行器滑行开始或结束,这被传递到服务器。
在训练完成之后,可以连续改变或学习背景估计,其中可以根据条件限定学习速率。这可以确保在长时间段中引入到视频帧中的静止物体,诸如餐车、手包等,最终变为背景的一部分。这可以确保将相关的移动物体视为前景而非相对于背景可能相对新的固定物体。
图2A至2D图示了示例图像200A-200D,包括设置在飞行器的驾驶舱区域周围的视频相机捕获的飞行器机舱行为的时间戳记信息。具体地,图2A图示了用于对人计数的感兴趣的划界区域202、用于对与划界区域202交叉的人的数目进行计数的计数器204、以及机舱门位置206。此外,图2B示出了当第一人登上飞行器时显示的时间戳记208、以及用于跟踪视频帧中的物体的移动的跟踪器210。图2C示出了与乘客登机相关联的进展以及与每个乘客相关联的时间戳记208,而图2D示出了离开飞行器212的乘客以及指示基于所跟踪的划界区域中的人的移动的最终值的计数器204。
具体地,图2A-2D图示了驾驶舱相机视频馈给的分析,其中选择人计数的划界区域202,使得人经过划界区域并且在遮罩中清晰可见。对于人计数,物体的阴影可被取为前景检测中的物体自身并且需要被校正。这是通过将视频帧转换成色度-饱和度-明度(HSV)格式并且从颜色信息分离“亮度(luma)”或图像强度来校正的。在与背景图像比较时阴影可以仅引起强度部分的改变,而不影响颜色信息层。在一个示例中,通过对在遮罩的中心的白色像素计数,并且当白色像素超过特定阈值时添加到人计数计数器来执行移动物体的计数。此外,根据物体的速度调节计数器(例如,计数器204),以避免对对象多次计数。
为了确知物体的移动方向,在阈值与划界区域202的任一边缘交叉之后,还通过视频帧关注划界区域202的边缘上的像素计数。为了提高准确性,考虑相等间隔处的更多的像素计数数目并且随后对其进行分析以获得感兴趣的划界区域内部的移动方向。
图3A至3F图示了根据一个实施例的从视频数据得到的捕获的图像300A-300F的画面截图,其示出了用于视频分析的划界区域和跟踪器,用来监控和管理乘客的登机和离机期间的每个舱内行为。具体地,图3A图示了通过在飞行器上的乘客执行训练(例如302),并且图3B图示了当不存在感兴趣的移动物体时的与图3A对应的背景图像。图3C示出了运动计数304的跟踪器,其指示以预先限定的置信度跟踪在帧中移动的物体以及移入和移出感兴趣的划界区域的乘客的大致数目。图3D图示了与图3C对应的二进制遮罩,示出了所跟踪的物体斑点306。图3E图示了基于来自每个视频相机的视频馈给中的感兴趣的划界区域310中的进计数线312和出计数线314的离机行为308。图3F图示了与图3E对应的背景图像,其中在离机行为完成之后不存在感兴趣的移动物体。
参照图3A-3F,相机可被安装成使得整个机舱在帧中可见并且由于乘客移入或移出帧,因此人计数可能变得困难。在该情况下,不需要乘客计数的准确数目以获得登机/离机完成的事件的时间记录。不同于基于过道中的移动量,可以如下估计时间记录。
在过道中出现移动时,过道可被取为感兴趣的划界区域(例如,310)。前景检测识别物体斑点,生成跟踪器,并且在与“可靠跟踪器计数器”阈值交叉时,可以通过具有标记的划界区域来示出时间戳记、进展信息和运动计数。例如,划界区域可以覆盖移动部分,例如,手或腿或躯干。从初始位置到最终位置记录跟踪器质心移动,直到质心移动在帧中保持可见,并且针对每个跟踪器记录距离。
在限定方向上移动阈值距离之后,例如最小竖直长度是划界区域的竖直长度的50%,一旦划界区域质心与计数线交叉,则可以使进计数器或出计数器递增。对于每个α第二时间间隔以及对于给定的参数(即,运动计数),进或出计数器递增并且新的跟踪器初始化可以被记录。
如果运动计数对于任何间隔是零,则即将到来的时间间隔被缩短。如果运动计数对于连续的间隔是零,则系统可以触发关于登机或离机的结束的事件时间记录。时间间隔的缩短可以提高准确性并且避免在同一间隔中包括两个事件触发。如图3A-3F中所示,一旦运动计数从零增加到显著较高的值,例如2或3,则记录登机或离机开始时间戳记。这可以使一个方向上的乘客的集中移动区别于机组人员或乘客在过道中的不频繁移动。
图3G至3J图示了示例图像300G-300J,包括飞行器机舱行为的时间戳记信息和运动计数度量。图3G图示了基于来自每个视频相机的视频馈给中的用于运动估计354的感兴趣的划界区域以及用于人计数360的感兴趣的划界区域的训练阶段进行离机行为(例如,352),并且图3H图示了当不存在感兴趣的移动物体时的与图3G对应的背景图像。再者,图3G示出了来自每个视频相机的视频馈给中的感兴趣的划界区域354中的进计数线356和出计数线358以及用于人计数360的感兴趣的划界区域中的计数线362。图3I示出了与时间戳记364一起显示的事件,并且图3J图示了与图3I对应的二进制遮罩,示出了所跟踪的物体斑点和运动计数度量以及当前进行事件信息,还有跟踪器366以及人计数和方向指示器368。
在图3G-3J中,通过组合在驾驶舱相机和机舱过道相机分析中使用的人计数和运动计数技术来分别显示不同的飞行器机舱行为时间戳记。登机和离机的乘客的数目、清扫人员的数目等可以被传递到系统,并且可以从门周围的运动和所计数的人的数目二者得到事件触发。这会是所需要的,因为所计数的人的数目由于迅速的移动、父母携带的孩子等而可能不是准确的,并且运动计数触发由于人的移动,诸如老年人等待到结束并且移动极为缓慢、以及连续的机组人员移动,而可能不足以预测事件的结束和开始。
两种技术的组合一前一后地工作并且在信息上彼此补充,并且可以向事件触发提供置信度。在一个示例性实现方案中,在门附近、固定面板的前方选择感兴趣的划界区域,用于人计数。对于运动计数,感兴趣的划界区域被取为地板空间,提供移动参数和门周围的拥挤。一旦门打开并且被检测到,则训练部分可以完成。对于离机,可以连续计算移出的人的数目,并且一旦其达到规定值的预先限定的阈值(例如,90%),则当在门周围存在较少的移动或零移动时,系统依赖于运动计数来预测离机的结束。一旦关于离机结束的时间戳记被记录,则系统等待清扫人员出现并且随后记录清扫人员登机时间。由于清扫人员较之乘客数目较少并且通常成队移动,因此α第二时间间隔将缩短。
为了较大的置信度,对于使用制服的机组人员、清扫人员和技术人员的移动区分,需要采用基于LBP的检测算法来预测清扫人员移动。对于配备有多个相机的飞行器,可能需要来自相关相机的信息实时地核对用于事件检测。
通过使用基于Kalman滤波器的算法用于预测物体的运动以及使用基本上记录在帧上已检测到特定物体的帧数目的“可靠跟踪器计数器”参数,可以使错误检测(例如,检测并不真实存在的物体)最少。一旦连续检测的数目与预先限定的阈值交叉,则划界区域被分配并且在用户接口上变得可见。
关于软件的测试和人类监控阶段期间的不同飞行器的事件时间的一些实际值可能必须被包括,如登机平均时间等。再者,通过足够的数据,可以通过乘客的数目和简档来预测登机时间,并且可以预先进行如警告燃料加注或清扫人员的下一行动进程,因而确保飞行器的资源的最优利用以及飞行器的过站时间的显著减少。
图4是图示用于使用视频分析来管理在过站期间出现的飞行器舱内行为的示例方法的流程图400。在框402处,从设置在飞行器机舱中的至少一个视频相机获得在过站期间的飞行器机舱行为的实时视频馈给。在一个示例实现方案中,至少一个视频相机设置在从驾驶舱区域、乘客区域、厨房和门区域中选择的飞行器机舱区域中,使得至少一个视频相机捕获在过站时段期间的飞行器机舱的视频馈给。例如,权利要求1的方法,飞行器机舱行为包括从登机、离机、清扫和供餐中选择的行为。
在步骤404,通过对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展。例如,飞行器机舱行为时间戳记包括与一个或更多个飞行器机舱行为的开始时间、进展时间、结束时间和/或停止时间相关联的时间戳记。
在该情况下,通过在预定的空飞行器机舱时间间隔中和/或直到相关联的飞行器机舱行为开始为止改变飞行器机舱环境参数来训练每个视频相机。例如,飞行器机舱环境参数是基于日间时间的飞行器机舱光和/或基于日间时间的飞行器机舱阴影。此外,基于每个视频相机的训练将权重分配给飞行器机舱环境参数。此外,通过基于所分配的权重对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量进展。
在一个示例中,通过选择来自安置在飞行器机舱中的每个视频相机的视频馈给中的感兴趣的划界区域,在来自每个视频相机的视频馈给中的感兴趣的划界区域中限定一个或更多个计数线,并且基于划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量进展,来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量进展。例如,计数线包括进计数线和出计数线,其中每个进计数线用于监控飞行器机舱行为的开始并且每个出计数线用于监控相关联的飞行器机舱行为的结束。
在一个示例性实现方案中,通过确定来自每个视频相机的视频馈给中的感兴趣的划界区域中的白色像素计数并且确定基于白色像素计数的感兴趣的物体是否与所限定的一个或更多个计数线交叉,来确定飞行器机舱行为时间戳记并且测量进展。在另一示例性实现方案中,通过执行运动检测以确定划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体,来确定飞行器机舱行为时间戳记并且测量进展。
在步骤406,使用与一个或更多个飞行器机舱行为相关联的所确定的飞行器机舱行为时间戳记和进展来管理飞行器机舱行为。
现在参照图5,其图示了用于使用视频分析来管理在过站期间出现的飞行器机舱行为的计算设备500的示例的框图500。计算设备500包括通过系统总线通信耦接的处理器502和机器可读存储介质504。在一个示例中,计算设备500可以类似于图1的计算系统104。处理器502可以是任何类型的中央处理单元(CPU)、微处理器或者解释并执行机器可读存储介质504中存储的机器可读指令的处理逻辑。机器可读存储介质504可以是随机存取存储器(RAM)或者可以存储信息以及可由处理器502执行的机器可读指令的另一类型的动态存储设备。例如,机器可读存储介质504可以是同步DRAM(SDRAM)、双数据速率(DDR)、rambusDRAM(RDRAM)、rambus RAM等,或者诸如软盘、硬盘、CD-ROM、DVD、笔驱动器等的存储用存储器介质。在一个示例中,机器可读存储介质504可以是非暂态计算机可读存储介质。机器可读存储介质504可以存储指令506和508。
在一个示例中,指令506可以由处理器502执行以从至少一个视频相机实时地获得在过站期间的飞行器机舱行为的视频数据。指令508可以由处理器502执行以通过对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量进展,并且使用与一个或更多个飞行器机舱行为相关联的所确定的飞行器机舱行为时间戳记和进展来管理飞行器机舱行为。
在各实施例中,图1至5中描述的系统和方法提出了用于使用视频分析来管理飞行器机舱行为的技术。所提出的技术通过对所捕获的视频数据应用视频分析来确定与飞行器机舱行为相关联的时间戳记并且测量进展。这里确定的自动获得的时间戳记是可靠的,因而减少对航空公司操作人员和机组人员等获得的主观数据的依赖。此外,所确定的时间戳记和测量进展信息可用于优化飞行器的过站行为。
尽管这里已描述了特定的方法、系统、装置和制品,但是本申请的覆盖范围不限于此。相反,本申请涵盖落在所附权利要求及其等同物的范围内的所有方法、装置和制品。
Claims (21)
1.一种用于使用视频分析来管理在过站期间的飞行器机舱行为的方法,包括:
从设置在飞行器机舱中的至少一个视频相机获得在过站期间的飞行器机舱行为的实时视频馈给;
通过对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展;以及
使用与一个或更多个飞行器机舱行为相关联的所确定的飞行器机舱行为时间戳记和进展来管理飞行器机舱行为。
2.根据权利要求1所述的方法,其中通过对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展包括:
通过在预定的空飞行器机舱时间间隔中和/或直到相关联的飞行器机舱行为开始为止改变飞行器机舱环境参数来训练所述至少一个视频相机,其中所述飞行器机舱环境参数是基于日间时间的飞行器机舱光和/或基于日间时间的飞行器机舱阴影;
基于所述至少一个视频相机的训练将权重分配给所述飞行器机舱环境参数;以及
通过基于所分配的权重对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展。
3.根据权利要求1所述的方法,其中所述至少一个视频相机设置在从驾驶舱区域、乘客区域、厨房和门区域中选择的飞行器机舱区域中,使得所述至少一个视频相机捕获在过站期间的飞行器机舱的视频馈给。
4.根据权利要求1所述的方法,其中飞行器机舱行为包括从登机、离机、清扫和供餐中选择的行为。
5.根据权利要求1所述的方法,其中飞行器机舱行为时间戳记包括与一个或更多个飞行器机舱行为的开始时间、进展时间、结束时间和/或停止时间相关联的时间戳记。
6.根据权利要求1所述的方法,其中通过对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展包括:
选择来自安置在飞行器机舱中的所述至少一个视频相机的视频馈给中的感兴趣的划界区域;
在来自所述至少一个视频相机的视频馈给中的感兴趣的划界区域中限定一个或更多个计数线;以及
基于感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展。
7.根据权利要求6所述的方法,其中基于感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展包括:
确定来自所述至少一个视频相机的视频馈给中的感兴趣的划界区域中的白色像素计数;
确定基于白色像素计数的感兴趣的物体是否与所限定的一个或更多个计数线交叉;以及
基于感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的白色像素计数来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展。
8.根据权利要求6所述的方法,其中基于感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展包括:
执行运动检测以确定感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体;以及
基于感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展。
9.根据权利要求6所述的方法,其中所述计数线包括进计数线和出计数线,其中每个进计数线用于监控飞行器机舱行为的开始并且每个出计数线用于监控相关联的飞行器机舱行为的结束。
10.一种视频分析系统,包括:
至少一个视频相机,设置在飞行器机舱内部;以及
计算系统,通信耦接到所述至少一个视频相机,其中所述计算系统包括视频分析工具,用于:
从设置在飞行器机舱中的至少一个视频相机获得在过站期间的飞行器机舱行为的实时视频馈给;
通过对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展;以及
使用与一个或更多个飞行器机舱行为相关联的所确定的飞行器机舱行为时间戳记和进展来管理飞行器机舱行为。
11.根据权利要求10所述的系统,其中所述视频分析工具用于:
通过在预定的空飞行器机舱时间间隔中和/或直到相关联的飞行器机舱行为开始为止改变飞行器机舱环境参数来训练所述至少一个视频相机,其中所述飞行器机舱环境参数是基于日间时间的飞行器机舱光和/或基于日间时间的飞行器机舱阴影;
基于所述至少一个视频相机的训练将权重分配给所述飞行器机舱环境参数;以及
通过基于所分配的权重对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展。
12.根据权利要求10所述的系统,其中所述至少一个视频相机设置在从驾驶舱区域、乘客区域、厨房和门区域中选择的飞行器机舱区域中,使得所述至少一个视频相机捕获在过站期间的飞行器机舱的视频馈给。
13.根据权利要求10所述的系统,其中飞行器机舱行为包括从登机、离机、清扫和供餐中选择的行为。
14.根据权利要求10所述的系统,其中飞行器机舱行为时间戳记包括与一个或更多个飞行器机舱行为的开始时间、进展时间、结束时间和/或停止时间相关联的时间戳记。
15.根据权利要求10所述的系统,其中所述视频分析工具用于:
选择来自安置在飞行器机舱中的所述至少一个视频相机的视频馈给中的感兴趣的划界区域;
在来自所述至少一个视频相机的视频馈给中的感兴趣的划界区域中限定一个或更多个计数线;以及
基于感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展。
16.一种包括指令的非暂态计算机可读存储介质,所述指令被配置成在被计算设备执行时使用视频分析来管理在过站期间的飞行器机舱行为,该方法包括:
从设置在飞行器机舱中的至少一个视频相机获得在过站期间的飞行器机舱行为的实时视频馈给;
通过对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展;以及
使用与一个或更多个飞行器机舱行为相关联的所确定的飞行器机舱行为时间戳记和进展来管理飞行器机舱行为。
17.根据权利要求16所述的非暂态计算机可读存储介质,其中通过对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展包括:
通过在预定的空飞行器机舱时间间隔中和/或直到相关联的飞行器机舱行为开始为止改变飞行器机舱环境参数来训练所述至少一个视频相机,其中所述飞行器机舱环境参数是基于日间时间的飞行器机舱光和/或基于日间时间的飞行器机舱阴影;
基于所述至少一个视频相机的训练将权重分配给所述飞行器机舱环境参数;以及
通过基于所分配的权重对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展。
18.根据权利要求16所述的非暂态计算机可读存储介质,其中所述至少一个视频相机设置在从驾驶舱区域、乘客区域、厨房和门区域中选择的飞行器机舱区域中,使得所述至少一个视频相机捕获在过站期间的飞行器机舱的视频馈给。
19.根据权利要求16所述的非暂态计算机可读存储介质,其中飞行器机舱行为包括从登机、离机、清扫和供餐中选择的行为。
20.根据权利要求16所述的非暂态计算机可读存储介质,其中飞行器机舱行为时间戳记包括与一个或更多个飞行器机舱行为的开始时间、进展时间、结束时间和/或停止时间相关联的时间戳记。
21.根据权利要求16所述的非暂态计算机可读存储介质,其中通过对所获得的视频馈给应用视频分析来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展包括:
选择来自安置在飞行器机舱中的所述至少一个视频相机的视频馈给中的感兴趣的划界区域;
在来自所述至少一个视频相机的视频馈给中的感兴趣的划界区域中限定一个或更多个计数线;以及
基于感兴趣的划界区域中的与所限定的一个或更多个计数线交叉的感兴趣的物体来确定与一个或更多个飞行器机舱行为相关联的飞行器机舱行为时间戳记并且测量与一个或更多个飞行器机舱行为相关联的进展。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN819CH2015 | 2015-02-20 | ||
IN819/CHE/2015 | 2015-02-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105912975A true CN105912975A (zh) | 2016-08-31 |
CN105912975B CN105912975B (zh) | 2021-10-26 |
Family
ID=55404620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610095108.2A Active CN105912975B (zh) | 2015-02-20 | 2016-02-19 | 使用视频分析来管理在过站期间出现的飞行器舱内行为 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10296860B2 (zh) |
EP (1) | EP3059722A1 (zh) |
CN (1) | CN105912975B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827617A (zh) * | 2019-11-29 | 2020-02-21 | 中仿智能科技(上海)股份有限公司 | 一种模拟飞行器的飞行训练自动评估系统 |
US20220121838A1 (en) * | 2020-10-20 | 2022-04-21 | Rosemount Aerospace Inc. | System and method for enhanced surveillance using video analytics |
CN114694453A (zh) * | 2022-03-16 | 2022-07-01 | 中国民用航空飞行学院 | 一种飞行模拟舱低压调节系统 |
US11479370B2 (en) * | 2019-05-28 | 2022-10-25 | The Boeing Company | Aircraft turnaround monitoring systems and methods |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106210698B (zh) * | 2015-05-08 | 2018-02-13 | 光宝电子(广州)有限公司 | 深度相机的控制方法 |
US10564637B2 (en) | 2017-10-05 | 2020-02-18 | Honeywell International Inc. | Wireless e-signoff system |
US20190177004A1 (en) * | 2017-12-08 | 2019-06-13 | Rockwell Collins, Inc. | Integrated Imaging System for a Connected Aircraft |
US11006078B1 (en) * | 2018-10-12 | 2021-05-11 | American Airlines, Inc. | Monitoring/alert system for airline gate activities |
US11087161B2 (en) | 2019-01-25 | 2021-08-10 | Gracenote, Inc. | Methods and systems for determining accuracy of sport-related information extracted from digital video frames |
US11036995B2 (en) * | 2019-01-25 | 2021-06-15 | Gracenote, Inc. | Methods and systems for scoreboard region detection |
US11010627B2 (en) | 2019-01-25 | 2021-05-18 | Gracenote, Inc. | Methods and systems for scoreboard text region detection |
US10997424B2 (en) | 2019-01-25 | 2021-05-04 | Gracenote, Inc. | Methods and systems for sport data extraction |
US11805283B2 (en) | 2019-01-25 | 2023-10-31 | Gracenote, Inc. | Methods and systems for extracting sport-related information from digital video frames |
DE102019204359A1 (de) * | 2019-03-28 | 2020-10-01 | Airbus Operations Gmbh | Situationserkennungseinrichtung, flugzeugpassagierabteil und verfahren zur überwachung von flugzeugpassagierabteilen |
US10691955B1 (en) * | 2019-04-02 | 2020-06-23 | Boeing Company, The | Aircraft cabin artificial intelligence crew assistance |
CN112785507A (zh) * | 2019-11-07 | 2021-05-11 | 上海耕岩智能科技有限公司 | 图像处理方法及装置、存储介质、终端 |
US11580333B2 (en) * | 2019-11-12 | 2023-02-14 | Objectvideo Labs, Llc | Training image classifiers |
US11649067B2 (en) * | 2020-06-12 | 2023-05-16 | The Boeing Company | Object monitoring system for aircraft |
FR3115247B1 (fr) * | 2020-10-21 | 2023-01-13 | Alstom Transp Tech | Dispositif de gestion de la lumière pour véhicule , véhicule et procédé associés |
US11958608B1 (en) * | 2022-11-22 | 2024-04-16 | Panasonic Avionics Corporation | Techniques for monitoring passenger loading and unloading in a commercial passenger vehicle |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060115124A1 (en) * | 2004-06-15 | 2006-06-01 | Matsushita Electric Industrial Co., Ltd. | Monitoring system and vehicle surrounding monitoring system |
US20070233433A1 (en) * | 2004-03-18 | 2007-10-04 | Lee David J | Transforming airplane configuration requirements into intelligent spatial geometry |
US20080169914A1 (en) * | 2007-01-12 | 2008-07-17 | Jacob C Albertson | Warning a vehicle operator of unsafe operation behavior based on a 3d captured image stream |
US20080169929A1 (en) * | 2007-01-12 | 2008-07-17 | Jacob C Albertson | Warning a user about adverse behaviors of others within an environment based on a 3d captured image stream |
US20080219504A1 (en) * | 2007-03-05 | 2008-09-11 | Adams Henry W | Automatic measurement of advertising effectiveness |
US20090167881A1 (en) * | 2008-01-02 | 2009-07-02 | Karl Ola Thorn | Camera system and method for operating a camera system |
US20100157059A1 (en) * | 2008-12-22 | 2010-06-24 | Denso Corporation | Action estimating apparatus, method for estimating occupant's action, and program |
CN101909206A (zh) * | 2010-08-02 | 2010-12-08 | 复旦大学 | 基于视频的智能飞行器追踪系统 |
CN202221566U (zh) * | 2011-07-08 | 2012-05-16 | 中国民航科学技术研究院 | 一种基于性能导航的飞行程序设计系统及验证平台 |
CN102542289A (zh) * | 2011-12-16 | 2012-07-04 | 重庆邮电大学 | 一种基于多高斯计数模型的人流量统计方法 |
US20130108235A1 (en) * | 2005-06-23 | 2013-05-02 | Israel Aerospace Industries Ltd. | System and method for tracking moving objects |
US20130328661A1 (en) * | 2012-06-12 | 2013-12-12 | Snap-On Incorporated | Monitoring removal and replacement of tools within an inventory control system |
US20140125860A1 (en) * | 2012-11-02 | 2014-05-08 | U.S. Army Research Laboratory Attn: Rdrl-Loc-I | Passive Imaging Correction System Using Feedback and Method Thereof |
CN103863568A (zh) * | 2012-12-10 | 2014-06-18 | 空中客车作业有限公司 | 用于对飞机机舱进行紧急通风和加压的改进的方法和系统 |
CN203733342U (zh) * | 2014-01-27 | 2014-07-23 | 中国人民解放军93199部队飞行仿真技术研究所 | 一套适用于飞行模拟器的指挥监控装置 |
WO2014150895A1 (en) * | 2013-03-14 | 2014-09-25 | Pelco, Inc. | Energy saving heating, ventilation, air conditioning control system |
CN104346430A (zh) * | 2013-07-31 | 2015-02-11 | 空中客车运营简化股份公司 | 用于飞行器设备的维护辅助的方法和计算机程序 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009134490A1 (en) * | 2008-05-02 | 2009-11-05 | Bell Helicopter Textron Inc. | Method and apparatus for acquiring accurate background infrared signature data on moving targets |
US9152872B2 (en) * | 2012-11-12 | 2015-10-06 | Accenture Global Services Limited | User experience analysis system to analyze events in a computer desktop |
GB201412444D0 (en) * | 2014-05-30 | 2014-08-27 | Airbus Operations Ltd | System and method for providing an optimized aircraft turnaround schedule |
GB201416736D0 (en) * | 2014-08-08 | 2014-11-05 | Airbus Operations Ltd | System and method for airside activity management using video analytics |
US11022952B2 (en) * | 2015-01-02 | 2021-06-01 | Illinois Tool Works Inc. | System and method for enhancing manufacturing efficiency via operator activity detection |
-
2016
- 2016-02-19 CN CN201610095108.2A patent/CN105912975B/zh active Active
- 2016-02-19 EP EP16156436.4A patent/EP3059722A1/en not_active Withdrawn
- 2016-02-20 US US15/049,021 patent/US10296860B2/en active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070233433A1 (en) * | 2004-03-18 | 2007-10-04 | Lee David J | Transforming airplane configuration requirements into intelligent spatial geometry |
US20060115124A1 (en) * | 2004-06-15 | 2006-06-01 | Matsushita Electric Industrial Co., Ltd. | Monitoring system and vehicle surrounding monitoring system |
US20130108235A1 (en) * | 2005-06-23 | 2013-05-02 | Israel Aerospace Industries Ltd. | System and method for tracking moving objects |
US20080169914A1 (en) * | 2007-01-12 | 2008-07-17 | Jacob C Albertson | Warning a vehicle operator of unsafe operation behavior based on a 3d captured image stream |
US20080169929A1 (en) * | 2007-01-12 | 2008-07-17 | Jacob C Albertson | Warning a user about adverse behaviors of others within an environment based on a 3d captured image stream |
US20080219504A1 (en) * | 2007-03-05 | 2008-09-11 | Adams Henry W | Automatic measurement of advertising effectiveness |
US20090167881A1 (en) * | 2008-01-02 | 2009-07-02 | Karl Ola Thorn | Camera system and method for operating a camera system |
US20100157059A1 (en) * | 2008-12-22 | 2010-06-24 | Denso Corporation | Action estimating apparatus, method for estimating occupant's action, and program |
CN101909206A (zh) * | 2010-08-02 | 2010-12-08 | 复旦大学 | 基于视频的智能飞行器追踪系统 |
CN202221566U (zh) * | 2011-07-08 | 2012-05-16 | 中国民航科学技术研究院 | 一种基于性能导航的飞行程序设计系统及验证平台 |
CN102542289A (zh) * | 2011-12-16 | 2012-07-04 | 重庆邮电大学 | 一种基于多高斯计数模型的人流量统计方法 |
US20130328661A1 (en) * | 2012-06-12 | 2013-12-12 | Snap-On Incorporated | Monitoring removal and replacement of tools within an inventory control system |
US20140125860A1 (en) * | 2012-11-02 | 2014-05-08 | U.S. Army Research Laboratory Attn: Rdrl-Loc-I | Passive Imaging Correction System Using Feedback and Method Thereof |
CN103863568A (zh) * | 2012-12-10 | 2014-06-18 | 空中客车作业有限公司 | 用于对飞机机舱进行紧急通风和加压的改进的方法和系统 |
WO2014150895A1 (en) * | 2013-03-14 | 2014-09-25 | Pelco, Inc. | Energy saving heating, ventilation, air conditioning control system |
CN104346430A (zh) * | 2013-07-31 | 2015-02-11 | 空中客车运营简化股份公司 | 用于飞行器设备的维护辅助的方法和计算机程序 |
CN203733342U (zh) * | 2014-01-27 | 2014-07-23 | 中国人民解放军93199部队飞行仿真技术研究所 | 一套适用于飞行模拟器的指挥监控装置 |
Non-Patent Citations (2)
Title |
---|
CHENG-LUNG WU: "Monitoring Aircraft Turnaround Operations – Framework Development, Application and Implications for Airline Operations", 《TRANSPORTATION PLANNING AND TECHNOLOGY》 * |
LORÁND LUKÁCS 等: "Identification of the nonlinear dynamic model of sailplanes involving state estimation and image processing for actuator signal computation", 《2014 IEEE 12TH INTERNATIONAL SYMPOSIUM ON INTELLIGENT SYSTEMS AND INFORMATICS》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11479370B2 (en) * | 2019-05-28 | 2022-10-25 | The Boeing Company | Aircraft turnaround monitoring systems and methods |
CN110827617A (zh) * | 2019-11-29 | 2020-02-21 | 中仿智能科技(上海)股份有限公司 | 一种模拟飞行器的飞行训练自动评估系统 |
US20220121838A1 (en) * | 2020-10-20 | 2022-04-21 | Rosemount Aerospace Inc. | System and method for enhanced surveillance using video analytics |
US11640723B2 (en) * | 2020-10-20 | 2023-05-02 | Rosemount Aerospace Inc. | System and method for enhanced surveillance using video analytics |
CN114694453A (zh) * | 2022-03-16 | 2022-07-01 | 中国民用航空飞行学院 | 一种飞行模拟舱低压调节系统 |
Also Published As
Publication number | Publication date |
---|---|
US10296860B2 (en) | 2019-05-21 |
CN105912975B (zh) | 2021-10-26 |
US20160247101A1 (en) | 2016-08-25 |
EP3059722A1 (en) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105912975A (zh) | 使用视频分析来管理在过站期间出现的飞行器舱内行为 | |
US11023809B2 (en) | Capacity prediction for public transport vehicles | |
CN110861983B (zh) | 电梯的运行控制方法及装置 | |
CN104639840B (zh) | 图像处理装置及图像处理方法 | |
CN110738135B (zh) | 一种工人作业工步规范视觉识别判定与指导方法及系统 | |
CN109784162A (zh) | 一种行人行为识别及轨迹跟踪方法 | |
US20120020518A1 (en) | Person tracking device and person tracking program | |
CN108460497A (zh) | 一种机场候机楼排队信息提示方法 | |
CN108280435A (zh) | 一种基于人体姿态估计的旅客异常行为识别方法 | |
CN108171162B (zh) | 人群拥挤度检测方法、装置及系统 | |
JP6675860B2 (ja) | データ処理方法およびデータ処理システム | |
KR102017870B1 (ko) | 실시간 선로 결함 검측 시스템 | |
CN110263623B (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN107452015A (zh) | 一种具有重检测机制的目标跟踪系统 | |
CN108960133A (zh) | 乘客流量监控的方法、电子设备、系统以及存储介质 | |
WO2019186592A1 (en) | Method and system for detecting, sensing and managing turnaround operations of aircraft | |
CN106355682A (zh) | 一种视频分析方法、装置及系统 | |
CN108932464A (zh) | 客流量统计方法及装置 | |
CN106339292A (zh) | 对调度的周转活动的监视及对其时间偏差的报警 | |
CN112017195A (zh) | 一种应用于城市轨道交通的智能综合监控系统 | |
CN111709341B (zh) | 客梯车作业状态的检测方法与系统 | |
CN109919066A (zh) | 一种检测轨道交通车厢内乘客密度异常的方法和装置 | |
CN113159004A (zh) | 轨道交通车厢客流估计方法 | |
ES2785209T3 (es) | Sistema y procedimiento para la gestión de la actividad de aviones mediante la utilización de analítica de vídeo | |
CN109934482B (zh) | 一种基于大数据的航站楼精细化运行评估系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |