CN110379209A - 一种航班作业流程节点规范监控报警方法 - Google Patents
一种航班作业流程节点规范监控报警方法 Download PDFInfo
- Publication number
- CN110379209A CN110379209A CN201910660634.2A CN201910660634A CN110379209A CN 110379209 A CN110379209 A CN 110379209A CN 201910660634 A CN201910660634 A CN 201910660634A CN 110379209 A CN110379209 A CN 110379209A
- Authority
- CN
- China
- Prior art keywords
- model
- aircraft
- data
- work flow
- identification
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0043—Traffic management of multiple aircrafts from the ground
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种航班作业流程节点规范监控报警方法,根据航班号或者停机坪信息匹配对应的飞机及停机坪信息,通过视频分析算法,结合航班进入/离开机位等作业步骤的标准作业流程,对机场停机坪飞行器的作业流程进行监控,以保证其按规定的流程进行各项操作,确保飞行器作业的规范性及安全性。并对每次飞行器作业流程节点进行记录和统计,随时可检索查看,该节点数据永久保存。同时,当有违规事项时即时报警,还可通过报警提示查看报警对应的截图和短视频,确保可以即时应对违规事项及时处理。
Description
技术领域
本发明涉及一种监控报警方法,具体涉及一种航班作业流程节点规范监控报警方法。
背景技术
目前,机场每天都有大量的飞机起飞和降落,根据民航局的要求,飞行器在降落机场后,进入机位,在即将起飞前离开机位等作业步骤都需要严格遵守对应的标准规范,在出现违规时需要及时报警,并对违规事件进行记录和统计。虽然在绝大部分的机位都配置了监控摄像头,但传统摄像头的监控还是靠人工进行,一个工作人员需要同时监控多个摄像头,极易造成漏查的情况,更多的是在发生违规或者意外之后调取对应视频进行回溯,无法及时报警。另外,人工监控无法对每次飞行器作业步骤进行记录和统计,无法有效或高效的获取每个航班的作业情况,是否有违规操作等等。由于视频数据占用空间大,一般最长也只能保存90天,造成过期之后无法回溯的问题。
发明内容
本发明所要解决的技术问题是一种航班作业流程节点规范监控报警方法,通过视频分析算法,结合航班进入/离开机位等作业步骤的标准作业流程,对机场停机坪飞行器的作业流程进行监控,可以有效解决现有技术中存在的诸多不足。
本发明是通过以下技术方案来实现的:一种航班作业流程节点规范监控报警方法,根据航班号或者停机坪信息匹配对应的飞机及停机坪信息,其具体包括以下几个流程节点:飞行器出现、飞行器入位停止、放置轮挡、放置雪糕筒、客梯车开始停靠、客梯车停靠完成、机舱门打开、乘客开始下机、乘客下机完成、保洁登机清洁、保洁下机清洁结束以及客舱门关闭;
具体步骤如下:
(一)进行机坪的区域识别,包括红线区以及停止线;
(二)进行物体识别;
(三)在对应的作业流程中对对应物体的运动进行识别,判断其运动过程是否符合作业规范;
(四)在对应流程触发的结束或者起始点进行时刻记录;
(五)在有违规事项时进行报警,并记录对应的时刻以及违规内容、相应的截图和视频。
作为优选的技术方案,进行物体识别包括对反光背心的识别,反光背心的识别方法如下:
采用TensorFlow框架搭建的分类模型,识别工作人员是否穿着反光背心,
流程中总共有两个模型,一个是人员检查模型,二是反光背心判断模型;
其中,模型一:人员检测采用SSD+Mobilenet模型,获取机场有效数据,制作特定格式的压缩数据集,调整模型参数,修改模型结构算法,以最好的效果适应机场数据;
模型二:反光背心识别模型,模型核心采用卷积神经网络,输入图片为一张80*80的3通道彩色图片数据,第一层通过卷积3*3*32的操作,获取更深的数据信息,使得不用数据层之间关注不同的反光背心数据信息,同事通过步长为2的设计,让每一层的数据压缩为原来的一半,提取关键信息;第二层使用倒置残差网络设计,通过放大数据信号进行数据提取,维持原有数据层次及大小,增加模型非线性,保证模型的拟合能力;第三层采用线性1*1*32的Conv,各层关注各层的数据提取,输出结果再根据卷积组合进行一定的下采样获取最终的分类结果。
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,在客机车与飞行器之间画一个三角形的区域,在该区域中判断是否有人,同时,也根据反光背心的算法判断该工作人员是否穿着工作服。
作为优选的技术方案,进行物体识别包括对雪糕筒的识别,在识别雪糕筒的同时,识别飞行器的左机翼、右机翼、机头、机尾等位置,并在这些位置进行动态的图像识别,判断是否已有雪糕筒摆放,当一个摄像头信息无法涵盖所有位置时,需通过另一个互补的摄像机机位进行统一判断。
作为优选的技术方案,进行物体识别包括对拖挂车及补给车的识别,首先通过识别模型识别车头以及拖挂的图像特征,判断其是属于哪一类的拖挂车,然后通过识别算法识别拖挂的数量,超过规定拖挂数量则触发违规报警。
本发明的有益效果是:本发明通过视频分析算法,结合航班进入/离开机位等作业步骤的标准作业流程,对机场停机坪飞行器的作业流程进行监控,以保证其按规定的流程进行各项操作,确保飞行器作业的规范性及安全性。
并对每次飞行器作业流程节点进行记录和统计,随时可检索查看,该节点数据永久保存。同时,当有违规事项时即时报警,还可通过报警提示查看报警对应的截图和短视频,确保可以即时应对违规事项及时处理。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明的停机流程图。
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。
在本发明的描述中,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发明和简化描述,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发明的限制。
此外,在本发明的描述中,“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。
本发明使用的例如“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(旋转90度或其他朝向),并相应地解释本文使用的与空间相关的描述语。
在本发明中,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发明中的具体含义。
如图1所示,根据航班号或者停机坪信息匹配对应的飞机及停机坪信息,其具体包括以下几个流程节点:飞行器出现、飞行器入位停止、放置轮挡、放置雪糕筒、客梯车开始停靠、客梯车停靠完成、机舱门打开、乘客开始下机、乘客下机完成、保洁登机清洁、保洁下机清洁结束以及客舱门关闭;
根据该流程,通过视频算法对每个作业节点进行判断,记录下该节点的时刻,形成一个完整的入位流程报表,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:
(一)进行机坪的区域识别,包括红线区以及停止线;
(二)进行物体识别;
(三)在对应的作业流程中对对应物体的运动进行识别,判断其运动过程是否符合作业规范;
(四)在对应流程触发的结束或者起始点进行时刻记录;
(五)在有违规事项时进行报警,并记录对应的时刻以及违规内容、相应的截图和视频。
作为优选的技术方案,进行物体识别包括对反光背心的识别,反光背心的识别方法如下:
采用TensorFlow框架搭建的分类模型,识别工作人员是否穿着反光背心,
流程中总共有两个模型,一个是人员检查模型,二是反光背心判断模型;
其中,模型一:人员检测采用SSD+Mobilenet模型,获取机场有效数据,制作特定格式的压缩数据集,调整模型参数,修改模型结构算法,以最好的效果适应机场数据;
模型二:反光背心识别模型,模型核心采用卷积神经网络,输入图片为一张80*80的3通道彩色图片数据,第一层通过卷积3*3*32的操作,获取更深的数据信息,使得不用数据层之间关注不同的反光背心数据信息,同事通过步长为2的设计,让每一层的数据压缩为原来的一半,提取关键信息;第二层使用倒置残差网络设计,通过放大数据信号进行数据提取,维持原有数据层次及大小,增加模型非线性,保证模型的拟合能力;第三层采用线性1*1*32的Conv,各层关注各层的数据提取,输出结果再根据卷积组合进行一定的下采样获取最终的分类结果。
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,在客机车与飞行器之间画一个三角形的区域,在该区域中判断是否有人,同时,也根据反光背心的算法判断该工作人员是否穿着工作服。
进行物体识别包括对雪糕筒的识别,该识别算法与反光背心类似,在识别雪糕筒的同时,识别飞行器的左机翼、右机翼、机头、机尾等位置,并在这些位置进行动态的图像识别,判断是否已有雪糕筒摆放,当一个摄像头信息无法涵盖所有位置时,需通过另一个互补的摄像机机位进行统一判断。
进行物体识别包括对拖挂车及补给车的识别,首先通过识别模型识别车头以及拖挂的图像特征,判断其是属于哪一类的拖挂车,然后通过识别算法识别拖挂的数量,超过规定拖挂数量则触发违规报警。
本发明的有益效果是:本发明通过视频分析算法,结合航班进入/离开机位等作业步骤的标准作业流程,对机场停机坪飞行器的作业流程进行监控,以保证其按规定的流程进行各项操作,确保飞行器作业的规范性及安全性。
并对每次飞行器作业流程节点进行记录和统计,随时可检索查看,该节点数据永久保存。同时,当有违规事项时即时报警,还可通过报警提示查看报警对应的截图和短视频,确保可以即时应对违规事项及时处理。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (5)
1.一种航班作业流程节点规范监控报警方法,其特征在于,根据航班号或者停机坪信息匹配对应的飞机及停机坪信息,其具体包括以下几个流程节点:飞行器出现、飞行器入位停止、放置轮挡、放置雪糕筒、客梯车开始停靠、客梯车停靠完成、机舱门打开、乘客开始下机、乘客下机完成、保洁登机清洁、保洁下机清洁结束以及客舱门关闭;
具体步骤如下:
进行机坪的区域识别,包括红线区以及停止线;
(二)进行物体识别;
(三)在对应的作业流程中对对应物体的运动进行识别,判断其运动过程是否符合作业规范;
(四)在对应流程触发的结束或者起始点进行时刻记录;
(五)在有违规事项时进行报警,并记录对应的时刻以及违规内容、相应的截图和视频。
2.如权利要求1所述的航班作业流程节点规范监控报警方法,其特征在于:进行物体识别包括对反光背心的识别,反光背心的识别方法如下:
采用TensorFlow框架搭建的分类模型,识别工作人员是否穿着反光背心,
流程中总共有两个模型,一个是人员检查模型,二是反光背心判断模型;
其中,模型一:人员检测采用SSD+Mobilenet模型,获取机场有效数据,制作特定格式的压缩数据集,调整模型参数,修改模型结构算法,以最好的效果适应机场数据;
模型二:反光背心识别模型,模型核心采用卷积神经网络,输入图片为一张80*80的3通道彩色图片数据,第一层通过卷积3*3*32的操作,获取更深的数据信息,使得不用数据层之间关注不同的反光背心数据信息,同事通过步长为2的设计,让每一层的数据压缩为原来的一半,提取关键信息;第二层使用倒置残差网络设计,通过放大数据信号进行数据提取,维持原有数据层次及大小,增加模型非线性,保证模型的拟合能力;第三层采用线性1*1*32的Conv,各层关注各层的数据提取,输出结果再根据卷积组合进行一定的下采样获取最终的分类结果。
3.如权利要求1所述的航班作业流程节点规范监控报警方法,其特征在于: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,在客机车与飞行器之间画一个三角形的区域,在该区域中判断是否有人,同时,也根据反光背心的算法判断该工作人员是否穿着工作服。
4.如权利要求1所述的航班作业流程节点规范监控报警方法,其特征在于:进行物体识别包括对雪糕筒的识别,在识别雪糕筒的同时,识别飞行器的左机翼、右机翼、机头、机尾等位置,并在这些位置进行动态的图像识别,判断是否已有雪糕筒摆放,当一个摄像头信息无法涵盖所有位置时,需通过另一个互补的摄像机机位进行统一判断。
5.如权利要求1所述的航班作业流程节点规范监控报警方法,其特征在于:进行物体识别包括对拖挂车及补给车的识别,首先通过识别模型识别车头以及拖挂的图像特征,判断其是属于哪一类的拖挂车,然后通过识别算法识别拖挂的数量,超过规定拖挂数量则触发违规报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910660634.2A CN110379209B (zh) | 2019-07-22 | 2019-07-22 | 一种航班作业流程节点规范监控报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910660634.2A CN110379209B (zh) | 2019-07-22 | 2019-07-22 | 一种航班作业流程节点规范监控报警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110379209A true CN110379209A (zh) | 2019-10-25 |
CN110379209B CN110379209B (zh) | 2021-11-09 |
Family
ID=68254712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910660634.2A Active CN110379209B (zh) | 2019-07-22 | 2019-07-22 | 一种航班作业流程节点规范监控报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110379209B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110662007A (zh) * | 2019-12-02 | 2020-01-07 | 杭州云视通互联网科技有限公司 | 航班地面保障作业流程的监控方法、装置及监控系统 |
CN111047915A (zh) * | 2019-12-13 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 停机位分配方法、装置及终端设备 |
CN111709341A (zh) * | 2020-06-09 | 2020-09-25 | 杭州云视通互联网科技有限公司 | 客梯车作业状态的检测方法与系统 |
CN112101253A (zh) * | 2020-09-18 | 2020-12-18 | 广东机场白云信息科技有限公司 | 一种基于视频动作识别的民用机场地面保障状态识别方法 |
CN112966636A (zh) * | 2021-03-19 | 2021-06-15 | 捻果科技(深圳)有限公司 | 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 |
CN113505668A (zh) * | 2021-06-29 | 2021-10-15 | 中国联合网络通信集团有限公司 | 一种机坪违规行为检测方法、系统、设备、及存储介质 |
CN113723222A (zh) * | 2021-08-12 | 2021-11-30 | 捻果科技(深圳)有限公司 | 一种无动力设备长时间占用临时停放区域的自动识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105632248A (zh) * | 2015-12-28 | 2016-06-01 | 中国民航信息网络股份有限公司 | 一种安全监控系统及其数据处理方法 |
US9830829B1 (en) * | 2015-08-17 | 2017-11-28 | Rockwell Collins, Inc. | Management system and methods for implementing aircraft intentions harmonization |
CN108205803A (zh) * | 2017-07-19 | 2018-06-26 | 北京市商汤科技开发有限公司 | 图像处理方法、神经网络模型的训练方法及装置 |
CN109063576A (zh) * | 2018-07-05 | 2018-12-21 | 北京泛化智能科技有限公司 | 用于航班动作节点的管理方法及装置 |
CN109871786A (zh) * | 2019-01-30 | 2019-06-11 | 浙江大学 | 一种航班地面保障作业规范流程检测系统 |
CN110008922A (zh) * | 2019-04-12 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 用于终端设备的图像处理方法、设备、装置、介质 |
-
2019
- 2019-07-22 CN CN201910660634.2A patent/CN110379209B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9830829B1 (en) * | 2015-08-17 | 2017-11-28 | Rockwell Collins, Inc. | Management system and methods for implementing aircraft intentions harmonization |
CN105632248A (zh) * | 2015-12-28 | 2016-06-01 | 中国民航信息网络股份有限公司 | 一种安全监控系统及其数据处理方法 |
CN108205803A (zh) * | 2017-07-19 | 2018-06-26 | 北京市商汤科技开发有限公司 | 图像处理方法、神经网络模型的训练方法及装置 |
CN109063576A (zh) * | 2018-07-05 | 2018-12-21 | 北京泛化智能科技有限公司 | 用于航班动作节点的管理方法及装置 |
CN109871786A (zh) * | 2019-01-30 | 2019-06-11 | 浙江大学 | 一种航班地面保障作业规范流程检测系统 |
CN110008922A (zh) * | 2019-04-12 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 用于终端设备的图像处理方法、设备、装置、介质 |
Non-Patent Citations (2)
Title |
---|
余良凯: ""基于深度学习的机场场面目标检测"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
刘帆等: ""TensorFlow平台下的视频目标跟踪深度学习模型设计"", 《激光与光电子学进展》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110662007A (zh) * | 2019-12-02 | 2020-01-07 | 杭州云视通互联网科技有限公司 | 航班地面保障作业流程的监控方法、装置及监控系统 |
CN111047915A (zh) * | 2019-12-13 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 停机位分配方法、装置及终端设备 |
CN111047915B (zh) * | 2019-12-13 | 2020-11-27 | 中国科学院深圳先进技术研究院 | 停机位分配方法、装置及终端设备 |
CN111709341A (zh) * | 2020-06-09 | 2020-09-25 | 杭州云视通互联网科技有限公司 | 客梯车作业状态的检测方法与系统 |
CN111709341B (zh) * | 2020-06-09 | 2023-04-28 | 杭州云视通互联网科技有限公司 | 客梯车作业状态的检测方法与系统 |
CN112101253A (zh) * | 2020-09-18 | 2020-12-18 | 广东机场白云信息科技有限公司 | 一种基于视频动作识别的民用机场地面保障状态识别方法 |
CN112966636A (zh) * | 2021-03-19 | 2021-06-15 | 捻果科技(深圳)有限公司 | 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 |
CN113505668A (zh) * | 2021-06-29 | 2021-10-15 | 中国联合网络通信集团有限公司 | 一种机坪违规行为检测方法、系统、设备、及存储介质 |
CN113723222A (zh) * | 2021-08-12 | 2021-11-30 | 捻果科技(深圳)有限公司 | 一种无动力设备长时间占用临时停放区域的自动识别方法 |
CN113723222B (zh) * | 2021-08-12 | 2024-02-27 | 捻果科技(深圳)有限公司 | 一种无动力设备长时间占用临时停放区域的自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110379209B (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110379209A (zh) | 一种航班作业流程节点规范监控报警方法 | |
CN110610592B (zh) | 一种视频分析和深度学习的机坪安全运行监控方法 | |
CN112686090B (zh) | 一种公交车内异常行为智能监控系统 | |
CN105781318B (zh) | 基于轨道车辆的车门控制方法、系统和装置 | |
US11987256B1 (en) | Automobile detection system | |
CN104691559B (zh) | 监测站台安全门与车门区间安全的辅助系统及其实现方法 | |
CN108674440A (zh) | 具有灵活编组的轨道车辆联挂方法、装置及轨道车辆 | |
CN110222659A (zh) | 电动车识别方法、装置和系统 | |
WO2019238142A2 (zh) | 一种车辆监控系统及车辆监控方法 | |
CN101293529A (zh) | 车载式轨道交通客流运能及运行安全智能监控和预警系统 | |
CN108717300A (zh) | 一种飞行控制系统中的辅助监控装置 | |
CN107161104A (zh) | 一种车辆驾驶辅助系统 | |
CN111362089A (zh) | 一种人工智能识别电动车进入轿厢的方法和系统 | |
CN112633057A (zh) | 一种公交车内异常行为智能监控方法 | |
CN109919066B (zh) | 一种检测轨道交通车厢内乘客密度异常的方法和装置 | |
CN111428684A (zh) | 一种机场停机坪作业人员作业规范及数量的自动识别方法 | |
CN110780356A (zh) | 地铁站台间隙异物检测系统 | |
CN112578172A (zh) | 一种用于计量箱的多维可视化监控装置 | |
WO2018153563A1 (de) | Künstliches neuronales netz und unbemanntes luftfahrzeug zum erkennen eines verkehrsunfalls | |
CN203812397U (zh) | 一种城市道路视频监控系统 | |
CN115196455A (zh) | 一种电梯控制方法、电梯、计算机可读存储介质 | |
CN106981200A (zh) | 城市轨道交通智能监控系统 | |
KR102403170B1 (ko) | 외부기기 제어 및 차량번호판 인식기능을 가진 영상감시장치 | |
CN107123240A (zh) | 一种智能车载检查终端及监控系统 | |
CN111860111A (zh) | 车辆行程中的安全监测方法、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |