CN110610592A - 一种视频分析和深度学习的机坪安全运行监控方法 - Google Patents

一种视频分析和深度学习的机坪安全运行监控方法 Download PDF

Info

Publication number
CN110610592A
CN110610592A CN201910908596.8A CN201910908596A CN110610592A CN 110610592 A CN110610592 A CN 110610592A CN 201910908596 A CN201910908596 A CN 201910908596A CN 110610592 A CN110610592 A CN 110610592A
Authority
CN
China
Prior art keywords
airport
apron
safety
data
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
Application number
CN201910908596.8A
Other languages
English (en)
Other versions
CN110610592B (zh
Inventor
曾毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Twist Fruit Technology (shenzhen) Co Ltd
Original Assignee
Twist Fruit Technology (shenzhen) Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Twist Fruit Technology (shenzhen) Co Ltd filed Critical Twist Fruit Technology (shenzhen) Co Ltd
Priority to CN201910908596.8A priority Critical patent/CN110610592B/zh
Publication of CN110610592A publication Critical patent/CN110610592A/zh
Application granted granted Critical
Publication of CN110610592B publication Critical patent/CN110610592B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
    • G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
    • G08B21/0261—System arrangements wherein the object is to detect trespassing over a fixed physical boundary, e.g. the end of a garden
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Child & Adolescent Psychology (AREA)
  • Theoretical Computer Science (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种视频分析和深度学习的机坪安全运行监控方法，根据航班号或者停机坪信息匹配对应的航空器及停机坪信息，通过视频分析算法，结合《机场航班运行保障标准》及《民用机场运行安全管理规定》，对机场停机坪航空器的安全进行监控，以保证其按规定的流程进行各项操作，确保航空器作业的安全性。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

一种视频分析和深度学习的机坪安全运行监控方法
技术领域
本发明涉及一种视频分析和深度学习的机坪安全运行监控方法。
背景技术
目前，机场每天都有大量的航空器起飞和降落，根据民航局的要求，航空器在降落机场后，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安全规范，在出现可能存在隐患时需要及时报警，并对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、遗漏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航空器作业步骤进行记录、统计和告警，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视频分析和深度学习的机坪安全运行监控方法，通过视频分析算法，结合航班进入/离开机位等作业步骤的安全作业标准，对机场停机坪航空器的安全进行监控，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：一种视频分析和深度学习的机坪安全运行监控方法，具体步骤如下：
（一）进行机坪的区域识别，包括红线区以、停止线及禁止区域；
（二）进行人、航空器、车辆识别；
（三）在对应的作业流程中对对应人、航空器、车辆的运动进行识别，判断其运动过程是否符合作业规范；
（四）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+Resnet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，接机人员对机位进行适用性检查时，通过一个空间内轨迹判断算法、人员识别及反光背心识别算法，将数据之间建立联系判断最终是否是穿着反光背心的工作人员在航空器入位前5分钟对机位进行了适用性检查。
作为优选的技术方案，在航空器停止前，初协调人员外，其它物体禁止入安全区，主要实现方式为：安全区内人员数量判断和安全区类是否有其它车辆驶入，通过视频中的物体位置与安全区域位置判断是否存在包含关系而确定物体是否进入安全线内。
作为优选的技术方案，进行廊桥撤离是否回到原点的识别判断，首先通过航空器关键点模型识别航空器机头、机轮等关键位置，再通过廊桥的固定点构建出廊桥移动区域，再廊桥移动区域中实时识别廊桥的位置，记录廊桥的起始位置，在航空器出港时再进行廊桥位置的判断来确定廊桥是否回归到原始位置。
作为优选的技术方案，进行航空器停泊稳定后的安全锥识别，通过多次识别机坪内航空器位置的关键点，获取坐标集合后求取平均坐标位置，获取每个关键点位置再根据相应机场的操作要求框取对应反光锥的位置，再进行分类判别，同时在航空器停稳后会跟踪跟踪人员，判断工作人员是否有携带反光锥的状态，辅助分析是否放置反光锥；
在确定反光锥完全放置后确定安全，否则根据相应机场规定在航空器停稳的一段时间内未放置安全锥进行报警，其中关键点包括机头、机轮、引擎、机翼拐角、机尾。
作为优选的技术方案，进行乘客进入禁区的识别主要是进行人员的分析，通过客梯车位置与摆渡车位置合成乘客活动区域，乘客移动出此区域时进行报警。
作为优选的技术方案，进行违规停车识别时，识别摄像头中的非停车区域，再通过判断车辆是否长时间停止在此区间来确定是否违规报警。
作为优选的技术方案，进行拖车挂车数量违规识别，机场要求拖挂车车厢数量不能超过6个，根据车辆识别车厢数量，根据车厢坐标位置判断记数，如果数量多于6个进行报警。
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安全作业流程，对机场停机坪航空器的安全流程进行监控，以保证其按规定的安全流程进行各项操作，确保航空器作业的规范性及安全性。
并对每次航空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，具体包括以下安全事项：
1.穿着工作服，并配有反光标识；
2.接机人员应当至少在航空器入位前5分钟，对机位适用性进行检查；
3.航空器入港停止前，除负责航空器入位协调的人员外，禁止物体进入安全区；
4.航空器推出时，除牵引车外的其他车辆、设备及人员等均已撤离至机位安全区域外；
5.廊桥撤离是否回到原点；
6.在确认航空器处于安全停泊状态后，接机人员应当在距航空器发动机前端1.5米处、机尾和翼尖水平投影处地面设置醒目的反光锥形标志物；
7.禁止旅客进入禁区；
8.违规停车；
9.拖车拖挂超限。
具体步骤如下：
（一）进行机坪的区域识别，包括红线区以、停止线及禁止区域；
（二）进行人、航空器、车辆识别；
（三）在对应的作业流程中对对应人、航空器、车辆的运动进行识别，判断其运动过程是否符合作业规范；
（四）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。
根据该流程，通过视频算法对每个安全作业进行判断，记录下该节点的时刻，形成一个完整的安全流程报表，如对应的节点有安全隐患事件，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：
安全隐患 时间
未对机位适用性进行检查 2019/6/18 10:15:02
航空器入港前有人员闯入 2019/6/18 10:20:14
雪糕筒摆放不到位 2019/6/18 10:25:32
工作人员未穿反光服 2019/6/18 10:28:21
乘客进入禁区 2019/6/18 10:44:25
拖车数量违规 2019/6/18 11:36:53
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+Resnet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。
接机人员对机位进行适用性检查时，通过一个空间内轨迹判断算法、人员识别及反光背心识别算法，将数据之间建立联系判断最终是否是穿着反光背心的工作人员在航空器入位前5分钟对机位进行了适用性检查。
在航空器停止前，初协调人员外，其它物体禁止入安全区，主要实现方式为：安全区内人员数量判断和安全区类是否有其它车辆驶入，通过视频中的物体位置与安全区域位置判断是否存在包含关系而确定物体是否进入安全线内。
进行廊桥撤离是否回到原点的识别判断，首先通过航空器关键点模型识别航空器机头、机轮等关键位置，再通过廊桥的固定点构建出廊桥移动区域，再廊桥移动区域中实时识别廊桥的位置，记录廊桥的起始位置，在航空器出港时再进行廊桥位置的判断来确定廊桥是否回归到原始位置。
进行航空器停泊稳定后的安全锥识别，通过多次识别机坪内航空器位置的关键点（机头、机轮、引擎、机翼拐角、机尾7个关键点），获取坐标集合后求取平均坐标位置，获取每个关键点位置再根据相应机场的操作要求框取对应反光锥的位置，再进行分类判别，同时在航空器停稳后会跟踪跟踪人员，判断工作人员是否有携带反光锥的状态，辅助分析是否放置反光锥。在确定反光锥完全放置后确定安全，否则根据相应机场规定在航空器停稳的一段时间内未放置安全锥进行报警。
进行乘客进入禁区的识别主要是进行人员的分析，通过客梯车位置与摆渡车位置合成乘客活动区域，乘客移动出此区域时进行报警。
进行违规停车识别时，识别摄像头中的非停车区域，再通过判断车辆是否长时间停止在此区间来确定是否违规报警。
进行拖车挂车数量违规识别，机场要求拖挂车车厢数量不能超过6个，根据车辆识别车厢数量，根据车厢坐标位置判断记数，如果数量多于6个进行报警。
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 (9)

1.一种视频分析和深度学习的机坪安全运行监控方法，其特征在于，具体步骤如下：
（一）进行机坪的区域识别，包括红线区以、停止线及禁止区域；
（二）进行人、航空器、车辆识别；
（三）在对应的作业流程中对对应人、航空器、车辆的运动进行识别，判断其运动过程是否符合作业规范；
（四）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所述的视频分析和深度学习的机坪安全运行监控方法，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+Resnet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所述的视频分析和深度学习的机坪安全运行监控方法，其特征在于：接机人员对机位进行适用性检查时，通过一个空间内轨迹判断算法、人员识别及反光背心识别算法，将数据之间建立联系判断最终是否是穿着反光背心的工作人员在航空器入位前5分钟对机位进行了适用性检查。
4.如权利要求1所述的视频分析和深度学习的机坪安全运行监控方法，其特征在于：在航空器停止前，初协调人员外，其它物体禁止入安全区，主要实现方式为：安全区内人员数量判断和安全区类是否有其它车辆驶入，通过视频中的物体位置与安全区域位置判断是否存在包含关系而确定物体是否进入安全线内。
5.如权利要求1所述的视频分析和深度学习的机坪安全运行监控方法，其特征在于：进行廊桥撤离是否回到原点的识别判断，首先通过航空器关键点模型识别航空器机头、机轮等关键位置，再通过廊桥的固定点构建出廊桥移动区域，再廊桥移动区域中实时识别廊桥的位置，记录廊桥的起始位置，在航空器出港时再进行廊桥位置的判断来确定廊桥是否回归到原始位置。
6.如权利要求1所述的视频分析和深度学习的机坪安全运行监控方法，其特征在于：进行航空器停泊稳定后的安全锥识别，通过多次识别机坪内航空器位置的关键点，获取坐标集合后求取平均坐标位置，获取每个关键点位置再根据相应机场的操作要求框取对应反光锥的位置，再进行分类判别，同时在航空器停稳后会跟踪跟踪人员，判断工作人员是否有携带反光锥的状态，辅助分析是否放置反光锥；
在确定反光锥完全放置后确定安全，否则根据相应机场规定在航空器停稳的一段时间内未放置安全锥进行报警，其中关键点包括机头、机轮、引擎、机翼拐角、机尾。
7.如权利要求1所述的视频分析和深度学习的机坪安全运行监控方法，其特征在于：进行乘客进入禁区的识别主要是进行人员的分析，通过客梯车位置与摆渡车位置合成乘客活动区域，乘客移动出此区域时进行报警。
8.如权利要求1所述的视频分析和深度学习的机坪安全运行监控方法，其特征在于：进行违规停车识别时，识别摄像头中的非停车区域，再通过判断车辆是否长时间停止在此区间来确定是否违规报警。
9.如权利要求1所述的视频分析和深度学习的机坪安全运行监控方法，其特征在于：进行拖车挂车数量违规识别，机场要求拖挂车车厢数量不能超过6个，根据车辆识别车厢数量，根据车厢坐标位置判断记数，如果数量多于6个进行报警。
CN201910908596.8A 2019-09-25 2019-09-25 一种视频分析和深度学习的机坪安全运行监控方法 Active CN110610592B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910908596.8A CN110610592B (zh) 2019-09-25 2019-09-25 一种视频分析和深度学习的机坪安全运行监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910908596.8A CN110610592B (zh) 2019-09-25 2019-09-25 一种视频分析和深度学习的机坪安全运行监控方法

Publications (2)

Publication Number Publication Date
CN110610592A true CN110610592A (zh) 2019-12-24
CN110610592B CN110610592B (zh) 2021-04-20

Family

ID=68893058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910908596.8A Active CN110610592B (zh) 2019-09-25 2019-09-25 一种视频分析和深度学习的机坪安全运行监控方法

Country Status (1)

Country Link
CN (1) CN110610592B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111428684A (zh) * 2020-04-13 2020-07-17 捻果科技(深圳)有限公司 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
CN111488832A (zh) * 2020-04-13 2020-08-04 捻果科技(深圳)有限公司 一种机场飞行区机位适用性检查作业规范的自动识别方法
CN112347916A (zh) * 2020-11-05 2021-02-09 安徽继远软件有限公司 基于视频图像分析的电力现场作业安全监控方法及装置
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
CN113673398A (zh) * 2021-08-11 2021-11-19 捻果科技(深圳)有限公司 一种旅客登机进入航空器的始终时间的自动识别方法
CN114064971A (zh) * 2021-11-22 2022-02-18 中国民航大学 一种基于深度学习的机坪视频语义检索方法及检索系统
CN114220297A (zh) * 2021-12-09 2022-03-22 飞友科技有限公司 一种基于视频的机场停机位安全监视方法
CN114822089A (zh) * 2022-06-23 2022-07-29 中国民用航空总局第二研究所 一种航空公司地面运行车辆离线违规告警方法及装置
CN114898599A (zh) * 2022-06-10 2022-08-12 北京拙河科技有限公司 一种飞机起落安全警告方法及系统
CN115294805A (zh) * 2022-07-21 2022-11-04 中国民用航空飞行学院 一种基于视频图像的机场场面航空器冲突预警系统及方法
CN115314674A (zh) * 2022-06-24 2022-11-08 青岛民航凯亚系统集成有限公司 一种基于5g与视频分析技术的车辆巡场监管方法
CN117455202A (zh) * 2023-12-25 2024-01-26 青岛民航凯亚系统集成有限公司 一种机坪设备定位与调度方法、系统及装置
CN117523500A (zh) * 2024-01-04 2024-02-06 厦门兆翔智能科技有限公司 航班保障节点的监测系统、方法及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6924741B2 (en) * 2002-09-18 2005-08-02 Hitachi, Ltd. Method and system for displaying guidance information
CN201774632U (zh) * 2010-09-03 2011-03-23 深圳市好时代专用挂车有限公司 自动登机特种车动态图像监控系统
CN102024344A (zh) * 2010-12-09 2011-04-20 中国民航大学 民用机场场面监控系统
CN201937768U (zh) * 2011-03-10 2011-08-17 中科九度(北京)空间信息技术有限责任公司 基于多传感器融合的停机坪移动目标安全管理系统
CN202189450U (zh) * 2011-07-07 2012-04-11 毛振刚 民航机场安防监控指挥系统
US8675074B2 (en) * 2007-07-20 2014-03-18 Honeywell International Inc. Custom video composites for surveillance applications
CN104243935A (zh) * 2014-10-10 2014-12-24 南京莱斯信息技术股份有限公司 基于视频识别的机场场监系统目标监控方法
CN104700647A (zh) * 2015-04-02 2015-06-10 中国民用航空局信息中心 用于机场车辆的追踪方法和装置
CN104715245A (zh) * 2015-04-02 2015-06-17 中国民用航空局信息中心 用于机场工作人员的监测方法和装置
CN105374232A (zh) * 2014-08-08 2016-03-02 空中客车集团印度私人有限公司 利用视频分析进行空侧活动管理的系统和方法
CN105511342A (zh) * 2015-11-24 2016-04-20 中国民航大学 一种机场机坪设备生产状态感知数据集中器
CN205451341U (zh) * 2016-03-09 2016-08-10 陈巍然 机场飞行区周界安防控制报警联动系统
CN107689166A (zh) * 2017-10-16 2018-02-13 哈工大机器人集团重庆普耀信息产业发展有限公司 一种机场飞行区监控管理系统及管理方法
CN109040708A (zh) * 2018-09-20 2018-12-18 珠海瑞天安科技发展有限公司 一种基于全景视频的飞机坪监控方法及系统
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

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6924741B2 (en) * 2002-09-18 2005-08-02 Hitachi, Ltd. Method and system for displaying guidance information
US8675074B2 (en) * 2007-07-20 2014-03-18 Honeywell International Inc. Custom video composites for surveillance applications
CN201774632U (zh) * 2010-09-03 2011-03-23 深圳市好时代专用挂车有限公司 自动登机特种车动态图像监控系统
CN102024344A (zh) * 2010-12-09 2011-04-20 中国民航大学 民用机场场面监控系统
CN201937768U (zh) * 2011-03-10 2011-08-17 中科九度(北京)空间信息技术有限责任公司 基于多传感器融合的停机坪移动目标安全管理系统
CN202189450U (zh) * 2011-07-07 2012-04-11 毛振刚 民航机场安防监控指挥系统
CN105374232A (zh) * 2014-08-08 2016-03-02 空中客车集团印度私人有限公司 利用视频分析进行空侧活动管理的系统和方法
CN104243935A (zh) * 2014-10-10 2014-12-24 南京莱斯信息技术股份有限公司 基于视频识别的机场场监系统目标监控方法
CN104700647A (zh) * 2015-04-02 2015-06-10 中国民用航空局信息中心 用于机场车辆的追踪方法和装置
CN104715245A (zh) * 2015-04-02 2015-06-17 中国民用航空局信息中心 用于机场工作人员的监测方法和装置
CN105511342A (zh) * 2015-11-24 2016-04-20 中国民航大学 一种机场机坪设备生产状态感知数据集中器
CN205451341U (zh) * 2016-03-09 2016-08-10 陈巍然 机场飞行区周界安防控制报警联动系统
CN107689166A (zh) * 2017-10-16 2018-02-13 哈工大机器人集团重庆普耀信息产业发展有限公司 一种机场飞行区监控管理系统及管理方法
CN109040708A (zh) * 2018-09-20 2018-12-18 珠海瑞天安科技发展有限公司 一种基于全景视频的飞机坪监控方法及系统
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
中华人民共和国交通部: "《中华人民共和国交通运输部令2018年第33号》", 14 December 2018, HTTP://XXGK.MOT.GOV.CNJIGOUFGS201812T20181214_3144309.HTML *
佚名: "《机坪运行管理考试题(答案)》", 3 June 2014, HTTPS://WENKU.BAIDU.COM/VIEW/85E2DE710912A216147929D0.HTML *
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 (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111488832A (zh) * 2020-04-13 2020-08-04 捻果科技(深圳)有限公司 一种机场飞行区机位适用性检查作业规范的自动识别方法
CN111428684A (zh) * 2020-04-13 2020-07-17 捻果科技(深圳)有限公司 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
CN112347916B (zh) * 2020-11-05 2023-11-17 安徽继远软件有限公司 基于视频图像分析的电力现场作业安全监控方法及装置
CN112347916A (zh) * 2020-11-05 2021-02-09 安徽继远软件有限公司 基于视频图像分析的电力现场作业安全监控方法及装置
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
CN113673398A (zh) * 2021-08-11 2021-11-19 捻果科技(深圳)有限公司 一种旅客登机进入航空器的始终时间的自动识别方法
CN113673398B (zh) * 2021-08-11 2024-04-09 捻果科技(深圳)有限公司 一种旅客登机进入航空器的始终时间的自动识别方法
CN114064971A (zh) * 2021-11-22 2022-02-18 中国民航大学 一种基于深度学习的机坪视频语义检索方法及检索系统
CN114220297A (zh) * 2021-12-09 2022-03-22 飞友科技有限公司 一种基于视频的机场停机位安全监视方法
CN114898599A (zh) * 2022-06-10 2022-08-12 北京拙河科技有限公司 一种飞机起落安全警告方法及系统
CN114898599B (zh) * 2022-06-10 2022-11-29 北京拙河科技有限公司 一种飞机起落安全警告方法及系统
CN114822089A (zh) * 2022-06-23 2022-07-29 中国民用航空总局第二研究所 一种航空公司地面运行车辆离线违规告警方法及装置
CN115314674A (zh) * 2022-06-24 2022-11-08 青岛民航凯亚系统集成有限公司 一种基于5g与视频分析技术的车辆巡场监管方法
CN115294805B (zh) * 2022-07-21 2023-05-16 中国民用航空飞行学院 一种基于视频图像的机场场面航空器冲突预警系统及方法
CN115294805A (zh) * 2022-07-21 2022-11-04 中国民用航空飞行学院 一种基于视频图像的机场场面航空器冲突预警系统及方法
CN117455202A (zh) * 2023-12-25 2024-01-26 青岛民航凯亚系统集成有限公司 一种机坪设备定位与调度方法、系统及装置
CN117455202B (zh) * 2023-12-25 2024-06-28 青岛民航凯亚系统集成有限公司 一种机坪设备定位与调度方法、系统及装置
CN117523500A (zh) * 2024-01-04 2024-02-06 厦门兆翔智能科技有限公司 航班保障节点的监测系统、方法及存储介质
CN117523500B (zh) * 2024-01-04 2024-03-19 厦门兆翔智能科技有限公司 航班保障节点的监测系统、方法及存储介质

Also Published As

Publication number Publication date
CN110610592B (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
CN110610592B (zh) 一种视频分析和深度学习的机坪安全运行监控方法
CN110379209B (zh) 一种航班作业流程节点规范监控报警方法
CN101179710B (zh) 铁路道口智能视频监控装置
KR101833359B1 (ko) 차량의 외부 영상 빅데이터를 이용한 교통 정보 수집 방법 및 장치
CN111079819B (zh) 基于图像识别与深度学习的铁路货车钩舌销的状态判断方法
CN105488453A (zh) 一种基于图像处理的驾驶员未系安全带检测识别方法
CN103116989B (zh) 基于智慧城市的套牌车车辆的捕获方法
GB2552092A (en) Inspection system and method for automatic visual inspection of a motor vehicle
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
CN112101253B (zh) 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
CN112016528B (zh) 行为识别方法、装置、电子设备及可读存储介质
CN102496275B (zh) 客车超载检测方法
CN110263623B (zh) 列车攀爬监测方法、装置、终端及存储介质
CN111404874A (zh) 出租车嫌疑车辆甄别分析体系架构
DE102010003669B4 (de) Verfahren und Vorrichtung zur Lokalisierung von Personen in einem vorgegebenen Bereich
CN207345852U (zh) 一种列车调车作业安全防控系统
CN108010312A (zh) 适用于停车场站的车辆出入安全管理系统
CN109302580A (zh) 一种基于视频监控的飞机进出泊位自动检测方法
CN103076641B (zh) 一种安全检测系统及检测方法
CN111488832A (zh) 一种机场飞行区机位适用性检查作业规范的自动识别方法
CN213424011U (zh) 一种用于旅检通道客行识别的监控系统
CN112966636A (zh) 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
CN115049992A (zh) 基于大数据的物流监控系统及方法
CN210109877U (zh) 一种空间场所智能管理系统
CN114973664A (zh) 一种基于机器视觉的城市交通在线智能监测预警管理系统

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