CN115830945A - 一种飞行模拟机的智能监控管理方法及系统 - Google Patents
一种飞行模拟机的智能监控管理方法及系统 Download PDFInfo
- Publication number
- CN115830945A CN115830945A CN202310060240.XA CN202310060240A CN115830945A CN 115830945 A CN115830945 A CN 115830945A CN 202310060240 A CN202310060240 A CN 202310060240A CN 115830945 A CN115830945 A CN 115830945A
- Authority
- CN
- China
- Prior art keywords
- value
- preset
- target
- difference
- frame image
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 86
- 238000007726 management method Methods 0.000 title claims abstract description 67
- 238000007906 compression Methods 0.000 claims abstract description 59
- 230000006835 compression Effects 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 21
- 239000000126 substance Substances 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 abstract description 23
- 230000000694 effects Effects 0.000 abstract description 12
- 230000033001 locomotion Effects 0.000 abstract description 10
- 230000001360 synchronised effect Effects 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 13
- 239000002699 waste material Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种飞行模拟机的智能监控管理方法及系统，涉及人工智能领域，所述方法包括：通过获得预设座舱，得到座舱实时视频；得到初始压缩结果，其中包括多个压缩编码单元；组建座舱压缩视频，其中包括多张I帧图像；提取第一I帧图像、第二I帧图像；得到第一特征值、第二特征值，并相减得到目标特征差值；判断所述目标特征差值是否满足预设差值阈值；若是，发出第一启动信号，并基于所述第一启动信号对目标设备进行启动管理。解决了现有技术中飞行模拟机中的视景投影设备与运动液压电机的开启无法与实际飞行训练同步，使得相关设备长时间空转的问题。达到了降低飞行模拟机中相关设备的空转时长，减少设备损耗、有效节约资源的效果。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种飞行模拟机的智能监控管理方法及系统。
背景技术
飞行模拟机是模拟飞机在空中和地面运动的大型地面仿真设备，它能够把飞行员在空中操纵真实飞机时所看到的、听到的、嗅到的、触到的飞机姿态、飞机运动、仪表提示、环境变化、周围音响等逼真地反馈给飞行员，使飞行员能够以低风险、高效率的方式获得训练飞行的实际效果，飞行模拟机在目前的民航飞行员培训中应用非常广泛。其中，视景系统和运动系统是飞行模拟机必不可少的组成部分，对飞行员的模拟训练具有重要意义。然而，现有技术中以人工方式进行飞行模拟机的状态管理，存在受个人主观因素及经验影响导致飞行模拟机中的视景投影设备与运动液压电机的开启无法与实际飞行训练同步，从而使得相关设备长时间空转，最终造成了资源的浪费和设备的损耗。因此，利用计算机技术对飞行模拟机的状态进行智能化监控，从而快速及时启动、关闭设备，减少设备空耗亟待解决。
发明内容
本发明的目的是提供一种飞行模拟机的智能监控管理方法及系统，用以解决现有技术中以人工方式进行飞行模拟机的状态管理，存在受个人主观因素及经验影响导致飞行模拟机中的视景投影设备与运动液压电机的开启无法与实际飞行训练同步，从而使得相关设备长时间空转，最终造成资源浪费和设备损耗的问题。
鉴于上述问题，本发明提供了一种飞行模拟机的智能监控管理方法及系统。
第一方面，本发明提供了一种飞行模拟机的智能监控管理方法，所述方法通过一种飞行模拟机的智能监控管理系统实现，其中，所述方法包括：通过获得预设飞行模拟机的预设座舱，并通过视频监控设备对所述预设座舱进行实时监控，得到座舱实时视频；利用动态图像专家组对所述座舱实时视频进行压缩，得到初始压缩结果，其中，所述初始压缩结果包括多个压缩编码单元；对所述多个压缩编码单元依次进行分析，并根据分析结果组建座舱压缩视频，其中，所述座舱压缩视频包括多张I帧图像；提取所述多张I帧图像中的第一I帧图像、第二I帧图像，其中，所述第一I帧图像与所述第二I帧图像为相邻帧图像；计算得到所述第一I帧图像的第一特征值、所述第二I帧图像的第二特征值，并对所述第一特征值和所述第二特征值进行相减得到目标特征差值；判断所述目标特征差值是否满足预设差值阈值；若是，发出第一启动信号，并基于所述第一启动信号对所述预设飞行模拟机的目标设备进行启动管理。
第二方面，本发明还提供了一种飞行模拟机的智能监控管理系统，用于执行如第一方面所述的一种飞行模拟机的智能监控管理方法，其中，所述系统包括：智能采集模块，其用于获得预设飞行模拟机的预设座舱，并通过视频监控设备对所述预设座舱进行实时监控，得到座舱实时视频；智能获得模块，其用于利用动态图像专家组对所述座舱实时视频进行压缩，得到初始压缩结果，其中，所述初始压缩结果包括多个压缩编码单元；智能组建模块，其用于对所述多个压缩编码单元依次进行分析，并根据分析结果组建座舱压缩视频，其中，所述座舱压缩视频包括多张I帧图像；智能提取模块，其用于提取所述多张I帧图像中的第一I帧图像、第二I帧图像，其中，所述第一I帧图像与所述第二I帧图像为相邻帧图像；智能计算模块，其用于计算得到所述第一I帧图像的第一特征值、所述第二I帧图像的第二特征值，并对所述第一特征值和所述第二特征值进行相减得到目标特征差值；智能判断模块，其用于判断所述目标特征差值是否满足预设差值阈值；智能执行模块，其用于若是，发出第一启动信号，并基于所述第一启动信号对所述预设飞行模拟机的目标设备进行启动管理。
本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过获得预设飞行模拟机的预设座舱，并通过视频监控设备对所述预设座舱进行实时监控，得到座舱实时视频；利用动态图像专家组对所述座舱实时视频进行压缩，得到初始压缩结果，其中，所述初始压缩结果包括多个压缩编码单元；对所述多个压缩编码单元依次进行分析，并根据分析结果组建座舱压缩视频，其中，所述座舱压缩视频包括多张I帧图像；提取所述多张I帧图像中的第一I帧图像、第二I帧图像，其中，所述第一I帧图像与所述第二I帧图像为相邻帧图像；计算得到所述第一I帧图像的第一特征值、所述第二I帧图像的第二特征值，并对所述第一特征值和所述第二特征值进行相减得到目标特征差值；判断所述目标特征差值是否满足预设差值阈值；若是，发出第一启动信号，并基于所述第一启动信号对所述预设飞行模拟机的目标设备进行启动管理。首先，通过与智能监控管理系统通信连接的视频监控设备对预设飞行模拟机的座舱进行实时监控和视频采集，得到座舱实时视频，进而将采集到的视频实时传输给智能监控管理系统，由系统对视频进行智能分析，实现了为后续智能分析确定预设飞行模拟机是否有飞行员在进行训练提供视频信息基础和依据的技术目标。然后，在智能监控管理系统接收到视频监控设备采集的座舱实时视频后，系统先对视频进行智能化压缩，从而得到初始压缩结果，达到了为系统后续处理分析视频提供压缩视频基础，从而提高系统智能分析效率，进而提升系统管理性能的技术效果。接着，通过对座舱压缩视频中各相邻帧图像进行计算分析，得到相邻图像帧的特征差值，实现了将相邻图像差异进行客观量化的技术目标。最后结合预设差值阈值分析两相邻图像帧之间的差异情况，并在差异达到预设情况时由系统智能启动预设飞行模拟机的对应设备，从而保证飞行模拟机的启动与飞行员的训练起始时间一致，有效降低设备空转时间，最终达到了降低设备损耗和资源浪费的技术效果。通过智能化监测预设飞行模拟机中的座舱情况，并分析确定座舱上是否有飞行员准备进行飞行模拟训练，进而在监测分析到有飞行员准备进行飞行模拟训练时自动启动预设飞行模拟机的相关设备，实现了提高飞行模拟机中对应设备与飞行员实际飞行模拟训练间同步性的技术目标，达到了降低飞行模拟机中相关设备的空转时长，从而减少设备损耗、有效节约资源的技术效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明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示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本发明一种飞行模拟机的智能监控管理方法的流程示意图；
图2为本发明一种飞行模拟机的智能监控管理方法中得到所述目标特征差值的流程示意图；
图3为本发明一种飞行模拟机的智能监控管理方法中基于所述第二启动信号对所述预设飞行模拟机的目标设备进行启动管理的流程示意图；
图4为本发明一种飞行模拟机的智能监控管理方法中得到所述目标基色调差的流程示意图；
图5为本发明一种飞行模拟机的智能监控管理系统的结构示意图。
附图标记说明：
智能采集模块M100，智能获得模块M200，智能组建模块M300，智能提取模块M400，智能计算模块M500，智能判断模块M600，智能执行模块M700。
具体实施方式
本发明通过提供一种飞行模拟机的智能监控管理方法及系统，解决了现有技术中以人工方式进行飞行模拟机的状态管理，存在受个人主观因素及经验影响导致飞行模拟机中的视景投影设备与运动液压电机的开启无法与实际飞行训练同步，从而使得相关设备长时间空转，最终造成资源浪费和设备损耗的问题。通过智能化监测预设飞行模拟机中的座舱情况，并分析确定座舱上是否有飞行员准备进行飞行模拟训练，进而在监测分析到有飞行员准备进行飞行模拟训练时自动启动预设飞行模拟机的相关设备，实现了提高飞行模拟机中对应设备与飞行员实际飞行模拟训练间同步性的技术目标，达到了降低飞行模拟机中相关设备的空转时长，从而减少设备损耗、有效节约资源的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
请参阅附图1，本发明提供了一种飞行模拟机的智能监控管理方法，其中，所述方法应用于一种飞行模拟机的智能监控管理系统，所述方法具体包括如下步骤：
步骤S100：获得预设飞行模拟机的预设座舱，并通过所述视频监控设备对所述预设座舱进行实时监控，得到座舱实时视频；
具体而言，所述一种飞行模拟机的智能监控管理方法应用于一种飞行模拟机的智能监控管理系统，可以通过智能化监测预设飞行模拟机中的座舱情况，并分析确定座舱上是否有飞行员准备进行飞行模拟训练，进而在监测分析到有飞行员准备进行飞行模拟训练时自动启动预设飞行模拟机的相关设备，最终实现提高飞行模拟机中对应设备与飞行员实际飞行模拟训练间同步性的技术目标。其中，所述预设飞行模拟机是指任意一个通过所述智能监控管理系统进行飞行模拟机状态智能监测、分析，最终智能开启和关闭对应设备的飞行模拟机。首先确定所述预设飞行模拟机的座舱，即预设座舱，然后在所述预设座舱的合适位置安装所述视频监控设备，其中，所述视频监控设备与所述智能监控管理系统通信相连，在智能化采集得到所述预设座舱的所述座舱实时视频之后，可以直接将采集到的视频信息传输至所述智能监控管理系统，并由系统进行视频处理和分析。
通过与智能监控管理系统通信连接的视频监控设备对预设飞行模拟机的座舱进行实时监控和视频采集，得到座舱实时视频，进而将采集到的视频实时传输给智能监控管理系统，由系统对视频进行智能分析，实现了为后续智能分析确定预设飞行模拟机是否有飞行员在进行训练提供视频信息基础和依据的技术目标。
步骤S200：利用动态图像专家组对所述座舱实时视频进行压缩，得到初始压缩结果，其中，所述初始压缩结果包括多个压缩编码单元；
步骤S300：对所述多个压缩编码单元依次进行分析，并根据分析结果组建座舱压缩视频，其中，所述座舱压缩视频包括多张I帧图像；
步骤S400：提取所述多张I帧图像中的第一I帧图像、第二I帧图像，其中，所述第一I帧图像与所述第二I帧图像为相邻帧图像；
具体而言，所述动态图像专家组为现有视频压缩技术，在所述智能监控管理系统实时接收到所述视频监控设备采集的所述座舱实时视频后，首先调用动态图像专家组对所述座舱实时视频进行压缩预处理，从而得到初始压缩结果。其中，由于动态图像专家组基于视频编码单元对视频进行编码压缩，因此压缩后的所述初始压缩结果中包括多个压缩编码单元。接着，对所述多个压缩编码单元依次进行分析，从而依次区分并确定各个压缩编码单元中的各帧图像分别属于哪种图像帧。示范性的如I帧、P帧和B帧。最后，根据分析结果组建座舱压缩视频，也即提取各个压缩编码单元中的I帧图像，并根据图像拍摄时间标识进行拼接，即得到所述座舱压缩视频。最终，在所述座舱压缩视频随机提取所述多张I帧图像中的任意一帧图像，将其记作所述第一I帧图像，进而基于所述第一I帧图像再次提取第二I帧图像。其中，所述第一I帧图像与所述第二I帧图像为相邻帧图像，即所述第一I帧图像的前一帧图像或者后一帧图像。
通过对视频监控设备采集到的原始视频进行压缩，从而得到座舱压缩视频，达到了为系统后续处理分析视频提供压缩视频基础，从而提高系统智能分析效率，进而提升系统管理性能的技术效果。
步骤S500：计算得到所述第一I帧图像的第一特征值、所述第二I帧图像的第二特征值，并对所述第一特征值和所述第二特征值进行相减得到目标特征差值；
进一步的，如附图2所示，本发明步骤S500包括：
步骤S510：对所述第一I帧图像、所述第二I帧图像依次进行离散余弦变换，分别得到第一离散余弦变换系数、第二离散余弦变换系数；
步骤S520：基于所述第一离散余弦变换系数计算得到所述第一特征值，基于所述第二离散余弦变换系数计算得到所述第二特征值；
进一步的，本发明包括如下步骤：
步骤S521：提取所述第一离散余弦变换系数中的第一直流系数、第一交流系数；
步骤S522：根据所述第一直流系数、所述第一交流系数，计算得到所述第一特征值，其中，计算公式如下：
其中，
是指所述第一特征值，
是指所述第一直流系数，
是指所述第一交流系数，n是指所述第一I帧图像，
是指所述第一I帧图像的第
个子块，a是指所述第一直流系数对所述第一特征值的影响因子，b是指所述第一交流系数对所述第一特征值的影响因子；
步骤S524：提取所述第二离散余弦变换系数中的第二直流系数、第二交流系数；
步骤S525：根据所述第二直流系数、所述第二交流系数，计算得到所述第二特征值，其中，计算公式如下：
其中，
是指所述第二特征值，
是指所述第二直流系数，
是指所述第二交流系数，n+1是指所述第二I帧图像，
是指所述第二I帧图像的第
个子块，c是指所述第二直流系数对所述第二特征值的影响因子，d是指所述第二交流系数对所述第二特征值的影响因子。
步骤S530：对所述第一特征值、所述第二特征值进行相减计算，得到所述目标特征差值。
进一步的，本发明包括如下步骤：
步骤S531：根据所述第一特征值、所述第二特征值，计算得到所述目标特征差值，其中，计算公式如下：
步骤S532：其中，
是指所述目标特征差值。
具体而言，在从所述座舱压缩视频中提取得到所述第一I帧图像与所述第二I帧图像之后，依次计算得到所述第一I帧图像的第一特征值、所述第二I帧图像的第二特征值。由于所述第一I帧图像与所述第二I帧图像均是由所述座舱实时视频经过动态图像专家组压缩处理后的视频中的图像，依次对动态图像专家组的压缩过程进行分析，进而对其压缩过程进行反向处理。具体来说，首先对所述第一I帧图像、所述第二I帧图像依次进行离散余弦变换，分别得到第一离散余弦变换系数、第二离散余弦变换系数。然后提取所述第一离散余弦变换系数中的第一直流系数、第一交流系数，并根据所述第一直流系数、所述第一交流系数，计算得到所述第一特征值，其中，计算公式如下：
其中，
是指所述第一特征值，
是指所述第一直流系数，
是指所述第一交流系数，n是指所述第一I帧图像，
是指所述第一I帧图像的第
个子块，a是指所述第一直流系数对所述第一特征值的影响因子，b是指所述第一交流系数对所述第一特征值的影响因子。接着，提取所述第二离散余弦变换系数中的第二直流系数、第二交流系数，并同样根据所述第二直流系数、所述第二交流系数，计算得到所述第二特征值，其中，计算公式如下：
其中，
是指所述第二特征值，
是指所述第二直流系数，
是指所述第二交流系数，n+1是指所述第二I帧图像，
是指所述第二I帧图像的第
个子块，c是指所述第二直流系数对所述第二特征值的影响因子，d是指所述第二交流系数对所述第二特征值的影响因子。
进一步的，在依次计算得到所述第一I帧图像的第一特征值和所述第二I帧图像的第二特征值之后，对所述第一特征值、所述第二特征值进行相减计算，最终得到所述目标特征差值。计算公式如下：
其中，
是指所述目标特征差值。
步骤S600：判断所述目标特征差值是否满足预设差值阈值；
进一步的，本发明包括如下步骤：
步骤S610-p：采集预设飞行服图像；
步骤S620-p：对所述预设飞行服图像进行编码解码处理，并根据处理结果得到所述预设飞行服图像的预设特征值；
步骤S630-p：基于所述预设特征值，计算得到所述预设差值阈值，其中，所述预设差值阈值的计算公式如下：
步骤S640-p：其中，所述
是指所述预设差值阈值，所述
是指所述预设特征值，所述
是指第一偏差系数。
进一步的，如附图3所示，本发明步骤S600包括：
步骤S610：若否，发出复判信号，并基于所述复判信号依次得到所述第一I帧图像的第一颜色直方图和所述第二I帧图像的第二颜色直方图；
步骤S620：基于所述第一颜色直方图确定第一基色调，基于所述第二颜色直方图确定第二基色调；
步骤S630：将所述第一基色调与所述第二基色调进行对比，得到目标基色调差；
进一步的，如附图4所示，本发明步骤S630包括：
步骤S631：得到所述第一基色调的第一色调信息，其中，所述第一色调信息包括第一色相值、第一明度值、第一饱和度值；
步骤S632：得到所述第二基色调的第二色调信息，其中，所述第二色调信息包括第二色相值、第二明度值、第二饱和度值；
步骤S633：计算得到所述第一色相值与所述第二色相值的目标色相差；
步骤S634：计算得到所述第一明度值与所述第二明度值的目标明度差；
步骤S635：计算得到所述第一饱和度值与所述第二饱和度值的目标饱和度差；
步骤S636：对所述目标色相差、所述目标明度差和所述目标饱和度差进行加权计算，得到所述目标基色调差。
步骤S640：判断所述目标基色调差是否满足预设基色调差阈值；
进一步的，本发明包括如下步骤：
步骤S641-p：获得所述预设飞行服图像的预设基色调；
步骤S642-p：基于所述预设基色调，确定预设色调信息；
步骤S643-p：基于所述预设色调信息，计算得到所述预设基色调差阈值，其中，所述预设基色调差阈值的计算公式如下：
步骤S644-p：其中，所述
是指所述预设基色调差阈值，所述
是指所述预设色调信息，所述
是指第二偏差系数。
步骤S650：若是，发出第二启动信号，并基于所述第二启动信号对所述预设飞行模拟机的目标设备进行启动管理。
步骤S700：若是，发出第一启动信号，并基于所述第一启动信号对所述预设飞行模拟机的目标设备进行启动管理。
具体而言，在计算得到所述第一I帧图像和所述第二I帧图像之间的目标特征差值后，为快速识别飞行员是否在进行飞行模拟训练，通过对飞行员的服装图像进行图像处理分析，实现对飞行员服的数字化过程。首先采集预设飞行服图像，并对所述预设飞行服图像进行编码解码处理，根据处理结果得到所述预设飞行服图像的预设特征值，然后基于所述预设特征值，计算得到所述预设差值阈值。也就是说，基于预设飞行服图像的特征值数据，可以用于判断连续两帧图像中，是否一个有飞行员一个没有飞行员。其中，所述预设差值阈值的计算公式如下：
其中，所述
是指所述预设差值阈值，所述
是指所述预设特征值，所述
是指第一偏差系数。
接着，判断所述目标特征差值是否满足预设差值阈值，其中，当所述目标特征差值满足预设差值阈值时，说明此时飞行员刚进入座舱，准备进行飞行训练，此时所述智能监控管理系统自动发出第一启动信号，并基于所述第一启动信号对所述预设飞行模拟机的目标设备进行启动管理。其中，所述目标设备包括所述预设飞行模拟机的视景投影设备与运动液压电机。
反之，当所述目标特征差值不满足预设差值阈值时，说明此时飞行员并未进入座舱，但是为了提高系统判断的准确率，所述智能监控管理系统发出复判信号，并基于所述复判信号依次得到所述第一I帧图像的第一颜色直方图和所述第二I帧图像的第二颜色直方图，然后基于所述第一颜色直方图确定第一基色调，基于所述第二颜色直方图确定第二基色调，并将所述第一基色调与所述第二基色调进行对比，得到目标基色调差。接着，所述智能监控管理系统对所述预设飞行服图像的基色调进行分析，得到所述预设基色调，并基于所述预设基色调，确定预设色调信息。具体来说，首先得到所述第一基色调的第一色调信息，其中，所述第一色调信息包括第一色相值、第一明度值、第一饱和度值。示范性的如利用PHOTOSHOP软件得到第一基色调的三个属性值。然后得到所述第二基色调的第二色调信息，其中，所述第二色调信息包括第二色相值、第二明度值、第二饱和度值。接着，依次计算得到所述第一色相值与所述第二色相值的目标色相差、所述第一明度值与所述第二明度值的目标明度差、所述第一饱和度值与所述第二饱和度值的目标饱和度差。最终对所述目标色相差、所述目标明度差和所述目标饱和度差进行加权计算，示范性的如利用变异系数法对三个属性进行权重赋值，进而加权即得到所述目标基色调差。
最后，基于所述预设色调信息，计算得到所述预设基色调差阈值，其中，所述预设基色调差阈值的计算公式如下：
其中，所述
是指所述预设基色调差阈值，所述
是指所述预设色调信息，所述
是指第二偏差系数。
接下来系统自动判断所述目标基色调差是否满足预设基色调差阈值。其中，当所述目标基色调差满足预设基色调差阈值时，说明此时有飞行员在预设座舱中，因此系统发出第二启动信号，并基于所述第二启动信号对所述预设飞行模拟机的目标设备进行启动管理。
综上所述，本发明所提供的一种飞行模拟机的智能监控管理方法具有如下技术效果：
通过获得预设飞行模拟机的预设座舱，并通过视频监控设备对所述预设座舱进行实时监控，得到座舱实时视频；利用动态图像专家组对所述座舱实时视频进行压缩，得到初始压缩结果，其中，所述初始压缩结果包括多个压缩编码单元；对所述多个压缩编码单元依次进行分析，并根据分析结果组建座舱压缩视频，其中，所述座舱压缩视频包括多张I帧图像；提取所述多张I帧图像中的第一I帧图像、第二I帧图像，其中，所述第一I帧图像与所述第二I帧图像为相邻帧图像；计算得到所述第一I帧图像的第一特征值、所述第二I帧图像的第二特征值，并对所述第一特征值和所述第二特征值进行相减得到目标特征差值；判断所述目标特征差值是否满足预设差值阈值；若是，发出第一启动信号，并基于所述第一启动信号对所述预设飞行模拟机的目标设备进行启动管理。首先，通过与智能监控管理系统通信连接的视频监控设备对预设飞行模拟机的座舱进行实时监控和视频采集，得到座舱实时视频，进而将采集到的视频实时传输给智能监控管理系统，由系统对视频进行智能分析，实现了为后续智能分析确定预设飞行模拟机是否有飞行员在进行训练提供视频信息基础和依据的技术目标。然后，在智能监控管理系统接收到视频监控设备采集的座舱实时视频后，系统先对视频进行智能化压缩，从而得到初始压缩结果，达到了为系统后续处理分析视频提供压缩视频基础，从而提高系统智能分析效率，进而提升系统管理性能的技术效果。接着，通过对座舱压缩视频中各相邻帧图像进行计算分析，得到相邻图像帧的特征差值，实现了将相邻图像差异进行客观量化的技术目标。最后结合预设差值阈值分析两相邻图像帧之间的差异情况，并在差异达到预设情况时由系统智能启动预设飞行模拟机的对应设备，从而保证飞行模拟机的启动与飞行员的训练起始时间一致，有效降低设备空转时间，最终达到了降低设备损耗和资源浪费的技术效果。通过智能化监测预设飞行模拟机中的座舱情况，并分析确定座舱上是否有飞行员准备进行飞行模拟训练，进而在监测分析到有飞行员准备进行飞行模拟训练时自动启动预设飞行模拟机的相关设备，实现了提高飞行模拟机中对应设备与飞行员实际飞行模拟训练间同步性的技术目标，达到了降低飞行模拟机中相关设备的空转时长，从而减少设备损耗、有效节约资源的技术效果。
实施例二
基于与前述实施例中一种飞行模拟机的智能监控管理方法，同样发明构思，本发明还提供了一种飞行模拟机的智能监控管理系统，请参阅附图5，所述系统包括：
智能采集模块M100，其用于获得预设飞行模拟机的预设座舱，并通过视频监控设备对所述预设座舱进行实时监控，得到座舱实时视频；
智能获得模块M200，其用于利用动态图像专家组对所述座舱实时视频进行压缩，得到初始压缩结果，其中，所述初始压缩结果包括多个压缩编码单元；
智能组建模块M300，其用于对所述多个压缩编码单元依次进行分析，并根据分析结果组建座舱压缩视频，其中，所述座舱压缩视频包括多张I帧图像；
智能提取模块M400，其用于提取所述多张I帧图像中的第一I帧图像、第二I帧图像，其中，所述第一I帧图像与所述第二I帧图像为相邻帧图像；
智能计算模块M500，其用于计算得到所述第一I帧图像的第一特征值、所述第二I帧图像的第二特征值，并对所述第一特征值和所述第二特征值进行相减得到目标特征差值；
智能判断模块M600，其用于判断所述目标特征差值是否满足预设差值阈值；
智能执行模块M700，其用于若是，发出第一启动信号，并基于所述第一启动信号对所述预设飞行模拟机的目标设备进行启动管理。
进一步的，所述系统中的所述智能计算模块M500还用于：
对所述第一I帧图像、所述第二I帧图像依次进行离散余弦变换，分别得到第一离散余弦变换系数、第二离散余弦变换系数；
基于所述第一离散余弦变换系数计算得到所述第一特征值，基于所述第二离散余弦变换系数计算得到所述第二特征值；
对所述第一特征值、所述第二特征值进行相减计算，得到所述目标特征差值。
进一步的，所述系统中的所述智能计算模块M500还用于：
提取所述第一离散余弦变换系数中的第一直流系数、第一交流系数；
根据所述第一直流系数、所述第一交流系数，计算得到所述第一特征值，其中，计算公式如下：
其中，
是指所述第一特征值，
是指所述第一直流系数，
是指所述第一交流系数，n是指所述第一I帧图像，
是指所述第一I帧图像的第
个子块，a是指所述第一直流系数对所述第一特征值的影响因子，b是指所述第一交流系数对所述第一特征值的影响因子；
提取所述第二离散余弦变换系数中的第二直流系数、第二交流系数；
根据所述第二直流系数、所述第二交流系数，计算得到所述第二特征值，其中，计算公式如下：
其中，
是指所述第二特征值，
是指所述第二直流系数，
是指所述第二交流系数，n+1是指所述第二I帧图像，
是指所述第二I帧图像的第
个子块，c是指所述第二直流系数对所述第二特征值的影响因子，d是指所述第二交流系数对所述第二特征值的影响因子。
进一步的，所述系统中的所述智能计算模块M500还用于：
根据所述第一特征值、所述第二特征值，计算得到所述目标特征差值，其中，计算公式如下：
其中，
是指所述目标特征差值。
进一步的，所述系统中的所述智能判断模块M600还用于：
若否，发出复判信号，并基于所述复判信号依次得到所述第一I帧图像的第一颜色直方图和所述第二I帧图像的第二颜色直方图；
基于所述第一颜色直方图确定第一基色调，基于所述第二颜色直方图确定第二基色调；
将所述第一基色调与所述第二基色调进行对比，得到目标基色调差；
判断所述目标基色调差是否满足预设基色调差阈值；
若是，发出第二启动信号，并基于所述第二启动信号对所述预设飞行模拟机的目标设备进行启动管理。
进一步的，所述系统中的所述智能判断模块M600还用于：
得到所述第一基色调的第一色调信息，其中，所述第一色调信息包括第一色相值、第一明度值、第一饱和度值；
得到所述第二基色调的第二色调信息，其中，所述第二色调信息包括第二色相值、第二明度值、第二饱和度值；
计算得到所述第一色相值与所述第二色相值的目标色相差；
计算得到所述第一明度值与所述第二明度值的目标明度差；
计算得到所述第一饱和度值与所述第二饱和度值的目标饱和度差；
对所述目标色相差、所述目标明度差和所述目标饱和度差进行加权计算，得到所述目标基色调差。
进一步的，所述系统中的所述智能判断模块M600还用于：
采集预设飞行服图像；
对所述预设飞行服图像进行编码解码处理，并根据处理结果得到所述预设飞行服图像的预设特征值；
基于所述预设特征值，计算得到所述预设差值阈值，其中，所述预设差值阈值的计算公式如下：
其中，所述
是指所述预设差值阈值，所述
是指所述预设特征值，所述
是指第一偏差系数。
进一步的，所述系统中的所述智能判断模块M600还用于：
获得所述预设飞行服图像的预设基色调；
基于所述预设基色调，确定预设色调信息；
基于所述预设色调信息，计算得到所述预设基色调差阈值，其中，所述预设基色调差阈值的计算公式如下：
其中，所述
是指所述预设基色调差阈值，所述
是指所述预设色调信息，所述
是指第二偏差系数。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种飞行模拟机的智能监控管理方法和具体实例同样适用于本实施例的一种飞行模拟机的智能监控管理系统，通过前述对一种飞行模拟机的智能监控管理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种飞行模拟机的智能监控管理系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种飞行模拟机的智能监控管理方法，其特征在于，所述智能监控管理方法应用智能监控管理系统，所述智能监控管理系统与视频监控设备通信相连，所述智能监控管理方法包括：
获得预设飞行模拟机的预设座舱，并通过所述视频监控设备对所述预设座舱进行实时监控，得到座舱实时视频；
利用动态图像专家组对所述座舱实时视频进行压缩，得到初始压缩结果，其中，所述初始压缩结果包括多个压缩编码单元；
对所述多个压缩编码单元依次进行分析，并根据分析结果组建座舱压缩视频，其中，所述座舱压缩视频包括多张I帧图像；
提取所述多张I帧图像中的第一I帧图像、第二I帧图像，其中，所述第一I帧图像与所述第二I帧图像为相邻帧图像；
计算得到所述第一I帧图像的第一特征值、所述第二I帧图像的第二特征值，并对所述第一特征值和所述第二特征值进行相减得到目标特征差值；
判断所述目标特征差值是否满足预设差值阈值；
若是，发出第一启动信号，并基于所述第一启动信号对所述预设飞行模拟机的目标设备进行启动管理。
2.根据权利要求1所述的智能监控管理方法，其特征在于，所述计算得到所述第一I帧图像的第一特征值、所述第二I帧图像的第二特征值，并对所述第一特征值和所述第二特征值进行相减得到目标特征差值，包括：
对所述第一I帧图像、所述第二I帧图像依次进行离散余弦变换，分别得到第一离散余弦变换系数、第二离散余弦变换系数；
基于所述第一离散余弦变换系数计算得到所述第一特征值，基于所述第二离散余弦变换系数计算得到所述第二特征值；
对所述第一特征值、所述第二特征值进行相减计算，得到所述目标特征差值。
3.根据权利要求2所述的智能监控管理方法，其特征在于，所述基于所述第一离散余弦变换系数计算得到所述第一特征值，基于所述第二离散余弦变换系数计算得到所述第二特征值，包括：
提取所述第一离散余弦变换系数中的第一直流系数、第一交流系数；
根据所述第一直流系数、所述第一交流系数，计算得到所述第一特征值，其中，计算公式如下：
其中，
是指所述第一特征值，
是指所述第一直流系数，
是指所述第一交流系数，n是指所述第一I帧图像，
是指所述第一I帧图像的第
个子块，a是指所述第一直流系数对所述第一特征值的影响因子，b是指所述第一交流系数对所述第一特征值的影响因子；
提取所述第二离散余弦变换系数中的第二直流系数、第二交流系数；
根据所述第二直流系数、所述第二交流系数，计算得到所述第二特征值，其中，计算公式如下：
其中，
是指所述第二特征值，
是指所述第二直流系数，
是指所述第二交流系数，n+1是指所述第二I帧图像，
是指所述第二I帧图像的第
个子块，c是指所述第二直流系数对所述第二特征值的影响因子，d是指所述第二交流系数对所述第二特征值的影响因子。
4.根据权利要求3所述的智能监控管理方法，其特征在于，所述对所述第一特征值、所述第二特征值进行相减计算，得到所述目标特征差值，包括：
根据所述第一特征值、所述第二特征值，计算得到所述目标特征差值，其中，计算公式如下：
其中，
是指所述目标特征差值。
5.根据权利要求1所述的智能监控管理方法，其特征在于，在所述判断所述目标特征差值是否满足预设差值阈值之后，还包括：
若否，发出复判信号，并基于所述复判信号依次得到所述第一I帧图像的第一颜色直方图和所述第二I帧图像的第二颜色直方图；
基于所述第一颜色直方图确定第一基色调，基于所述第二颜色直方图确定第二基色调；
将所述第一基色调与所述第二基色调进行对比，得到目标基色调差；
判断所述目标基色调差是否满足预设基色调差阈值；
若是，发出第二启动信号，并基于所述第二启动信号对所述预设飞行模拟机的目标设备进行启动管理。
6.根据权利要求5所述的智能监控管理方法，其特征在于，所述将所述第一基色调与所述第二基色调进行对比，得到目标基色调差，包括：
得到所述第一基色调的第一色调信息，其中，所述第一色调信息包括第一色相值、第一明度值、第一饱和度值；
得到所述第二基色调的第二色调信息，其中，所述第二色调信息包括第二色相值、第二明度值、第二饱和度值；
计算得到所述第一色相值与所述第二色相值的目标色相差；
计算得到所述第一明度值与所述第二明度值的目标明度差；
计算得到所述第一饱和度值与所述第二饱和度值的目标饱和度差；
对所述目标色相差、所述目标明度差和所述目标饱和度差进行加权计算，得到所述目标基色调差。
7.根据权利要求5所述的智能监控管理方法，其特征在于，在所述判断所述目标特征差值是否满足预设差值阈值之前，包括：
采集预设飞行服图像；
对所述预设飞行服图像进行编码解码处理，并根据处理结果得到所述预设飞行服图像的预设特征值；
基于所述预设特征值，计算得到所述预设差值阈值，其中，所述预设差值阈值的计算公式如下：
其中，所述
是指所述预设差值阈值，所述
是指所述预设特征值，所述
是指第一偏差系数。
8.根据权利要求7所述的智能监控管理方法，其特征在于，在所述判断所述目标基色调差是否满足预设基色调差阈值之前，包括：
获得所述预设飞行服图像的预设基色调；
基于所述预设基色调，确定预设色调信息；
基于所述预设色调信息，计算得到所述预设基色调差阈值，其中，所述预设基色调差阈值的计算公式如下：
其中，所述
是指所述预设基色调差阈值，所述
是指所述预设色调信息，所述
是指第二偏差系数。
9.一种飞行模拟机的智能监控管理系统，其特征在于，所述智能监控管理系统包括：
智能采集模块，其用于获得预设飞行模拟机的预设座舱，并通过视频监控设备对所述预设座舱进行实时监控，得到座舱实时视频；
智能获得模块，其用于利用动态图像专家组对所述座舱实时视频进行压缩，得到初始压缩结果，其中，所述初始压缩结果包括多个压缩编码单元；
智能组建模块，其用于对所述多个压缩编码单元依次进行分析，并根据分析结果组建座舱压缩视频，其中，所述座舱压缩视频包括多张I帧图像；
智能提取模块，其用于提取所述多张I帧图像中的第一I帧图像、第二I帧图像，其中，所述第一I帧图像与所述第二I帧图像为相邻帧图像；
智能计算模块，其用于计算得到所述第一I帧图像的第一特征值、所述第二I帧图像的第二特征值，并对所述第一特征值和所述第二特征值进行相减得到目标特征差值；
智能判断模块，其用于判断所述目标特征差值是否满足预设差值阈值；
智能执行模块，其用于若是，发出第一启动信号，并基于所述第一启动信号对所述预设飞行模拟机的目标设备进行启动管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310060240.XA CN115830945A (zh) | 2023-01-14 | 2023-01-14 | 一种飞行模拟机的智能监控管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310060240.XA CN115830945A (zh) | 2023-01-14 | 2023-01-14 | 一种飞行模拟机的智能监控管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115830945A true CN115830945A (zh) | 2023-03-21 |
Family
ID=85520779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310060240.XA Pending CN115830945A (zh) | 2023-01-14 | 2023-01-14 | 一种飞行模拟机的智能监控管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115830945A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105245839A (zh) * | 2015-09-30 | 2016-01-13 | 万科思自控信息（中国）有限公司 | 一种门口机的自动开启显示方法 |
| CN105761255A (zh) * | 2016-02-04 | 2016-07-13 | 网易（杭州）网络有限公司 | 游戏画面卡顿测试方法及装置 |
| CN106778788A (zh) * | 2017-01-13 | 2017-05-31 | 河北工业大学 | 对图像进行美学评价的多特征融合方法 |
| CN109270085A (zh) * | 2018-11-19 | 2019-01-25 | 深圳市宝盛自动化设备有限公司 | 一种人工复判系统 |
| CN113554626A (zh) * | 2021-07-26 | 2021-10-26 | 朗华全能自控设备（上海）股份有限公司 | 一种软性电路板瑕疵检测方法及装置 |
| CN114226293A (zh) * | 2021-12-30 | 2022-03-25 | 深圳市南极光电子科技股份有限公司 | 一种用于显示面板的扫码复判方法及其扫码复判机 |
| CN114537411A (zh) * | 2022-03-24 | 2022-05-27 | 上海国琻汽车科技有限公司 | 一种基于ai监测的智能座舱系统及其监测方法 |
| CN115499670A (zh) * | 2022-11-17 | 2022-12-20 | 广东电网有限责任公司中山供电局 | 一种基于边缘计算的视频图像压缩处理设备 |
| CN115578523A (zh) * | 2022-11-21 | 2023-01-06 | 慧医谷中医药科技(天津)股份有限公司 | 一种多角度图像融合的舌部三维建模方法及系统 |
-
2023
- 2023-01-14 CN CN202310060240.XA patent/CN115830945A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105245839A (zh) * | 2015-09-30 | 2016-01-13 | 万科思自控信息（中国）有限公司 | 一种门口机的自动开启显示方法 |
| CN105761255A (zh) * | 2016-02-04 | 2016-07-13 | 网易（杭州）网络有限公司 | 游戏画面卡顿测试方法及装置 |
| CN106778788A (zh) * | 2017-01-13 | 2017-05-31 | 河北工业大学 | 对图像进行美学评价的多特征融合方法 |
| CN109270085A (zh) * | 2018-11-19 | 2019-01-25 | 深圳市宝盛自动化设备有限公司 | 一种人工复判系统 |
| CN113554626A (zh) * | 2021-07-26 | 2021-10-26 | 朗华全能自控设备（上海）股份有限公司 | 一种软性电路板瑕疵检测方法及装置 |
| CN114226293A (zh) * | 2021-12-30 | 2022-03-25 | 深圳市南极光电子科技股份有限公司 | 一种用于显示面板的扫码复判方法及其扫码复判机 |
| CN114537411A (zh) * | 2022-03-24 | 2022-05-27 | 上海国琻汽车科技有限公司 | 一种基于ai监测的智能座舱系统及其监测方法 |
| CN115499670A (zh) * | 2022-11-17 | 2022-12-20 | 广东电网有限责任公司中山供电局 | 一种基于边缘计算的视频图像压缩处理设备 |
| CN115578523A (zh) * | 2022-11-21 | 2023-01-06 | 慧医谷中医药科技(天津)股份有限公司 | 一种多角度图像融合的舌部三维建模方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
| WO2021149857A1 (ko) | Yolo 기반 경량 경계 상자 검출과 영상 처리를 통한 정확한 동물 탐지 방법 및 장치 | |
| Zuo et al. | Screen content image quality assessment via convolutional neural network | |
| CN110493574B (zh) | 基于流媒体和ai技术的安监可视化系统 | |
| CN115578523A (zh) | 一种多角度图像融合的舌部三维建模方法及系统 | |
| CN110676937A (zh) | 智慧安全用电运维管理系统 | |
| CN102984540A (zh) | 一种基于宏块域失真度估计的视频质量评价方法 | |
| CN113095189B (zh) | 基于机器视觉和数据分析的电力系统变电站运行环境安全智能监测管理系统 | |
| CN110795599B (zh) | 基于多尺度图的视频突发事件监测方法及系统 | |
| CN113743725B (zh) | 基于边缘计算的登高作业人员的登高资质检测方法及系统 | |
| CN116310940A (zh) | 一种机电设备运行状态的风险评估方法及系统 | |
| CN115830945A (zh) | 一种飞行模拟机的智能监控管理方法及系统 | |
| CN116091719A (zh) | 一种基于物联网的河道数据管理方法及系统 | |
| CN103077514B (zh) | 一种基于全变分的视觉感知图像质量评价方法 | |
| CN102542304A (zh) | 识别wap手机色情图像的区域分割肤色算法 | |
| CN112232307B (zh) | 夜视环境下的安全帽佩戴检测方法 | |
| CN113487620A (zh) | 一种铁路绝缘节检测方法及装置 | |
| CN113810695A (zh) | 视频编码方法、装置及计算机可读存储介质 | |
| CN112607542A (zh) | 电梯控制方法、装置、计算机设备和存储介质 | |
| KR101203050B1 (ko) | 베르누이혼합모델을 이용한 영상의 배경모델링장치 및 방법 | |
| CN106952259A (zh) | 一种面向监控视频应用的图像质量半参考评价方法 | |
| CN115410137B (zh) | 基于时空特征的双流工人劳动状态识别方法 | |
| CN113435320B (zh) | 自适应配置多模型的人体姿态估计方法 | |
| Pu et al. | Anomaly Detection of Substation Engineering Video Object Based on Cloud Platform | |
| CN113592732B (zh) | 基于大数据和智慧安防的图像处理方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230321 |
|
| RJ01 | Rejection of invention patent application after publication |