[发明专利]一种用于机场行李拖车超载违规检测的方法

说明书

本发明公开了一种用于机场行李拖车超载违规检测的方法一种用于机场行李拖车超载违规检测的方法，涉及计算机视觉技术领域。包括以下步骤：对图像进行目标检测获取目标的位置和类型，类型包括车头和车厢；结合车头的数量判断车头的运动状态；匹配属于同一辆拖车的车厢；采用直线拟合的方式对匹配到的车厢进行筛选；统计每辆拖车的车厢数量；若拖车的车厢数量超过该拖车规定的车厢数量，则判定为超载违规。本发明大大提高了检测效率，节省了人力成本。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种用于机场行李拖车超载违规检测的方法。

背景技术

随着机场业务的日渐增多，对机场的站坪的工作效率提出了更高要求，其中，行李托运是机务中较为重要的一部分。机场行李托运是通过行李拖车将行李运输到位于机场站坪的飞机相应机位内，然后装载到飞机上。行李拖车的安全运输是站坪安全工作的重要内容。本专利开发了一种基于深度学习的实时检测拖车车厢超载的算法，能够替代传统的人工检测方法，提高机场站坪的工作效率。机场行李拖车的违规检测一直以来是基于人工检查方法，随着机场航班增加，人工检查拖车超载的工作量越来越大并且会浪费大量的时间导致机场工作效率大大下降，因此采用基于计算机视觉方法自动检测拖车超载的需求越来越迫切。

传统检测拖车超载的方法存在以下缺点：效率低下；存在漏检；人力成本较高。基于计算机视觉的方法检测拖车车厢超载存在诸多难点，其中，有几个主要的技术难点：拖车的状态检测不准确；多辆车同时出现造成的误判；拖车行进比较快，算法运行速度较慢不能够满足算法实际要求。

发明内容

本发明的目的在于提供一种用于机场行李拖车超载违规检测的方法，大大提高了检测效率，节省了人力成本。

为实现上述目的，本发明提供如下技术方案：

一种用于机场行李拖车超载违规检测的方法，其特征在于，包括以下步骤，

S1，对图像进行目标检测获取目标的位置和类型，类型包括车头和车厢；

S2，结合车头的数量判断车头的运动状态；

S3，匹配属于同一辆拖车的车厢；

S4，采用直线拟合的方式对匹配到的车厢进行筛选；

S5，统计每辆拖车的车厢数量；

S6，若拖车的车厢数量超过该拖车规定的车厢数量，则判定为超载违规。

进一步的，所述S1中，所述目标检测采用目标检测网络YOLOV3。

进一步的，所述S1前还包括目标检测网络YOLOV3的训练，采集机场站坪的监控图片，标注车头和车厢，将标记完成的图片输入到darknet框架下进行训练，得到能够识别车头和车厢的神经网络模型。

进一步的，所述S2中，运动状态的判断方法如下：

S21，统计图像中的车头数量N_head；

S22，若车头数量N_head≤0或N_head≥3，则判定该图像中车头的运动状态为无效行驶状态；若车头数量1≤N_head≤2，则判定图像中车头的运动状态为有效行驶状态。

进一步的，所述S3中，车厢的匹配方法包括车厢面积匹配、首节车厢匹配和其余车厢匹配；

所述车厢面积匹配如下：采用K-means聚类方法将面积相近的车厢和车头进行统计，根据聚类结果得到若干组车头车厢组合；

所述首节车厢匹配如下：选取位于车头规定范围内且距离车头距离最近的车厢作为该车头的首节车厢；