[发明专利]一种基于Yolact目标分割模型的停机坪状态监管方法

说明书

本发明公开了一种基于Yolact目标分割模型的停机坪状态监管方法，包括步骤：制作停机坪目标分割数据集；在pytorch框架下构建基于Yolact网络作为对停机坪各物体检测分割的模型；使用训练集训练Yolact网络；利用训练好的Yolact网络处理停机坪监控视频并输出停机坪实时状态。本发明具有检测分割区域准确、可以自动化处理机场监控视频便于机场智能化升级等优点，旨在解决停机坪场景下值机状态的自动监控问题，为机场管理提供可视化，信息化，智能化的数据支撑。

技术领域

本发明属于计算机视觉、深度学习卷积神经网络领域，具体涉及一种基于Yolact目标分割模型的停机坪状态监管方法。

背景技术

现有机场的停机坪调度管理需要大量机务人员协同工作，保证飞机在停机坪期间的一系列机务正常运行。停机坪机务的情况关系着航班的顺利执行，因此对飞机在停机坪的机务情况进行有效监管十分必要。现有管理技术是依赖于现场机务人员的信息反馈，人工输入数据库再进行系统管理。因此其效率和准确的受人为因素干扰，信息传递不畅会导致机务时间延长影响机场运行效率。

随着计算机硬件的升级，其处理大数据的能力显著提升。同时得益于计算机视觉、深度学习卷积神经网络领域的技术发展，使得利用计算机大规模自动化处理实时监控视频得以实现。因此，利用计算机自动地实时处理机场监控视频分析停机坪状态并将可视化结果返回，可以方提升停机坪管理效率且极大减少人工资源，优化机场管理的成本和质量。

发明内容

本发明所要解决的技术问题在于提高现有机场管理的效率，提供一种基于Yolact目标分割模型的停机坪状态监管方法，该方法能够自动化分析停机坪各部门状态，并可视化以方便机场调度管理。

本发明采用如下技术方案来实现的：

一种基于Yolact目标分割模型的停机坪状态监管方法，包括以下步骤：

(1)制作停机坪目标分割数据集；

采集在停机坪场景下机场监控视频并转化成帧图像作为原始图像数据，对原始图像进行目标分割的人工标注形成停机坪目标分割数据集，将数据集划分成训练集和测试集；

(2)在pytorch框架下构建基于Yolact网络作为对停机坪各物体检测分割的模型；

(3)使用训练集训练Yolact网络；

(4)构建停机坪状态管理系统，并实时分析停机坪状态。

本发明进一步的改进在于，步骤(3)的具体实现步骤为：

具体步骤为：

301)设置网络的训练参数；

302)利用停机坪目标分割数据集的训练集训练Yolact网络。

本发明进一步的改进在于，步骤301)中，计算停机坪目标分割数据集3个颜色通道的均值和方差并设置为的训练参数，将检测分割的分类数目修改为停机坪场景下的物体种类数；最大迭代次数设为100000，学习率下降步长设为(35000,70000,87500,93750)。

本发明进一步的改进在于，均值设为(126.48,126.23,124.44)，方差设为(62.73,62.17,61.71)。

本发明进一步的改进在于，物体种类数设为19。

本发明进一步的改进在于，步骤(4)的具体实现步骤为：

401)利用训练好的Yolact网络处理停机坪监控视频自动识别分割出画面中不同的物体；

402)根据物体之间的位置关系和前后帧的位移变化等信息判断停机坪内各机务作业状态；