[发明专利]一种识别航班保障节点的二维目标检测方法

权利要求书

1.一种识别航班保障节点的二维目标检测方法，其特征在于，包括以下步骤：

步骤1、获取机场机坪中各机位的主要图像信息；

步骤2、对前后帧的图像进行智能检测，获取图像中主要目标的信息；

步骤3、对步骤2中的图像信息进行二维目标检测，并进行时间融合；

步骤4、得到在当前视频帧中目标的实时位置，输出融合检测结果；即在图像目标检测的基础上，对检测结果进行最优匹配，实现航班跟踪。

2.根据权利要求1中所述的识别航班保障节点的二维目标检测方法，其特征在于，所述步骤1具体包括：摄像机获取源视频流通过网络传输给NVR存储设备以及系统服务器，将机场中各个机坪的飞机进行图像输入。

3.根据权利要求2中所述的识别航班保障节点的二维目标检测方法，其特征在于，所述步骤2具体包括：接入机场各个机坪上的网络摄像头，对视频进行编解码，输出给算法服务；并基于深度学习的神经网络构建算法模型，对视频流中的每帧图片进行对象检测，准确识别在整个机坪保障过程中各个关键载具、物体、行为。

4.根据权利要求3中所述的识别航班保障节点的二维目标检测方法，其特征在于，所述步骤3具体步骤为：根据步骤1中获取的图像和步骤2中获取主要目标信息进行二维目标检测，逻辑判断之后，得出各个保障节点的时间数据，进行时间融合。

5.根据权利要求4中所述的识别航班保障节点的二维目标检测方法，其特征在于，所述步骤4中实现目标跟踪的具体步骤为：得到在当前视频帧中目标的实时位置，对智能识别的结果数据经过清洗、筛选、统计、分析、挖掘、规范化之后，将数据的价值最大化，将数据以更好的可视化效果进行展示；输出检测结果的最优匹配，实现航班跟踪。

6.根据权利要求4中所述的识别航班保障节点的二维目标检测方法，其特征在于，所述步骤4中实现二维目标检测算法具体为：

其中：

权重项a，设置为1；

L_conf(x，c)是前景的分类参数和背景的分类参数之和；L_loc(x，l，g)是所有用于前景分类位置坐标的回归参数；

N表示被选择用作前景分类参数anchor的数目，选择部分的原因是背景anchor的数目一般远远大于前景anchor，如果都选为背景，就会弱化前景loss的值，造成定位不准确；

长方形anchor的数目在不同层级会有差异，他们的长宽可以用下面的公式来表达，ratio的数目就决定了某层上每一个点对应的长方形anchor的数目：

其中：

上式的min_size和min_size由下式计算得到，S_min＝0.2，S_max＝0.95，m代表全部用于回归的层数，比如在SSD 300中m就是6；第k层的min_size＝S_k，第k层的max_size＝S_k+1；

S_k＝S_min+(S_max-S_min)*(k-1)/m-1。