[发明专利]一种航空器智能追踪系统和方法

说明书

本发明公开了一种航空器智能追踪系统及方法，系统包括全景视频采集模块，用于采集整个机场场面的全景视频数据；塔台球机，用于航空器着陆滑行后或起飞前滑行时的追踪。算法及业务服务器，用于对全景视频数据进行目标识别，并根据识别结果控制塔台球机调节自身焦距和旋转角度；跑道球机，用于在航空器未降落或起飞之后的预置位画面的识别捕捉。在航空器降落之前或起飞之后，通过带有高倍焦距的跑道球型摄像机的预置位画面进行自动识别捕捉；在航空器着陆滑行后或起飞前滑行时，通过塔台球机和全景视频采集模块形成联动效应实现航空器的捕捉。本发明可替代传统管制员目视或使用望远镜的方法来监视航空器起飞和降落的全过程，且准确率高。

技术领域

本发明涉及航空器追踪技术领域，尤其是一种航空器智能追踪系统和方法。

背景技术

通常情况下，航空器的飞行由起飞、巡航、降落组成。在每一次飞行中，都会有一个起飞着陆的关键阶段，那就是：起飞后3分钟+降落前8分钟。这11分钟之所以关键，主要有2个原因：起飞、着陆阶段，飞行员需要在近地高度上完成复杂的飞行任务，也是整个飞行过程中飞行员操作最繁忙的时候，这两个阶段不但对飞行员的飞行技术要求极高，对天气、机场环境等因素要求也极高。同时，这两个阶段飞机主要处在海拔3000米以下的空域，而这个区域位于对流层的最底部，相较而言气流较不稳定，同时鸟类活动也最频繁。因此，80％的飞行事故都是发生在这个时间段内。如果地面管制人员如果能对航空器起降阶段进行跟踪，就可以提前发现航空器故障问题做好空中和地面应急措施和救援准备。

目前地面管制人员对航空器起降跟踪主要是通过目视观察或者使用望远镜方式。传统的人工目视观察航空器起降过程受限人眼的视觉能力以及人脑的判断能力，就算使用望远镜也只能观察到距离机场1-2km的航空器。如果使用望远镜观察航空器降落时你需要不停去人工寻找空中目标，还不一定能准确找到，就算找到了也很有可能都错过了最近观察时机，特别在航空器起飞过程航空器高速运动，望远镜高倍放大时很容易丢失目标。

发明内容

针对现有技术中的缺陷，本发明提供了一种航空器智能追踪系统及方法，其目的在于自动识别追踪航空器起飞和降落的全过程。

第一方面

本发明提供了一种航空器智能追踪系统，包括：

全景视频采集模块，用于采集整个机场场面的全景视频数据；

塔台球机，用于航空器着陆滑行后或起飞前滑行时的追踪，并生成塔台球机视频数据。

算法及业务服务器，用于对所述全景视频数据中的航空器进行目标识别，并根据识别结果控制塔台球机调节焦距和旋转角度。

优选地，所述算法及业务服务器包括：

流媒体模块，用于接入流媒体数据；所述流媒体数据包括所述全景视频数据和所述塔台球机视频数据；

算法模型模块，用于将所述全景视频数据进行解码抽帧，并对解码抽帧后的全景视频数据根据预设算法模型进行航空器目标识别，输出识别结果；

标定配置模块，用于标定所述塔台球机的PTZ信息与所述全景视频采集模块的对应信息；

业务逻辑模块，用于根据所述识别结果得到航空器的位置信息，并根据所述位置信息和所述标定配置模块标定的对应信息产生塔台球机PTZ参数调整信息；

PTZ控制模块，用于根据所述塔台球机PTZ参数调整信息产生控制指令，并通过所述控制指令控制塔台球机调节焦距和旋转角度。

优选地，还包括跑道球机，用于在航空器未降落或起飞之后的预置位画面的识别捕捉，并生成跑道球机视频数据。

优选地，所述流媒体模块基于ONVIF协议或GB28181协议进行流媒体数据的接入。

优选地，所述算法模型为基于深度学习的模型。