[发明专利]一种飞机入离位状态识别方法

权利要求书

1.一种飞机入离位状态识别方法，其特征在于：包括如下步骤

步骤1：构建机场场面飞机数据集，包括多个机场场面视频监控设备及机场塔台安全拍摄获得的机场场面飞机的图像数据，并进行数据处理；

步骤2：构建YOLOX-CS飞机检测模型，YOLOX-CS飞机检测模型包括主干特征提取网络、加强特征提取网络和预测部分，并在加强特征提取网络中引入卷积块注意模块，使用步骤1构建的机场场面飞机数据集训练YOLOX-CS飞机检测模型，将待检测视频输入YOLOX-CS飞机检测模型中，得到飞机在该待检测视频各帧图像中的检测框信息，包括检测框左上角坐标、检测框宽度、检测框高度以及检测框置信度；

步骤3：将步骤2得到的每帧检测框信息输入BYTE跟踪器，获得飞机轨迹信息文件，并利用步骤1构建的机场场面飞机数据集测试跟踪效果，得到各项评价指标；

步骤4：处理飞机轨迹信息文件，计算停机位处飞机在监控视频中的位移情况，判断视频中的飞机是推入或推出状态，并通过文本形式反馈入位到达时刻和离位开始时刻至图像中对应飞机轨迹ID上。

2.根据权利要求1所述的一种飞机入离位状态识别方法，其特征在于：所述步骤1具体包括

步骤101：采集机场场面监控视频和机场塔台安全拍摄得到的视频和单帧图片，并将其存储入计算机；

步骤102：对视频与图片数据进行筛选，去除重复图像；

步骤103：使用Darklabel软件，在所有视频与图像中标注出飞机的位置包围框，并将包围框信息存成对应文本文件，其中包围框信息包括包围框左上角坐标、包围框宽度、包围框高度、标签类别、视频号、视频帧号；

步骤104：将所有图像及其标注文件划分为“飞机检测训练集-测试集”“飞机跟踪测试集”，构成机场场面飞机数据集。

3.根据权利要求1所述的一种飞机入离位状态识别方法，其特征在于：所述步骤2具体包括

步骤201：在训练YOLOX-CS飞机检测模型前，设定YOLOX-CS飞机检测模型瞄框的宽高比值1，去除呈现瘦高状态的无效检测框；

步骤202：使用机场场面飞机数据集中的“飞机检测训练集-测试集”训练YOLOX-CS飞机检测模型，然后使用机场场面飞机数据集中的“飞机检测训练集-测试集”测试YOLOX-CS飞机检测模型，通过评价指标评价模型优劣，调节训练参数重新训练，得到最终的YOLOX-CS飞机检测模型；

步骤204：将待识别飞机入离位状态的机场场面监控视频输入训练好的YOLOX-CS飞机检测模型中，得到飞机在该视频各帧图像中的信息。

4.根据权利要求3所述的一种飞机入离位状态识别方法，其特征在于：所述步骤202中，评价指标包括精确率PPV、灵敏度TPR、F1分数、均值平均精度mAP，其中

/

式中，TP为正确识别的飞机数；FP为被误检是飞机的其他物体数；FN为漏检的飞机数；n为类别数，为不同交并比阈值对应的PPV与TPR所绘制出的曲线。

5.根据权利要求1所述的一种飞机入离位状态识别方法，其特征在于：所述步骤3包括以下步骤：

步骤301：将步骤103所得的飞机的检测框左上角、检测框宽度、以及检测框高度输入卡尔曼滤波器中预测下一帧里的飞机的轨迹框左上角坐标、宽度和高度；

步骤302：依据检测框置信度分数将步骤2所得飞机的检测框分为多个级别，其中置信度≤0.1的检测框直接舍弃，置信度0.6的检测框命名为高分检测框，置信度居于中间范围的为低分检测框；

步骤303：视频每帧图像中的飞机轨迹框与飞机多个级别的检测框分别进行相似性匹配，匹配成功则为其分配跟踪ID轨迹，匹配失败则判断检测框置信度分数是否大于跟踪阈值，若大于跟踪阈值则为该检测框分配一个全新ID，最终得到视频中所有的飞机轨迹序列，每架飞机轨迹序列对应一个ID；

步骤304：将“飞机跟踪测试集”输入跟踪器中，并用评价指标评价跟踪效果，评价指标公式如下：

式中， IDFP表示误报的目标个数，IDFN表示漏报的目标个数，GT表示真实目标个数，IDSW表示一个GT的ID在最终结果中的变化次数。