CN110647940A - 一种视频分析和深度学习的机场机坪外来人员监控方法 - Google Patents
一种视频分析和深度学习的机场机坪外来人员监控方法 Download PDFInfo
- Publication number
- CN110647940A CN110647940A CN201910908544.0A CN201910908544A CN110647940A CN 110647940 A CN110647940 A CN 110647940A CN 201910908544 A CN201910908544 A CN 201910908544A CN 110647940 A CN110647940 A CN 110647940A
- Authority
- CN
- China
- Prior art keywords
- airport apron
- pedestrian
- warning area
- deep learning
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000013135 deep learning Methods 0.000 title claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000013145 classification model Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/22—Status alarms responsive to presence or absence of persons
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Human Computer Interaction (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频分析和深度学习的机场机坪外来人员监控方法,利用视频分析和深度学习算法,针对民航机场机坪警戒区域进行行人检测识别,并利用反光背心区分工作人员和外来人员,从而实现监控外来人员误入民航机场机坪警戒区域功能,并对外来人员的误入行为发出警报,保障能民航机场机坪的安全。
Description
技术领域
本发明涉及一种监控报警方法,具体涉及一种视频分析和深度学习的机场机坪外来人员监控方法。
背景技术
民航机场机坪警戒区域为一个特殊区域,所以一般能够进入到该区域的人员都是工作人员,如果有外部人员进入则是非常危险的行为,所以一般采用人工进行监测,但是人工监测不可能24小时进行,劳动强度大,所以目前的针对外来人员的监控方式,其仍存在较多不足的地方。
发明内容
本发明所要解决的技术问题是一种视频分析和深度学习的机场机坪外来人员监控方法,通过视频分析和深度学习算法,针对民航机场机坪警戒区域进行行人检测和识别,并对误入警戒区域内的外来人员(旅客)发出警报,并通知工作人员引导/驱除误入警戒区的外来人员(旅客),保障能民航机场机坪的安全。
本发明是通过以下技术方案来实现的:一种视频分析和深度学习的机场机坪外来人员监控方法,根据监视预设值的警戒区域,检测和识别警戒区域内是否存在外来人员,并对外来人员误入警戒区域发出警告;
具体步骤如下:
(一)在视频中,工作人员预设置警戒区域;
(二)针对警戒区域进行行人检测和识别,包括旅客和工作人员;
(三)判别进入警戒区域内的行人的类别:工作人员或旅客;
(四)当检测和识别出警戒区域内存在外来人员时,对误入警戒区域内的行人发出警报。
作为优选的技术方案,检测和识别民航机场机坪上的行人,具体的识别方法如下:
获取民航民航机场机坪上的行人视频并对视频内容进行标注,Tensorflow框架搭建YOLO-V3模型用于行人检测;然后进行清洗和增强数据,调整模型参数,完成模型训练,最后获得一个针对民航机场机坪上的行人检测的YOLO-V3模型。
作为优选的技术方案,判别行人为工作人员或旅客,判别方法为识别工作人员的工作服,即身穿反光背心的行人为工作人员,反光背心的识别方法如下:
标注和制作工作人员和旅客数据,并采用TensorFlow框架搭建AlexNet二分类模型;然后清洗和增强数据,调整模型参数,完成模型训练,最后获得一个针对民航机场机坪上工作人员和旅客二分类的AlexNet模型。
本发明的有益效果是:本发明通过视频分析和深度学习算法,针对民航机场机坪警戒区域进行行人检测和识别,并对误入警戒区域内的外来人员(旅客)发出警报,并通知工作人员引导/驱除误入警戒区的外来人员(旅客),保障能民航机场机坪的安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的民航机场机坪上外来人员监控流程图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
在本发明的描述中,需要理解的是,术语“一端”、“另一端”、“外侧”、“上”、“内侧”、“水平”、“同轴”、“中央”、“端部”、“长度”、“外端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本发明使用的例如“上”、“上方”、“下”、“下方”等表示空间相对位置的术语是出于便于说明的目的来描述如附图中所示的一个单元或特征相对于另一个单元或特征的关系。空间相对位置的术语可以旨在包括设备在使用或工作中除了图中所示方位以外的不同方位。例如,如果将图中的设备翻转,则被描述为位于其他单元或特征“下方”或“之下”的单元将位于其他单元或特征“上方”。因此,示例性术语“下方”可以囊括上方和下方这两种方位。设备可以以其他方式被定向(旋转90度或其他朝向),并相应地解释本文使用的与空间相关的描述语。
在本发明中,除非另有明确的规定和限定,术语“设置”、“套接”、“连接”、“贯穿”、“插接”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
如图1所示,根据监视预设值的警戒区域,检测和识别警戒区域内是否存在外来人员,并对外来人员误入警戒区域发出警告;
具体步骤如下:
(一)在视频中,工作人员预设置警戒区域;
(二)针对警戒区域进行行人检测和识别,包括旅客和工作人员;
(三)判别进入警戒区域内的行人的类别:工作人员或旅客;
(四)当检测和识别出警戒区域内存在外来人员时,对误入警戒区域内的行人发出警报。
其中,检测和识别民航机场机坪上的行人,具体的识别方法如下:
获取民航民航机场机坪上的行人视频并对视频内容进行标注,Tensorflow框架搭建YOLO-V3模型用于行人检测;然后进行清洗和增强数据,调整模型参数,完成模型训练,最后获得一个针对民航机场机坪上的行人检测的YOLO-V3模型。
判别行人为工作人员或旅客,判别方法为识别工作人员的工作服,即身穿反光背心的行人为工作人员,反光背心的识别方法如下:
标注和制作工作人员和旅客数据,并采用TensorFlow框架搭建AlexNet二分类模型;然后清洗和增强数据,调整模型参数,完成模型训练,最后获得一个针对民航机场机坪上工作人员和旅客二分类的AlexNet模型。
本发明的有益效果是:本发明通过视频分析和深度学习算法,针对民航机场机坪警戒区域进行行人检测和识别,并对误入警戒区域内的外来人员(旅客)发出警报,并通知工作人员引导/驱除误入警戒区的外来人员(旅客),保障能民航机场机坪的安全。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (3)
1.一种视频分析和深度学习的机场机坪外来人员监控方法,其特征在于:根据监视预设值的警戒区域,检测和识别警戒区域内是否存在外来人员,并对外来人员误入警戒区域发出警告;
具体步骤如下:
(一)在视频中,工作人员预设置警戒区域;
(二)针对警戒区域进行行人检测和识别,包括旅客和工作人员;
(三)判别进入警戒区域内的行人的类别:工作人员或旅客;
(四)当检测和识别出警戒区域内存在外来人员时,对误入警戒区域内的行人发出警报。
2.如权利要求1所述的视频分析和深度学习的机场机坪外来人员监控方法,其特征在于:检测和识别民航机场机坪上的行人,具体的识别方法如下:
获取民航民航机场机坪上的行人视频并对视频内容进行标注,Tensorflow框架搭建YOLO-V3模型用于行人检测;然后进行清洗和增强数据,调整模型参数,完成模型训练,最后获得一个针对民航机场机坪上的行人检测的YOLO-V3模型。
3.如权利要求1所述的视频分析和深度学习的机场机坪外来人员监控方法,其特征在于:判别行人为工作人员或旅客,判别方法为识别工作人员的工作服,即身穿反光背心的行人为工作人员,反光背心的识别方法如下:
标注和制作工作人员和旅客数据,并采用TensorFlow框架搭建AlexNet二分类模型;然后清洗和增强数据,调整模型参数,完成模型训练,最后获得一个针对民航机场机坪上工作人员和旅客二分类的AlexNet模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910908544.0A CN110647940A (zh) | 2019-09-25 | 2019-09-25 | 一种视频分析和深度学习的机场机坪外来人员监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910908544.0A CN110647940A (zh) | 2019-09-25 | 2019-09-25 | 一种视频分析和深度学习的机场机坪外来人员监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110647940A true CN110647940A (zh) | 2020-01-03 |
Family
ID=69011208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910908544.0A Pending CN110647940A (zh) | 2019-09-25 | 2019-09-25 | 一种视频分析和深度学习的机场机坪外来人员监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110647940A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709341A (zh) * | 2020-06-09 | 2020-09-25 | 杭州云视通互联网科技有限公司 | 客梯车作业状态的检测方法与*** |
CN112949548A (zh) * | 2021-03-19 | 2021-06-11 | 捻果科技(深圳)有限公司 | 一种民航停机坪上的轮档摆放规范的自动识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985214A (zh) * | 2014-04-15 | 2014-08-13 | 中国民航大学 | 基于ccd与rfid电子标签的飞机防护*** |
CN108197030A (zh) * | 2018-01-15 | 2018-06-22 | 中国计量大学 | 基于深度学***台装置及测试方法 |
CN109255798A (zh) * | 2018-09-18 | 2019-01-22 | 中国矿业大学 | 一种安全生产用监控报警方法 |
CN109558833A (zh) * | 2018-11-28 | 2019-04-02 | 厦门市巨龙信息科技有限公司 | 一种人脸识别算法评测方法以及装置 |
CN109740627A (zh) * | 2018-11-27 | 2019-05-10 | 南京邮电大学 | 一种基于并行卷积神经网络的昆虫图像识别***及其方法 |
CN109905675A (zh) * | 2019-03-13 | 2019-06-18 | 武汉大学 | 一种基于计算机视觉的矿山人员监控***及方法 |
-
2019
- 2019-09-25 CN CN201910908544.0A patent/CN110647940A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985214A (zh) * | 2014-04-15 | 2014-08-13 | 中国民航大学 | 基于ccd与rfid电子标签的飞机防护*** |
CN108197030A (zh) * | 2018-01-15 | 2018-06-22 | 中国计量大学 | 基于深度学***台装置及测试方法 |
CN109255798A (zh) * | 2018-09-18 | 2019-01-22 | 中国矿业大学 | 一种安全生产用监控报警方法 |
CN109740627A (zh) * | 2018-11-27 | 2019-05-10 | 南京邮电大学 | 一种基于并行卷积神经网络的昆虫图像识别***及其方法 |
CN109558833A (zh) * | 2018-11-28 | 2019-04-02 | 厦门市巨龙信息科技有限公司 | 一种人脸识别算法评测方法以及装置 |
CN109905675A (zh) * | 2019-03-13 | 2019-06-18 | 武汉大学 | 一种基于计算机视觉的矿山人员监控***及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709341A (zh) * | 2020-06-09 | 2020-09-25 | 杭州云视通互联网科技有限公司 | 客梯车作业状态的检测方法与*** |
CN111709341B (zh) * | 2020-06-09 | 2023-04-28 | 杭州云视通互联网科技有限公司 | 客梯车作业状态的检测方法与*** |
CN112949548A (zh) * | 2021-03-19 | 2021-06-11 | 捻果科技(深圳)有限公司 | 一种民航停机坪上的轮档摆放规范的自动识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111341069B (zh) | 智慧工地人员安全实时监测*** | |
CN108960128B (zh) | 一种用于仓库的安防监控*** | |
CN110647940A (zh) | 一种视频分析和深度学习的机场机坪外来人员监控方法 | |
CN207927879U (zh) | 智能防护头盔及*** | |
CN105068135A (zh) | 行邮智能检测***及检测方法 | |
CN109584502A (zh) | 一种车内生命体智能安全监测报警装置及方法 | |
CN210393305U (zh) | 一种电梯内乘客安全状态的检测装置 | |
CN107632565A (zh) | 电力建设工地智能化管理***及方法 | |
CN110610584A (zh) | 一种基于检修作业现场的安全辅助管控***及其使用方法 | |
CN109502439A (zh) | 受限进入区域安全*** | |
CN113206978A (zh) | 油气管道站场安防智能监控预警***及方法 | |
CN114866958A (zh) | 一种基于人员位置检测的告警信息分级***装置及告警方法 | |
CN111165986A (zh) | 智能安全帽 | |
CN106327760B (zh) | 一种有限空间作业安全防护*** | |
CN111948960A (zh) | 一种基于物联网的工地危险源监控***及其使用方法 | |
CN111681355A (zh) | 一种适用智慧校园的安防*** | |
CN207867646U (zh) | 一种安检设备防入侵监测装置及安检设备 | |
CN103543724A (zh) | 一种围栏监控装置以及一种围栏 | |
CN116012784A (zh) | 基于ai机器人识别的采煤过程巡检方法及*** | |
CN108389279A (zh) | 一种巡检方法及*** | |
CN210514972U (zh) | 基于视觉ai的带式输送机安全监测及控制*** | |
CN108022411A (zh) | 基于图像处理的监控*** | |
KR102064712B1 (ko) | 웨어러블 디바이스와 인체 감지 모듈을 결합한 설비 안전 관리 시스템 | |
CN110461181B (zh) | 安全装置和防止使用如果该装置有故障的方法 | |
CN108516434B (zh) | 维保安全检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200103 |
|
RJ01 | Rejection of invention patent application after publication |