CN114266999A - 一种飞机轮档时间自动检测***及方法 - Google Patents
一种飞机轮档时间自动检测***及方法 Download PDFInfo
- Publication number
- CN114266999A CN114266999A CN202111634427.3A CN202111634427A CN114266999A CN 114266999 A CN114266999 A CN 114266999A CN 202111634427 A CN202111634427 A CN 202111634427A CN 114266999 A CN114266999 A CN 114266999A
- Authority
- CN
- China
- Prior art keywords
- detection
- airplane
- network module
- state
- wheel
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 229
- 238000000034 method Methods 0.000 title claims description 14
- 238000012806 monitoring device Methods 0.000 claims abstract description 29
- 238000003062 neural network model Methods 0.000 claims description 18
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000003032 molecular docking Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 210000001503 joint Anatomy 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 241000872198 Serjania polyphylla Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种飞机轮档时间自动检测***,其特征在于:包括停机位位置框、摄像监控装置、检测网络模块以及分类网络模块。本发明通过摄像机对停机位位置框区域内进行摄像拍摄,检测网络模块则对摄像监控装置所拍摄的视频流图像进行检测,并能确定飞机前轮在画面中的位置,再将飞机前轮附近区域检测到的工作人员图像切片发送至分类网络模块来判定工作人员当前是否为手持轮档状态,并根据分类结果判定是否开始进行上轮档作业或撤轮档作业,从而能自动采集、记录和上报轮挡作业时间,并能防止出现工作人员忘记挡轮挡的情况发生,因此给航班运行保障管理和泊位安全管理带来极大地便利。
Description
技术领域
本发明涉及飞机泊位安全管理及航班运行保障管理领域,尤其涉及一种飞机轮档时间自动检测***及方法。
背景技术
飞机轮挡是指在飞机停靠时挡在飞机轮胎前后的橡胶或金属挡块,其主要作用是防止飞机异常滑动。在航班保障过程中,飞机的上轮挡时间和撤轮挡时间(简称为轮挡时间)是机场管理单位、空中交通管制较为关注的两个重要时间节点,轮挡时间代表着飞机保障作业的开始和结束。同时,挡轮挡对机场的安全管理也尤为重要,因为机务人员忘记挡轮挡而造成飞机滑动,进而造成刮碰的事件时有发生,从而造成极大的经济损失,且严重影响机场正常运行。
目前,飞机轮挡时间的采集主要采用飞机机载A-CARS***回传、人工通过便携式设备手动录入、电子轮挡等方式,但是A-CARS***回传的实际上是飞机拉手刹的时间而并非上轮挡时间,人工填报随意性大,而电子轮挡需要在轮挡中安装昂贵的定位芯片,成本高昂,且容易被飞机前轮反复碾压而损坏。也有通过视频分析技术检测飞机入离位、廊桥靠接、加油开始结束等航班保障作业节点的时间来确定轮挡时间,但与飞机、保障车辆、作业人员等相比,轮挡的尺寸极小,且颜色与飞机机轮颜色都为黑色,因此难以准确通过对飞机机轮区域图像进行识别来区分轮挡是否已放置或撤离。
发明内容
针对现有技术存在的不足之处,本发明的目的在于提供一种飞机轮档时间自动检测***及方法,通过摄像机对停机位位置框区域内进行摄像拍摄,检测网络模块则对摄像监控装置所拍摄的视频流图像进行检测,并能确定飞机前轮在画面中的位置,再将飞机前轮附近区域检测到的工作人员图像切片发送至分类网络模块来判定工作人员当前是否为手持轮档状态,并根据分类结果判定是否开始进行上轮档作业或撤轮档作业,从而能自动采集、记录和上报轮挡作业时间,并能防止出现工作人员忘记挡轮挡的情况发生,因此给航班运行保障管理和泊位安全管理带来极大地便利。
本发明的目的通过下述技术方案实现:
一种飞机轮档时间自动检测***,包括停机位位置框、摄像监控装置、检测网络模块以及分类网络模块,摄像监控装置和分类网络模块分别与检测网络模块连接;摄像监控装置包括摄像机,摄像机对应停机位位置框区域设置并对停机位位置框区域内进行摄像拍摄;所述检测网络模块对摄像监控装置所拍摄的视频流图像进行检测并判定飞机是否已入位;分类网络模块则对检测网络模块检测到的飞机前轮附近区域工作人员的图像切片判定工作人员当前是否为手持轮档状态,进而判定是否进行上轮档作业或撤轮档作业,并将判定结果发送至检测网络模块。
优选地,还包括与检测网络模块连接的停机位状态模块,所述停机位状态模块根据检测网络模块判定的飞机是否已入位的结果记录相应的停机位状态,停机位状态包括空闲状态和占用状态两种,即飞机已入位则记录为占用状态。
为了更好地实现本发明,所述检测网络模块内部具有检测神经网络模型,检测神经网络模型接收到摄像监控装置采集的视频流图像并在视频流图像上划设出停机位检测框,该停机位检测框与摄像监控装置布设相关联,停机位检测框与停机位位置框相对应,检测神经网络模型接收摄像监控装置的视频流图像并根据特征提取得到飞机检测框、飞机前轮检测框以及工作人员检测框。
优选地,所述检测神经网络模型包括检测卷积神经网络,检测卷积神经网络根据样本标注、神经网络飞机识别训练而得到,样本标注、神经网络飞机识别训练基于YOLOV4算法进行处理;所述检测卷积神经网络所训练的样本数据包含低能见度天气所采集的图像不低于10%,低能见度天气包括雨、雪、雾。
优选地,还包括与检测网络模块连接的跟踪装置,所述跟踪装置用于记录检测网络模块检测到的工作人员检测框与飞机前轮检测框相重合的轨迹,然后判断得出工作人员检测框与飞机前轮检测框重叠区域的大小,并将判断结果发送至检测网络模块。
优选地,所述检测神经网络模型接收摄像监控装置的视频流图像并根据特征提取得到飞机的对接或脱离状态,并将该状态记录在停机位状态模块中,飞机的对接状态为飞机与廊桥或客梯车对接的状态,飞机的脱离状态为飞机与廊桥或客梯车脱离的状态。
一种飞机轮档时间自动检测方法,其方法如下:
A、检测网络模块检测停机位状态后判定飞机是否已入位,停机位状态则记入停机位状态模块中;
B、当飞机已入位且飞机与廊桥或客梯车完成对接后检测网络模块进行上轮档检测,分类网络模块则对检测网络模块检测到的飞机前轮附近区域工作人员的图像切片判定工作人员当前是否为手持轮档状态;
C、当工作人员为手持轮档状态,分类网络模块则判定为开始上轮档作业,并将判定结果发送至检测网络模块;上轮档作业开始M分钟后且飞机与廊桥或客梯车脱离后检测网络模块开始进行撤轮档检测,分类网络模块则对检测网络模块检测到的飞机前轮附近区域工作人员的图像切片判定工作人员当前是否为手持轮档状态;M分钟为***预设时间;
D、当工作人员从未手持轮档状态变为手持轮档状态,分类网络模块则判定开始撤轮档作业,并将判定结果发送至检测网络模块。
优选地,步骤A中当停机位状态为空闲时,若检测网络模块检测到飞机与停机位检测框的重合面积达到飞机检测框面积的70%以上,且飞机停止时间超过10秒,则判定飞机已入位,并将停机位状态记为占用状态。
优选地,步骤B中的上轮档检测与步骤C中的撤轮档检测的过程为:检测网络模块对飞机前轮和工作人员的位置进行检测,跟踪装置则跟踪记录工作人员检测框与飞机前轮检测框相重合的轨迹并判断得出工作人员检测框与飞机前轮检测框重叠区域的大小,若工作人员检测框与前轮检测框的重合面积大于前轮检测框面积的10%,检测网络模块则将提取到的飞机前轮附近区域工作人员检测框的图像切片发送至分类网络模块。
优选地,步骤B与步骤C中分类网络模块接收到网络模块提取到的工作人员检测框的视频图像信息后根据视频图像信息中所显示的工作人员当前的状态判定工作人员是否为手持轮档状态,若工作人员手提轮档则判定为手持轮档状态,否则判定为未手持轮档状态。
本发明较现有技术相比,具有以下优点及有益效果:
(1)本发明的自动检测***不仅设置简单,还可通过摄像机对停机位位置框区域内进行摄像拍摄,检测网络模块则对摄像监控装置所拍摄的视频流图像进行检测,并根据检测结果判定是否进行上轮档检测或撤轮档检测,再将检测到的工作人员信息发送至分类网络模块则判定工作人员当前是否为手持轮档状态,并根据分类结果判定是否开始进行上轮档作业或撤轮档作业,从而能自动采集、记录和上报轮挡作业时间,并能防止出现工作人员忘记挡轮挡的情况发生,因此给航班运行保障管理和泊位安全管理带来极大地便利。
(2)本发明的自动检测***还包括停机位状态模块,可方便记录停机位状态,以便于检测网络模块判定飞机是否已入位。
(3)本发明的检测网络模块内部具有检测神经网络模型,可便于根据特征提取得到飞机检测框、飞机前轮检测框以及工作人员检测框,以便于通过检测飞机检测框、飞机前轮检测框以及工作人员检测框的面积重合关系进行轮挡时间的自动检测。
(4)本发明的检测神经网络模型包括检测卷积神经网络,检测卷积神经网络根据样本标注、神经网络飞机识别训练而得到,样本标注、神经网络飞机识别训练基于YOLOV4算法进行处理,可确保检测神经网络模型提取相关信息的准确性。
(5)本发明的自动检测***还包括与检测网络模块连接的跟踪装置,可通过跟踪装置记录检测网络模块检测到的工作人员检测框与飞机前轮检测框相重合的轨迹并判断得出工作人员检测框与飞机前轮检测框重叠区域的大小,从而便于判定是否进行上轮档作业或撤轮档作业,进而实现轮档时间自动检测的目的。
(6)本发明的检测神经网络模型接收摄像监控装置的视频流图像并根据特征提取得到飞机的对接或脱离状态,再根据飞机的对接或脱离状态确定是否进行上轮档作业或撤轮档作业,可确保工作人员在安全环境下作业,并能防止出现漏上轮档或漏撤轮档的情况。
(7)本发明的自动检测方法不仅步骤简单,还能自动判定进行上轮档作业或撤轮档作业的开始时间,并能防止出现工作人员忘记挡轮挡的情况发生,因此给泊位安全管理和航班运行保障管理带来极大地便利。
附图说明
图1为本发明实施例中的原理结构框图;
图2为本发明实施例中停机位位置框、摄像机以及廊桥的布设示意图。
其中,附图中的附图标记所对应的名称为:
1-停机位位置框,3-摄像机,41-廊桥,6-航站楼。
具体实施方式
下面结合实施例对本发明作进一步地详细说明:
实施例
如图1或2所示,一种飞机轮档时间自动检测***,包括停机位位置框1、摄像监控装置、检测网络模块以及分类网络模块,摄像监控装置和分类网络模块分别与检测网络模块连接。摄像监控装置包括摄像机3,摄像机3对应停机位位置框区域设置并对停机位位置框区域内进行摄像拍摄,当停机位位置框靠近航站楼6时乘客通常使用廊桥41上机或下机,可将摄像机3安装设于机场的航站楼6上,如图2所示。当停机位位置框远离航站楼6时乘客通常需要使用客梯车上机或下机,摄像机3则靠近停机位位置框设置,以便于摄像拍摄停机位位置框的区域。
所述检测网络模块对摄像监控装置所拍摄的视频流图像进行检测并判定飞机是否已入位,所述检测神经网络模型接收摄像监控装置的视频流图像并能根据特征提取得到飞机的对接或脱离状态,然后将该状态记录在停机位状态模块中。飞机的对接状态为飞机与廊桥或客梯车对接的状态,飞机的脱离状态为飞机与廊桥或客梯车脱离的状态。所述分类网络模块则对检测网络模块检测到的飞机前轮附近区域工作人员的图像切片判定工作人员当前是否为手持轮档状态,进而判定是否进行上轮档作业或撤轮档作业,并将判定结果发送至检测网络模块。所述检测网络模块内部具有检测神经网络模型,检测神经网络模型接收到摄像监控装置采集的视频流图像并在视频流图像上划设出停机位检测框,该停机位检测框与摄像监控装置布设相关联,停机位检测框与停机位位置框相对应,检测神经网络模型接收摄像监控装置的视频流图像并根据特征提取得到飞机检测框、飞机前轮检测框以及工作人员检测框。所述检测神经网络模型包括检测卷积神经网络,检测卷积神经网络根据样本标注、神经网络飞机识别训练而得到,样本标注、神经网络飞机识别训练基于YOLOV4算法进行处理。所述检测卷积神经网络所训练的样本数据包含低能见度天气所采集的图像不低于10%,低能见度天气包括雨、雪、雾。
根据本发明的一个优选实施例,本发明还包括与检测网络模块连接的跟踪装置,所述跟踪装置用于记录检测网络模块检测到的工作人员检测框与飞机前轮检测框相重合的轨迹,然后判断得出工作人员检测框与飞机前轮检测框重叠区域的大小,并将判断结果发送至检测网络模块。
根据本发明的一个优选实施例,本发明还包括与检测网络模块连接的停机位状态模块,所述停机位状态模块根据检测网络模块判定的飞机是否已入位的结果记录相应的停机位状态,停机位状态包括空闲状态和占用状态两种,即飞机已入位则记录为占用状态。
一种飞机轮档时间自动检测方法,其方法如下:
A、检测网络模块检测停机位状态后判定飞机是否已入位,停机位状态则记入停机位状态模块中。检测网络模块判定飞机已入位的过程为:当停机位状态为空闲时,若检测网络模块检测到飞机与停机位检测框的重合面积达到飞机检测框面积的70%以上,且飞机停止时间超过10秒,则判定飞机已入位,并将停机位状态记为占用状态。
B、当飞机已入位,检测网络模块则进行上轮档检测,为了确保安全以及检测的准确性,当检测网络模块检测到飞机与廊桥或客梯车完成对接后再开始上轮档检测。上轮档检测过程为:检测网络模块对飞机前轮和工作人员的位置进行检测,跟踪装置则跟踪记录工作人员检测框与飞机前轮检测框相重合的轨迹并判断得出工作人员检测框与飞机前轮检测框重叠区域的大小,若跟踪装置判定工作人员检测框与前轮检测框的重合面积大于前轮检测框面积的10%则将该判定结果发送至检测网络模块,检测网络模块则将提取到的飞机前轮附近区域工作人员检测框的图像切片发送至分类网络模块。分类网络模块则对检测网络模块检测到的飞机前轮附近区域工作人员检测框的图像切片判定工作人员当前是否为手持轮档状态。具体的,分类网络模块根据工作人员检测框的图像切片所显示的工作人员状态进行判定,若工作人员手提轮档则判定为手持轮档状态,否则判定为未手持轮档状态。
C、当工作人员为手持轮档状态,分类网络模块则判定为开始上轮档作业,并将判定结果发送至检测网络模块,从而可便于精准管理上轮档作业的开始时间。上轮档作业开始M分钟后检测网络模块再开始进行撤轮档检测,M分钟为***预设时间,可由机场管理单位、空中交通管制部门根据天气、航班密度等情况实时设定的飞机起飞情况进行设置,M分钟可以是飞机停靠在停机位位置框中的时间。同样的,为了确保安全以及检测的准确性,当检测网络模块检测到飞机与廊桥或客梯车脱离后再开始撤轮档检测。撤轮档检测过程与上档检测过程相同,即检测网络模块对飞机前轮和工作人员的位置进行检测,跟踪装置则跟踪记录工作人员检测框与飞机前轮检测框相重合的轨迹并判断得出工作人员检测框与飞机前轮检测框重叠区域的大小,若跟踪装置判定工作人员检测框与前轮检测框的重合面积大于前轮检测框面积的10%则将该判定结果发送至检测网络模块,检测网络模块则将提取到的飞机前轮附近区域工作人员检测框的图像切片发送至分类网络模块。分类网络模块则对检测网络模块检测到的飞机前轮附近区域工作人员检测框的图像切片判定工作人员当前是否为手持轮档状态。同样的,分类网络模块根据工作人员检测框的图像切片所显示的工作人员状态进行判定,若工作人员手提轮档则判定为手持轮档状态,否则判定为未手持轮档状态。
D、当工作人员从未手持轮档状态变为手持轮档状态,分类网络模块则判定开始撤轮档作业,并将判定结果发送至检测网络模块,从而可便于精准管理撤轮档作业的开始时间。当检测到飞机离开停机位位置框时将飞机状态记为空闲状态,并将该状态记录在停机位状态模块中。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种飞机轮档时间自动检测***,其特征在于:包括停机位位置框、摄像监控装置、检测网络模块以及分类网络模块,摄像监控装置和分类网络模块分别与检测网络模块连接;摄像监控装置包括摄像机,摄像机对应停机位位置框区域设置并对停机位位置框区域内进行摄像拍摄;所述检测网络模块对摄像监控装置所拍摄的视频流图像进行检测并判定飞机是否已入位;分类网络模块则对检测网络模块检测到的飞机前轮附近区域工作人员的图像切片判定工作人员当前是否为手持轮档状态,进而判定是否进行上轮档作业或撤轮档作业,并将判定结果发送至检测网络模块。
2.按照权利要求1所述的一种飞机轮档时间自动检测***,其特征在于:还包括与检测网络模块连接的停机位状态模块,所述停机位状态模块根据检测网络模块判定的飞机是否已入位的结果记录相应的停机位状态,停机位状态包括空闲状态和占用状态两种,即飞机已入位则记录为占用状态。
3.按照权利要求1或2所述的一种飞机轮档时间自动检测***,其特征在于:所述检测网络模块内部具有检测神经网络模型,检测神经网络模型接收到摄像监控装置采集的视频流图像并在视频流图像上划设出停机位检测框,该停机位检测框与摄像监控装置布设相关联,停机位检测框与停机位位置框相对应,检测神经网络模型接收摄像监控装置的视频流图像并根据特征提取得到飞机检测框、飞机前轮检测框以及工作人员检测框。
4.按照权利要求3所述的一种飞机轮档时间自动检测***,其特征在于:所述检测神经网络模型包括检测卷积神经网络,检测卷积神经网络根据样本标注、神经网络飞机识别训练而得到,样本标注、神经网络飞机识别训练基于YOLO V4算法进行处理;所述检测卷积神经网络所训练的样本数据包含低能见度天气所采集的图像不低于10%,低能见度天气包括雨、雪、雾。
5.按照权利要求3所述的一种飞机轮档时间自动检测***,其特征在于:还包括与检测网络模块连接的跟踪装置,所述跟踪装置用于记录检测网络模块检测到的工作人员检测框与飞机前轮检测框相重合的轨迹,然后判断得出工作人员检测框与飞机前轮检测框重叠区域的大小,并将判断结果发送至检测网络模块。
6.按照权利要求4或5所述的一种飞机轮档时间自动检测***,其特征在于:所述检测神经网络模型接收摄像监控装置的视频流图像并根据特征提取得到飞机的对接或脱离状态,并将该状态记录在停机位状态模块中,飞机的对接状态为飞机与廊桥或客梯车对接的状态,飞机的脱离状态为飞机与廊桥或客梯车脱离的状态。
7.一种飞机轮档时间自动检测方法,其特征在于:其方法如下:
A、检测网络模块检测停机位状态后判定飞机是否已入位,停机位状态则记入停机位状态模块中;
B、当飞机已入位且飞机与廊桥或客梯车完成对接后检测网络模块进行上轮档检测,分类网络模块则对检测网络模块检测到的飞机前轮附近区域工作人员的图像切片判定工作人员当前是否为手持轮档状态;
C、当工作人员为手持轮档状态,分类网络模块则判定为开始上轮档作业,并将判定结果发送至检测网络模块;上轮档作业开始M分钟后且飞机与廊桥或客梯车脱离后检测网络模块开始进行撤轮档检测,分类网络模块则对检测网络模块检测到的飞机前轮附近区域工作人员的图像切片判定工作人员当前是否为手持轮档状态;M分钟为***预设时间;
D、当工作人员从未手持轮档状态变为手持轮档状态,分类网络模块则判定开始撤轮档作业,并将判定结果发送至检测网络模块。
8.按照权利要求7所述的一种飞机轮档时间自动检测方法,其特征在于:步骤A中当停机位状态为空闲时,若检测网络模块检测到飞机与停机位检测框的重合面积达到飞机检测框面积的70%以上,且飞机停止时间超过10秒,则判定飞机已入位,并将停机位状态记为占用状态。
9.按照权利要求7或8所述的一种飞机轮档时间自动检测方法,其特征在于:步骤B中的上轮档检测与步骤C中的撤轮档检测的过程为:检测网络模块对飞机前轮和工作人员的位置进行检测,跟踪装置则跟踪记录工作人员检测框与飞机前轮检测框相重合的轨迹并判断得出工作人员检测框与飞机前轮检测框重叠区域的大小,若工作人员检测框与前轮检测框的重合面积大于前轮检测框面积的10%,检测网络模块则将提取到的飞机前轮附近区域工作人员检测框的图像切片发送至分类网络模块。
10.按照权利要求8所述的一种飞机轮档时间自动检测方法,其特征在于:步骤B与步骤C中分类网络模块接收到网络模块提取到的工作人员检测框的视频图像信息后根据视频图像信息中所显示的工作人员当前的状态判定工作人员是否为手持轮档状态,若工作人员手提轮档则判定为手持轮档状态,否则判定为未手持轮档状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111634427.3A CN114266999B (zh) | 2021-12-29 | 2021-12-29 | 一种飞机轮档时间自动检测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111634427.3A CN114266999B (zh) | 2021-12-29 | 2021-12-29 | 一种飞机轮档时间自动检测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114266999A true CN114266999A (zh) | 2022-04-01 |
CN114266999B CN114266999B (zh) | 2024-02-02 |
Family
ID=80831251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111634427.3A Active CN114266999B (zh) | 2021-12-29 | 2021-12-29 | 一种飞机轮档时间自动检测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114266999B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887343A (zh) * | 2019-04-04 | 2019-06-14 | 中国民航科学技术研究院 | 一种航班地服保障节点自动采集监测***及方法 |
CN110348312A (zh) * | 2019-06-14 | 2019-10-18 | 武汉大学 | 一种区域视频人体动作行为实时识别方法 |
CN111696391A (zh) * | 2020-06-10 | 2020-09-22 | 刘易聪 | 通过区域内轮挡状态自动识别轮挡操作的方法及*** |
CN111914656A (zh) * | 2020-07-06 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种人员行为检测方法、装置、电子设备及存储介质 |
CN112349150A (zh) * | 2020-11-19 | 2021-02-09 | 飞友科技有限公司 | 一种机场航班保障时间节点的视频采集方法和*** |
-
2021
- 2021-12-29 CN CN202111634427.3A patent/CN114266999B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887343A (zh) * | 2019-04-04 | 2019-06-14 | 中国民航科学技术研究院 | 一种航班地服保障节点自动采集监测***及方法 |
CN110348312A (zh) * | 2019-06-14 | 2019-10-18 | 武汉大学 | 一种区域视频人体动作行为实时识别方法 |
CN111696391A (zh) * | 2020-06-10 | 2020-09-22 | 刘易聪 | 通过区域内轮挡状态自动识别轮挡操作的方法及*** |
CN111914656A (zh) * | 2020-07-06 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种人员行为检测方法、装置、电子设备及存储介质 |
CN112349150A (zh) * | 2020-11-19 | 2021-02-09 | 飞友科技有限公司 | 一种机场航班保障时间节点的视频采集方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN114266999B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110610592A (zh) | 一种视频分析和深度学习的机坪安全运行监控方法 | |
CN109189019A (zh) | 一种机车乘务员值乘标准化监控*** | |
CN110379209B (zh) | 一种航班作业流程节点规范监控报警方法 | |
CN109887343B (zh) | 一种航班地服保障节点自动采集监测***及方法 | |
CN111079819A (zh) | 基于图像识别与深度学习的铁路货车钩舌销的状态判断方法 | |
CN103914682A (zh) | 一种车牌识别方法及*** | |
CN110110112A (zh) | 一种基于可升降小车的绕机检查方法及*** | |
CN109919066B (zh) | 一种检测轨道交通车厢内乘客密度异常的方法和装置 | |
CN108357517A (zh) | 动车组列车运行故障信息检测方法和*** | |
CN203113264U (zh) | 车载机场跑道异物检测*** | |
CN110070729A (zh) | 一种基于雾计算的违停车辆检测***及方法 | |
CN111709341B (zh) | 客梯车作业状态的检测方法与*** | |
CN112597965A (zh) | 一种驾驶行为识别方法、装置和计算机可读存储介质 | |
CN112092863A (zh) | 列车车厢清客方法、装置及全自动运行清客确认联动*** | |
CN111524324B (zh) | Fod报警级别判定方法、电子设备及存储介质 | |
CN113591634A (zh) | 一种基于深度学习的lng卸车风险监控***及方法 | |
CN109543533B (zh) | 一种用于机场作业人员管理的自动识别方法 | |
CN113011252A (zh) | 轨道异物侵限检测***及方法 | |
CN111428684A (zh) | 一种机场停机坪作业人员作业规范及数量的自动识别方法 | |
CN114266999B (zh) | 一种飞机轮档时间自动检测***及方法 | |
CN113552900B (zh) | 一种无人机智能机库 | |
CN103941672A (zh) | 机场跑道除雪作业质量评估*** | |
CN111055890B (zh) | 一种铁路车辆防溜智能检测方法及检测*** | |
CN205157057U (zh) | 轨道列车红外检测*** | |
CN106376163A (zh) | 机场中线灯具的安全检测***及方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100000 room 712, floor 7, building 3, East Grinding Factory Street, Dongcheng District, Beijing Applicant after: Beijing Hangyi Zhihui Technology Co.,Ltd. Address before: 100000 room 712, floor 7, building 3, East Grinding Factory Street, Dongcheng District, Beijing Applicant before: Beijing lischen Zhihui Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |