(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210659612.6 (22)申请日 2022.06.13 (71)申请人 北京拙河科技有限公司 地址 100000 北京市海淀区四道口北街3 6 号4号楼6层0 6 (72)发明人 袁潮　温建伟　 其他发明人请求 不公开姓名　 (74)专利代理 机构 北京君莫知识产权代理事务 所(普通合伙) 11715 专利代理师 王凝 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/26(2022.01) G06V 20/40(2022.01) G06V 10/74(2022.01)G06V 10/77(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种飞机起 落环境安全检测方法及系统 (57)摘要 本申请提供的一种飞机起落环境安全检测 方法及系统， 具体应用于安全检测领域， 包括获 取机场跑道连续的帧图像； 提取机场跑道特征； 采用基于像素的自适应分割的前景检测算法， 检 测机场跑道上的待检测目标； 将待检测目标划分 为静止目标和运动目标， 静止目标又划分为自主 运动目标和非自主运动目标， 根据类别确定待检 测目标的目标运动序列； 获取待起落飞机的飞机 行驶序列； 将所述目标运动序列和所述飞机跟踪 序列进行匹配， 根据匹配结果确定飞机起落环境 安全性。 由此提高机场跑道安全性检测的效率和 精准性， 实现跑道与航空管制的相互联动， 使得 飞机安全起 落。 权利要求书3页 说明书8页 附图3页 CN 115019206 A 2022.09.06 CN 115019206 A 1.一种飞机起 落环境安全检测方法， 其特 征在于， 包括： 通过监控摄 像头采集机场跑道的视频 数据， 并将所述视频 数据分解 为连续的帧图像； 利用卷积神经网络模型对所述帧图像进行 特征提取， 获得机场跑道特 征； 采用基于像素的自适应分割的前 景检测算法， 检测机场跑道上的待检测目标； 若所述待检测目标是静止目标， 则采用图像识别算法识别所述静止目标； 对识别后的 所述静止目标进行分类， 获得所述静止目标 的类别； 所述类别包括自主运动目标和非自主 运动目标； 若所述静止目标属于自主运动目标， 则获取 所述静止目标的历史行为数据； 将所述历史行为数据输入深度学习模型， 预测所述静止目标的运动 时刻和运动轨迹， 获得所述静止目标的目标运动序列； 若所述静止目标属于非自主运动目标， 采用BP神经网络算法预测所述静止目标的重 量； 获取当前天气数据； 所述天气数据包括 风速和风向； 将所述静止目标的重量、 所述风速和所述风向输入深度学习模型， 预测所述静止目标 的运动时刻和运动轨 迹， 获得所述静止目标的目标运动序列； 若所述待检测目标 是运动目标， 则设置包围框； 采用生成式跟踪算法对所述包围框进行跟踪， 获得 所述运动目标的目标运动序列； 获取待起 落飞机的行驶时刻和行驶轨 迹， 获得所述飞机的飞机行驶序列； 将所述目标运动序列和所述飞机跟踪序列进行匹配， 根据匹配结果确定飞机起落环境 安全性。 2.根据权利要求1所述的飞机起落环境安全检测方法， 其特征在于， 所述视频数据包括 机场跑道的高分辨 率影像、 强逆光影 像、 红外影 像和夜视影 像。 3.根据权利要求1所述的飞机起落环境安全检测方法， 其特征在于， 所述自主运动目标 包括静止的动物、 静止的车辆以及静止的行 人； 所述非自主运动目标包括石头和垃圾。 4.根据权利要求1所述的飞机起落环境安全检测方法， 其特征在于， 所述将所述静止目 标的重量、 所述风速和所述风向输入深度学习模型， 预测所述静止目标的运动时刻和运动 轨迹， 包括： 将所述静止目标的重量、 所述风速和所述风向输入深度信念网络模型， 通过概率和无 监督学习来 生成所述静止目标的运动时刻和运动轨 迹。 5.根据权利要求1所述的飞机起落环境安全检测方法， 其特征在于， 所述采用生成式跟 踪算法对所述包围框进行跟踪， 获得 所述运动目标的目标运动序列， 包括： 获取检测到所述待检测目标时， 所述待检测目标在当前帧图像中的区域特 征； 对下一帧图像中的所述区域特征采样多窗口， 并将多窗口与多高斯滤波器进行卷积， 获得多尺度特 征； 利用约束等距性对所述多尺度特 征进行降维； 利用贝叶斯分类器进行分类， 选择可信度高的窗口作为目标窗口， 并跟踪， 获得所述待 检测目标的目标跟踪序列。 6.根据权利要求1所述的飞机起落环境安全检测方法， 其特征在于， 所述根据匹配结果 确定飞机起 落环境安全性之后， 还 包括：权　利　要　求　书 1/3 页 2 CN 115019206 A 2若飞机起 落环境不安全， 则判断能否 完成对机场跑道的清理工作； 若无法完成对机场跑道的清理工作， 则通知所述待起 落飞机重新选择 跑道。 7.一种飞机起 落环境安全检测系统， 其特 征在于， 包括： 数据采集模块， 用于通过监控摄像头采集机场跑道的视频数据， 并将所述视频数据分 解为连续的帧图像； 获取当前天气数据； 所述天气数据包括 风速和风向； 特征提取模块， 用于利用卷积神经网络模型对所述帧图像进行特征提取， 获得机场跑 道特征； 目标检测模块， 用于采用基于像素的自适应分割的前景检测算法， 检测机场跑道上的 待检测目标； 目标运动序列获取模块， 用于若所述待检测目标是静止目标， 则采用图像识别算法识 别所述静止目标； 对识别后的所述静止目标进行分类， 获得所述静止目标的类别； 所述类别 包括自主运动目标和非自主运动目标； 若所述静止目标属于自主运动目标， 则获取所述静止目标的历史行为数据； 将所述历 史行为数据输入深度学习模型， 预测所述静止目标 的运动时刻和 运动轨迹， 获得所述静止 目标的目标运动序列； 若所述静止目标属于非自主运动目标， 则采用BP神经网络算法预测所述静止目标的重 量； 将所述静止目标的重量、 所述风速和所述风向输入深度学习模型， 预测所述静止目标的 运动时刻和运动轨 迹， 获得所述静止目标的目标运动序列； 若所述待检测目标是运动目标， 则设置包围框； 采用生成式跟踪算法对所述包围框进 行跟踪， 获得 所述运动目标的目标运动序列； 飞行数据获取模块， 用于获取待起落飞机的行驶时刻和行驶轨迹， 获得所述飞机的飞 机行驶序列； 安全性检测模块， 用于将所述目标运动序列和所述飞机跟踪序列进行匹配， 根据匹配 结果确定飞机起 落环境安全性。 8.根据权利要求7所述的飞机起落环境安全检测系统， 其特征在于， 所述将所述静止目 标的重量、 所述风速和所述风向输入深度学习模型， 预测所述静止目标的运动时刻和运动 轨迹， 包括： 将所述静止目标的重量、 所述风速和所述风向输入深度信念网络模型， 通过概率和无 监督学习来 生成所述静止目标的运动时刻和运动轨 迹。 9.根据权利要求7所述的飞机起落环境安全检测系统， 其特征在于， 所述采用生成式跟 踪算法对所述包围框进行跟踪， 获得 所述运动目标的目标运动序列， 包括： 获取检测到所述待检测目标时， 所述待检测目标在当前帧图像中的区域特 征； 对下一帧图像中的所述区域特征采样多窗口， 并将多窗口与多高斯滤波器进行卷积， 获得多尺度特 征； 利用约束等距性对所述多尺度特 征进行降维； 利用贝叶斯分类器进行分类， 选择可信度高的窗口作为目标窗口， 并跟踪， 获得所述待 检测目标的目标跟踪序列。 10.根据权利要求9所述的飞机起落环境安全检测系统， 其特征在于， 所述安全性检测 模块， 还用于若飞机起 落环境不安全， 则判断能否 完成对机场跑道的清理工作；权　利　要　求　书 2/3 页 3 CN 115019206 A 3