基于深度估计的机场场面视频图像技术研究*
2020-11-28吴寿英张建伟梁斌斌
科技与创新 2020年2期
吴寿英,张建伟,梁斌斌
基于深度估计的机场场面视频图像技术研究*
吴寿英1,张建伟1,梁斌斌2
(1.四川大学视觉合成图形图像技术国防重点学科实验室,四川 成都 610065;2.四川大学 空天科学与工程学院,四川 成都 610065)
目前机场场面监视系统主要以高成本的场面监视雷达为主,对于中小型机场来说通常负担不起,为此提出一种低成本的场面监视技术。使用当下最流行的深度学习神经网络模型对场面视频图像进行无监督训练,加入深度信息估计技术可以对场面目标进行检测跟踪以及航机生成。通过对深度学习方法的调研,提出基于无监督学习的深度估计技术是最适用于机场场面视频图像监视系统的技术方法,为机场监视提供了重要理论支持。
无监督;深度学习;机场场面监视;视频图像
1 引言
民航机场场面监视系统是民航运输安全的有力保障,而传统的场面监视技术作为机场机坪管制ATC目视监控的补充监视手段,主要以场面监视雷达(SMR)为主,其可对场面上移动的航空器及作业车辆进行监视。国内的大型机场一般都配有完备的监视雷达系统,但是由于其成本较高,对于流量较少的中小型机场来说通常负担不起,所以视频监视系统作为一种普通摄像机以及人工智能技术相结合的系统,取代昂贵的场面监视雷达成为一种有效的工具。
现在机场到处都安有普通摄像头,而人工智能的AI技术发展迅速,其中基于卷积神经网络的深度学习技术可以对大量的图像进行训练,把摄像头拍摄的视频视为连续的图像帧,从而可对摄像机数据进行训练。……
登录APP查看全文
