基于视频图像处理的机场航空器冲突检测

 针对场面监视雷达成本较高、不适用于流量较小的中小机场等问题, 采用多摄像机对机场场面航空器进行动态跟踪, 采用图像边缘检测和形态学处理方法对目标进行识别, 跟踪和提取航空器的飞行轨迹并分析其位置和速度参数, 提出了运动目标跟踪算法和基于DCPA 和TCPA 的滑行冲突检测模型, 开发了基于视频图像处理的机场航空器冲突检测原型系统, 并应用于西南某通航机场。实验表明, 视频图像处理技术和冲突检测模型可用于中小机场的航空器识别和冲突检测, 提高机场安全运行水平。     

场面监视技术在深圳机场应用展望

目前,国内外机场场面监视系统实现的主要方式包括：SMR（场面监视雷达）、ADS-B（广播式自动相关监视）、MLAT（多点定位）。本文主要通过描述几种技术的工作原理及在国内外机场的应用,对三者未来在深圳机场的应用进行了展望总结。     

机场场面移动目标监控终端显示平台设计与实现

为了进一步提高机场场面监视能力,基于广播式自动相关监视系统提供的定位监视数据,设计并开发了一套应用于机场场面运动目标监控的终端显示平台。首先介绍了机场场面监控系统的组成与原理,然后详细讨论了显示平台下电子地图调用显示、数据解析与存储、目标动态定位跟踪、历史轨迹分析等实现方案。机场场面仿真实验表明在该平台下系统利用广播式自动相关监视系统提供的监视数据可对机场场面移动目标进行有效监视,实现移动目标动态跟踪、历史轨迹分析等功能,一定程度上提高了场面运行效率,具有实际应用价值。     

基于多Agent的机场场面冲突检测与解脱算法研究

为了减少机场场面运行冲突,提高机场场面运行效率,提出了基于多Agent的场面冲突检测与解脱算法。该算法以多Agent技术建立场面资源Agent和飞机Agent模型,采用基于滑行路径和实时运动的方法来进行冲突检测,以及通过合同网协作模型进行冲突解脱。最后依据该算法进行仿真分析,验证了该算法的有效性和可行性。     

机场场面监视技术的比较及发展

本文主要介绍了现在机场四种主要使用的场面监视技术的工作原理,即一次雷达技术、二次雷达技术、广播式自动相关监视ADS-B和多点定位系统,并根据它们的工作原理及性能对其进行分析和比较,最后介绍了场面监视技术未来的发展方向。     

多路视频智能场面监视系统的关联决策算法及应用

多路视频智能场面监视系统中目标运动机动性强、方向和速度变化大、轨迹交叉和分岔多，并且目标身份通常无法确定，因而无法通过二者的目标身份信息进行确切关联，关联决策具有极大的不确定性.本文在计算和分析两条轨迹之间的4种距离及其统计特征的基础上，根据给定的漏关联概率和错误关联概率确定每种距离对应的决策门限，最后进行加权平均计算出综合距离和综合门限，由此构造关联决策规则.在给定的漏关联概率和错误关联概率条件下，对两个视频传感器的轨迹数据运用关联决策规则，试验结果证明,能够满足场面监视系统的基本要求.     

基于概率修正的机场场面运动航空器跟踪算法

基于光电设备的航空器识别跟踪是机场场面监视的重要手段。针对机场场面全景视频监视中运动航空器跟踪算法存在的计算效率低、目标丢失等缺点,提出了基于概率修正的场面运动航空器跟踪算法。首先,预先估计出运动航空器目标概率图,降低在搜索区域内搜索目标时的计算量。通过引入干扰项抑制后,降低对真实目标的干扰。其次,在当前搜索区域内滑动窗口依次计算候选窗口是航空器目标的得分,选取得分最高的候选窗口作为新的航空器目标位置。再次,根据航空器目标位置更新概率图。最后,在多个场面监控视频图像序列上进行测试,对比分析了算法对目标周围出现的相似的区域有较好的抵抗力,在跟踪所得目标区域与真实目标区域的重叠面积率方面具有显著优势,验证了算法能够在目标尺度变化较大的情况下较好的实现对运动航空器的连续准确跟踪,能够满足对场面运动航空器跟踪的有效性和稳定性要求。     

基于多智能体系统的飞机滑行路径规划

为解决先进场面活动引导与控制系统中的飞机滑行初始路径规划问题,提出一种基于多智能体系统(multi-agent system, MAS)仿真的方法实现飞机在场面上任意起始点到目的地的最短路径规划.首先,针对传统的有向图模型对机场场面运行刻画不足的问题,提出滑行资源图模型对机场控制区进行建模,既能对机场控制区进行高效建模又使模型不过于复杂.其次,设计最短路径规划多智能体系统,通过飞机Agent在资源节点Agent的繁殖能力与对资源的独占属性限制,实现对资源节点遍历并同时又保证每个节点最多被访问一次;最后,利用Anylogic实现机场场面初始路径规划多智能体仿真系统开发.仿真结果表明,设计的多智能体系统不但能快速计算出最短路径,且路径规划过程直观可视,算法复杂度与Dijkstra算法相同,满足初始路径规划要求.     

SMS中基于冲突探测的滑行道轨迹预测算法研究

本文研究了机场场面管理系统中的重要环节——滑行道轨迹预测算法.首先研究了滑行道路段基于冲突探测的滑行花销问题,建立了滑行道动态花销模型;然后基于冲突探测和场面资源的动态花销提出了场面交通事件触发的A*轨迹预测算法以及全局Floyd轨迹预测算法.对这两种算法进行仿真的结果表明,基于事件触发的A*算法在场面交通不太拥挤的条件下适用,全局Floyd算法适合场面交通拥挤的情况;最后,通过比较和分析,提出了将两者结合的思想.算法具有很强的可扩展性,能够为机场流量管理提供科学的指导.     

基于跑滑系统约束的航空器滑行跟踪算法

为解决大型机场场面易冲突的问题,研究了将基于跑滑系统和管制约束的变结构多模型算法应用于机场场面目标的跟踪.本文首先建立了复杂跑滑结构下的数学建模方法、跑滑结构约束下跟踪状态修正方法和基于管制指令约束的航空器与跑滑系统的自适应匹配方法.与传统场面目标跟踪不同,本文利用跑滑系统和管制指令约束的最大后验概率估计来激活和终止模型集,进而解决机场场面航空器跟踪过程中模型集切换和路段匹配问题.基于上述方法,本文通过结合最大后验概率估计提出了一种新的交互式多模型算法,改善了场面目标的跟踪性能.仿真结果表明:与交互式多模型算法和变结构交互式多模型算法相比,本文所提出的方法能有效地跟踪机场场面目标,显著提高了跟踪精度.     

一种民航ASTERIX数据与远程塔台视频监控的融合

为解决远程塔台视频数据单一、离散,无法获取飞行器实时航班信息的问题,提出一种民航ASTERIX数据与机场视频监控信息融合方法。首先在相机视场内采集全球定位坐标及对应图像,利用图像单应模型,得到GPS坐标系与图像坐标系的关系矩阵;结合单应矩阵和民航数据提取的飞行器GPS坐标,计算出飞行器ASTERIX数据对应的像素坐标;同时通过视频检测跟踪方法,完成飞行器在视频中的定位;最后对飞行器在视频中运动轨迹和ASTERIX数据轨迹进行匹配,实现视频中飞行器显示对应航班信息。在典型机场开展实验,验证了本文方法不仅能精确检测飞行器位置,而且在视频中准确显示对应航班信息。     

基于注意力Seq2Seq模型的终端区航空器航迹预测

为充分挖掘机场终端区航空器航迹时间依赖性,解决中长期、多步长航迹预测精度不稳定的问题,引入注意力机制(Attention Mechanism)和教师监督(Teacher Forcing)中的指数衰减(Exponential Decay)采样方法,提出了一种基于序列到序列框架的机场终端区航迹预测模型(Seq2Seq-Attention Mechanism-Exponential Decay, SAE)。序列到序列框架实现了多步长预测,注意力机制提高解码器预测精度,指数衰减采样方法加速了训练阶段模型收敛,在一定程度上提高了模型的泛化性。最后,为了验证提出方法的有效性,利用天津终端区28架次、90天ADS-B航迹数据构建原始数据集,以平均绝对误差(Mean Squared Error, MAE)和均方根误差(Root Mean Squared Error, RMSE)作为模型性能评价指标,进行了航迹预测实验,实验结果表明：高度、经度和纬度在序列到序列框架中的循环神经网络分别采用LSTM、GRU和LSTM可以获得最好预测性能;以四种预测长度1分钟、3分钟、5分钟和10分钟进行建模,与基线模型中预测性能最好的结果比较,所提出方法在验证集上的高度、经度和纬度指标表现最优,10分钟预测窗口下的平均绝对误差分别降低了66.30%, 54.62%和36.59%,均方根误差分别降低了65.45%, 38.16%和20.57%,同时,上述四种预测时长下所提出方法预测结果的均值和方差最小,表明随着预测时长的增加,模型预测结果的稳定性最好。此外,引入的注意力机制与指数衰减采样方法对有效捕捉航迹时间依赖性、提高模型泛化性均具有积极的贡献.     

基于双通道特征自适应融合的红外行为识别方法

针对现有行为识别算法在红外视频中表现不佳的问题,提出一种基于双通道特征自适应融合的红外行为识别算法.在该方法中,2个通道提取的特征分别是改进的密集轨迹特征和光流卷积神经网络特征.改进的密集轨迹特征是在原始密集轨迹特征中加入灰度值权重,强调红外视频的成像特征;光流卷积神经网络特征是在原始视频对应的光流图序列中提取的,该特征具有较强的全局描述能力.通过自适应融合模型将2个通道特征的概率输出进行自适应融合,得到最终识别结果.实验结果表明,在现有红外行为识别数据集上,该算法有效地提高了识别准确率.     

基于多维特征终端区航空器异常轨迹识别

针对航空器轨迹聚类没有充分利用目标的速度、航向等多维特征信息,在发掘轨迹聚类中存在局限性,提出基于多维特征的航空轨迹聚类方法并基于统计学方法完成异常检测。通过散点相似矩阵确定多维特征,利用多维特征构建多维特征相似矩阵,完成对轨迹的聚类,引入航转角和特征点选择特征轨迹,用多元拟合模型对特征轨迹点拟合,得到航空器特征轨迹表达式,通过计算实验轨迹与位置特征表达式的距离是否大于95%的置信区间距离,完成异常轨迹的检测。在天津机场用ADS-B数据进行实验,比较结果表明具有一定可行性。     

大词汇量环境噪声下的多模态视听语音识别方法

视听语音识别(Audio-Visual Speech Recognition,AVSR)技术利用唇读和语音识别(Audio-Visual Speech Recognition,AVSR)的关联性和互补性可有效提高字符识别准确率。针对唇读的识别率远低于语音识别、语音信号易受噪声破坏、现有的视听语音识别方法在大词汇量环境噪声中的识别率大幅降低等问题，本文提出一种多模态视听语音识别(Multi-modality Audio-Visual Speech Recognition,MAVSR)方法。该方法基于自注意力机制构建双流前端编码模型，引入模态控制器解决环境噪声下音频模态占据主导地位而导致的各模态识别性能不均衡问题，提高识别稳定性与鲁棒性，构建基于一维卷积的多模态特征融合网络，解决音视频数据异构问题，提升音视频模态间的关联性与互补性。与现有主流方法对比，在仅音频、仅视频、音视频融合3种任务下，该方法的识别准确率提升7.58%以上。     

多角度视频的驾驶人员行为识别

驾驶员在行驶过程中看手机,与乘车人员交谈等违规行为,为安全行驶造成了极大的隐患。为了解决此 类问题,提出了一种多角度行为识别方法,从3 个角度同步捕捉驾驶员行为的视频,构建多角度驾驶员行为的 视频和数据集,利用深度卷积神经网络,进行识别分类。实验结果表明,3D CNN 相对于2D CNN 的识别精度 更加准确,在对比输入剪辑的帧数实验中,发现堆叠的视频帧数会影响准确度,并在具有较大优势的R2plus1D 模型中( 将3D 卷积滤波器分解为单独的空间和时间分量) ,基于多角度驾驶人员行为识别精度达到87%。     

监控场景下视频中全局移动对象的异常行为自动识别

传统异常行为识别方法容易受到外界环境的干扰,导致识别精度低下;且开销较高。为此,提出一种新的监控场景下视频中全局移动对象的异常行为自动识别方法。对异常行为特征进行提取,选用的特征为目标运动轨迹特征和外接矩形框宽高比特征,通过位置动态对监控场景下视频中全局移动对象运动轨迹特征进行提取,通过最小外接矩形框对移动对象进行标记。依据特征提取结果,通过异常测量函数实现监控场景下视频中全局移动对象的异常行为自动识别。实验结果表明,采用所提方法对全局移动对象的异常行为进行自动识别,不仅识别精度高,且开销较低。     

基于航迹特征的飞行程序噪声预测研究

针对目前飞行程序减噪设计的需要,研究了民机的航迹特征,选取了声暴露级（SEL）作为单个事件的飞机噪声评价指标,并在研究飞行程序特点的基础上,结合飞机噪声性能（ANP）数据库和NPD噪声计算方法,建立了一套基于航迹特征的离场飞行程序噪声预测方法。以某民用机场的离场程序为例,绘制出噪声等值线图,验证了方法的可行性。实例证明,该方法可以量化预测飞行程序的噪声影响,规范了飞行程序噪声预测的方法,可以为减噪飞行程序设计提供参考。     

基于ADS-B监视技术的飞行器纵向最小间隔研究

为解决航路飞行安全问题,提高碰撞风险检测的精确度,主要研究飞行器在平行航路飞行过程中纵向安全间隔的问题。对传统的EVENT碰撞模型进行改进,建立以椭圆柱体为碰撞模板的EVENT模型。介绍了广播式自动相关监视(ADS-B)技术的性能及应用背景,并在改进EVENT模型基础上提出基于ADS-B监视技术下各个参数的计算方法。以中航工业石家庄飞机工业有限责任公司小鹰500机型为模型算例,计算出其最小安全间隔。研究结果符合国际民航组织的飞行安全指标,可为研究基于ADS-B监视技术的风险分级提供一种有效方法。     

基于隐任务学习的动作识别方法

提出一种基于多分类隐任务学习的动作识别方法.将多个动作共享的一组子动作作为隐任务,通过对隐任务的联合学习来建模动作之间的关联,从而训练动作分类器并对视频中人的动作进行识别.利用基于softmax的多分类模型学习多个动作之间的隐任务,能够有效防止动作识别过程中的二义性,同时计算简单,节省了模型训练时间.在UCF sports和Olympic sports数据集上的实验结果表明,本文提出的多分类隐任务学习方法在迭代一次的时间上从130 s缩短至0.5 s,并且能更有效地识别视频中的动作.