一种基于视频分析的机场跑道大颗粒异物检测方法与流程

技术特征：
1.一种基于视频分析的机场跑道大颗粒异物检测方法，其特征在于，所述方法包括如下步骤：1)在视频监控画面上设置机场跑道的检测区域，设置大颗粒异物的初始像素面积阈值c_threshold，周期性提取监控画面作为输入图像；2)计算检测区域像素面积area1；3)利用语义分割算法对跑道区域进行分割，计算隶属于跑道的像素面积area2；4)计算area1与area2的像素面积的差值，得到跑道上异物的像素面积t_area；5)如果t_area大于c_threshold，则跑道中有大颗粒异物；否则跑道中没有大颗粒异物。2.根据权利要求1所述的方法，其特征在于，所述方法还包括如下步骤：6)如果有大颗粒异物，将分割出的跑道区域像素值置零，其它区域像素值不变；7)对处理后的图像进行二值化操作，提取大颗粒异物检测框；8)输出检测结果。3.根据权利要求2所述的方法，其特征在于：所述检测结果包括跑道上是否有大颗粒异物以及大颗粒异物的位置坐标。4.根据权利要求1-3任一项所述的方法，其特征在于，所述语义分割算法包括编码模块和解码模块，编码模块使用mobilenetv2进行特征提取，将解码模块特征图与mobilenetv2中间信息相融合，编码模块的特征图提供语义信息，mobilenetv2中间下采样提供细节信息，再上采样得到语义分割结果。5.根据权利要求4所述的方法，其特征在于，所述语义分割算法中空洞卷积的二次rate分别为2和6。6.根据权利要求1-3任一项所述的方法，其特征在于，所述语义分割算法的网络模型结构包括：采用轻量化网络mobilenetv2作为主干网络，其具有一输入和两个输出，其中mobilenetv2的一个输出分别被提供给第一1*1卷积模块、空洞卷积模块以及池化模块，mobilenetv2的另一个输出被提供给第二1*1卷积模块，第一1*1卷积模块、空洞卷积模块以及池化模块的输出均被提供给第三1*1卷积模块得到一中间信息，所述中间信息被提供给下采样模块，第二1*1卷积模块和下采样模块的输出分别被提供给concat模块进行信息融合运算，融合信息再通过3*3卷积模块后提供给上采样模块，通过上采样模块输出语义分割结果。7.根据权利要求6所述的方法，其特征在于，语义分割网络的训练流程包括如下步骤：a1)采集不同天气、光照、能见度、环境等条件下机场跑道的视频数据，对数据集进行图像预处理和数据标注；a2)将已标注的数据集按6：3：1随机分成训练集、测试集及验证集；a3)用训练集与测试集对上文改进后的语义分割网络进行训练，得到初始的分割模型；a4)通过验证集验证模型是否满足分割效果，采用平均交并比miou来判断模型训练终止，其计算公式如公式1：
其中，共分为跑道和背景2个类，p
ij
表示本属于类i但被预测为类j的像素数量，p
ii
表示为真正的量，而p
ij
、p
ji
分别表示为假正和假负的数量；a5)设定交并比满足的阈值iou_threshold，如果miou>iou_threshold，则模型训练停止，输出最优的分割模型；如果不满足停止条件，则进一步改变训练参数、数据集和学习率，利用调整后的参数回到步骤a3)进行二次训练，直到满足停止条件。8.根据权利要求6或7所述的方法，其特征在于，所述空洞卷积的二次rate分别为2和6。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述存储器执行所述程序时实现上述权利要求1-8任一项所述方法。10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行上述权利要求1-8任一项所述方法。

技术总结
本发明提供了一种基于视频分析的机场跑道大颗粒异物检测方法，包括：1)在视频监控画面上设置机场跑道的检测区域，设置大颗粒异物的初始像素面积阈值c_threshold，周期性提取监控画面作为输入图像；2)计算检测区域像素面积Area1；3)利用语义分割算法对跑道区域进行分割，计算隶属于跑道的像素面积Area2；4)计算Area1与Area2的像素面积的差值，得到跑道上异物的像素面积T_Area；5)如果T_Area大于c_threshold，则跑道中有大颗粒异物；否则跑道中没有大颗粒异物。本发明相较于现有技术，具有成本低廉、识别率更高、实时性更好、适应性更强的优点。的优点。的优点。


技术研发人员：曾杰 黄俊 方晓强 张路遥 赵国朋
受保护的技术使用者：安徽水天信息科技有限公司
技术研发日：2021.11.12
技术公布日：2022/2/24