[发明专利]机场跑道智能监控方法、应用服务器及计算机存储介质

说明书

本发明公开了一种机场跑道智能监控方法，该方法包括：将核心交换机内存储的机场跑道视频分解为连续的帧图像；利用全卷积网络模型对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，检测机场跑道上的运动目标，并对检测到的第一运动目标设置第一跟踪框；采用高速压缩跟踪算法对第一跟踪框进行跟踪，获得第一运动目标的目标跟踪序列；将第一运动目标跟踪序列输入深度神经网络模型，进行分类；及当属于异常运动目标时，执行警示操作。本发明还提供一种应用服务器和计算机可读存储介质。本发明提供的机场跑道智能监控方法、应用服务器以及计算机可读存储介质，能够提高对机场跑道的自动监控的可靠性。

技术领域

本发明涉及数字图像处理与视频监控领域，尤其涉及一种机场跑道智能监控方法、应用服务器以及计算机可读存储介质。

背景技术

目前的机场监控系统大部分仍然采用传统的监控系统架构，即前端使用模拟摄像机采集视频信号，通过同轴电缆传输到视频编码器/编码卡进行编码，然后通过网络进行集中存储，或，将模拟摄像机采集的视频信号直接存入硬盘录像机存储。后端根据前端采集的视频数据进行分析与机场状态的实时监控。

但是，传统的监控系统通常采用传统算法进行数据分析与监控，由于传统算法具有一定的局限性，在机场这种复杂场景下鲁棒性较差，经常发生少报或误报等情况，无法满足高可靠性的需求。

发明内容

有鉴于此，本发明提出一种机场跑道智能监控方法、应用服务器及计算机存储介质，以解决视频监控在机场环境下鲁棒性较差，经常发生少报或误报，可靠性低的问题。

首先，为实现上述目的，本发明提出一种机场跑道智能监控方法，应用于服务器，所述服务器与至少一个核心交换机连接，所述方法包括步骤：将所述核心交换机内存储的机场跑道视频分解为连续的帧图像；利用全卷积网络模型对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，检测机场跑道上的运动目标，并对检测到的第一运动目标设置第一跟踪框；采用高速压缩跟踪算法对第一跟踪框进行跟踪，获得第一运动目标的目标跟踪序列；将所述第一运动目标的目标跟踪序列输入深度神经网络模型，进行第一运动目标的分类；及当所述第一运动目标属于异常运动目标时，执行警示操作。

可选地，所述核心交换机连接有多个汇聚交换机，所述多个汇聚交换机与多个摄像机对应连接，所述方法还包括控制所述多个摄像机对机场跑道进行视频采集，并将采集的机场跑道视频通过连接的所述汇聚交换机发送至核心交换机进行存储。

可选地，所述采用高速压缩跟踪算法对第一跟踪框进行跟踪，获得第一运动目标的目标跟踪序列的步骤包括：获取检测到第一运动目标时，所述第一运动目标在第t帧图像中的第一位置信息；在第t+1帧图像中的所述第一位置信息周围采样多个窗口，并将所述多个窗口与多个矩形滤波器进行卷积，得到所述多个窗口的多尺度特征；采用稀疏测量矩阵对所述窗口的多尺度特征进行降维；及通过朴素贝叶斯分类器模型对所述多个窗口进行分类，选取分数最大的窗口作为目标窗口进行跟踪，获得第一运动目标的目标跟踪序列。

可选地，所述在第t+1帧图像中的所述第一位置信息周围采样多个窗口步骤之前还包括在第t帧图像中，采样获得多个所述第一运动目标的窗口和多个所述机场跑道的窗口，作为样本图像；将所述样本图像与所述矩形滤波器进行卷积，得到所述样本图像的多尺度特征；采用所述稀疏测量矩阵对所述样本图像的多尺度特征进行降维；及利用降维后的所述样本图像的多尺度特征，对朴素贝叶斯分类器进行训练，获得所述朴素贝叶斯分类器模型。

可选地，所述方法还包括采集机场跑道的多个视频序列，并根据每个视频序列包含的内容，对所述采集的多个视频序列进行内容分类；对各个类别的视频序列进行异常运动目标和正常运动目标的属性分类，获得异常运动目标的视频序列样本集和正常运动目标的视频序列样本集；及利用异常运动目标的视频序列样本集和正常运动目标的视频序列样本集对深度神经网络进行训练，获得深度神经网络模型。