[发明专利]一种集成并显示机场地面对象综合信息的场监系统

说明书

本发明公开了一种集成并显示机场地面对象综合信息的场监系统，包括以下步骤：S1：建立各场监摄像机图像空间与机场地理空间的映射模型；S2：对场监视频进行目标检测和轨迹跟踪，获得机场地面对象连续轨迹点和全局轨迹号；S3：计算解析综合信息，提取有效数据；S4：将有效数据与机场地面对象关联匹配，并通过场监屏实时显示对象综合信息。本发明使用目标检测深度学习技术和多目标轨迹跟踪技术，能够实时跟踪机场地面对象，并在场监视频中显示对象综合信息，可以使管制人员直观地了解场面动态情况，为保障航班安全、高效、有序地起降提供便利。

技术领域

本发明涉及应用于机场的场面监视系统，尤其涉及一种集成并显示机场地面对象综合信息的场监系统。

背景技术

场面监视系统通常简称为场监系统，在场监系统中涉及的对象唯一标识通常指的是小车的车牌号、人的员工号、飞机的航班号。传统的场面监视系统，管制人员只能肉眼观察场监视频中航空器、车辆、保障人员的位置，无法直观获得其他信息进行综合判断。同时因恶劣环境、场地遮挡、人眼疲劳等因素的影响，致使机场地面对象在工作运行时的安全得不到有效保障，这在很大程度上降低了机场航班起降的效率。

目前将飞行计划、雷达定位数据、ADS-B设备数据、全景场监视频等信息进行融合显示还存在诸多问题。比如，由于ADS-B定位信息是间隔发出的，通常不能十分准确地将航班信息叠加到场监视频中对应的航空器上，而且会出现挂牌跳跃的问题。同时ADS-B设备可能被飞机驾驶员手动关闭，这就导致了无法持续挂牌的问题。

本专利所应用的重要技术包括：相机标定法、深度学习目标检测技术、多目标跟踪SORT算法。相机标定法，即为张正友教授于1998年在论文《A Flexible New Technique froCamera Calibration》中提出的基于单平面棋盘格的相机标定方法。深度学习中的目标检测模型有很多，如：R-CNN、Faster R-CNN、Yolo系列、SSD等，本专利对采用哪种模型不做限制。SORT算法中的多目标跟踪思路，最早来自于2016年的一篇论文《SIMPLE ONLINE ANDREALTIME TRACKING》。

发明内容

本发明旨在构建一种集成并显示机场地面对象综合信息的场监系统，该系统能够集成场监视频和各种外部数据，并通过视频显示综合信息，为管制员直观掌握场面动态提供便利。

为达到上述目的，本发明提供的技术方案如下：一种集成并显示机场地面对象综合信息的场监系统，其实现方法包括以下步骤：

S1：建立各场监摄像机图像空间与机场地理空间的映射模型；

S2：对场监视频进行目标检测和轨迹跟踪，获得机场地面对象连续轨迹点和全局轨迹号；

S3：计算解析综合信息，提取有效数据；

S4：将有效数据与机场地面对象关联匹配，并通过场监屏实时显示对象综合信息。

上述步骤S1建立各摄像机图像空间与机场地理空间的映射模型，其过程主要包含以下步骤：

S1.1：获取各个摄像机内参矩阵和畸变系数；

S1.2：获取各个摄像机位置与实际机场地面坐标的外参转换矩阵；

S1.3：根据内参矩阵、畸变系数、外参转换矩阵，建立机场地面坐标—摄像机图像坐标的转换矩阵；

S1.4：根据机场地面坐标—摄像机图像坐标的转换矩阵，建立摄像机图像空间—机场地理空间的映射模型。

上述步骤S2对场监视频进行目标检测和轨迹跟踪，获得机场地面对象连续轨迹点和全局轨迹号，其过程主要包含以下步骤：

S2.1：获取机场地面视频监控数据，包括摄相机历史监控视频和实时监控视频，将上述视频流转成图像帧；