一种基于ai大数据的飞机坪预警方法、装置及终端
技术领域
1.本发明属于航空技术领域，尤其涉及一种基于ai大数据的飞机坪预警方法、装置及终端。
背景技术：2.在当今社会生活的节奏越来越快，航空运输也越来越发达。飞机的使用也呈现井喷式的发展。随着空中流量的增长，飞机的安全问题也越发收到关注，其中机坪的异物是引发事故的一种隐患。外来异物(foreign object debris)是在任何航空、制造或类似环境中，微小、分散的物体有可能造成潜在的损害或伤害的重要的安全理念。机场外来异物对航空器的起飞和降落的安全构成了严重的安全隐患。目前对于机坪安全的风险预测与评估主要存在一下主要问题：
3.1.传统的机坪安全保障主要依靠人工作业对高清摄像头采集的视频信息进行观察，需要相关人员进行异物信息的识别、录入，之后进行处理，响应速度较慢，无法实时的感知机坪存在的安全问题。
4.2.指挥中心在接受到机坪相关的信息时，无法准确快速的感知造成机坪风险的外来异物位置。
5.3.地面服务人员在的得到指挥中心的指令时，无法通过指挥中心给出的信息，快速的确定外来异物的准确位置，无法快速的对该风险进行问题的排查。
6.4.对于人工观测视频信息的人员而言，完全依靠人眼去观察，长时间容易造成疲劳，同时工作效率低，无法将观测的信息快速的共享给指挥中心和地面服务人员。
7.5.目前对于机场的机坪安全问题大多采用人工的方法，无法快速的对其进行响应，同时现有的系统及时性差，无法自动的识别fod，相关工作人员工作量巨大，同时无法快速的感知机坪的风险，
8.随着科技的发展和计算机的普及，计算机相关的网络技术、人工智能、大数据、视频图像处理技术也日趋成熟，很大程度上推动了视频监控技术的创新与发展，由此基于ai大数据图像在机坪安全领域的使用也越来越多，通过分析和处理视频图像数据，实现对机坪区域的外来异物目标进行检测、识别和预警。
技术实现要素：9.有鉴于此，本发明提供了一种基于ai大数据的飞机坪预警方法、装置及终端，能够及时、准确、全自动完成机坪的安全预警，进而有效避免人工感知造成的数据漏报、数据误差、数据延迟。
10.本发明实施例的第一方面提供了一种基于ai大数据的飞机坪预警方法，该方法包括：
11.将机坪划分为两个及两个以上的fod检测区域；
12.采集各个fod检测区域的视频信号；
13.对各个fod检测区域的视频信号进行转码处理、播放处理、切片处理以及切图处理得到各个fod检测区域的图片信号；
14.基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号；
15.基于预警信号获取fod的位置信息和图片信息；
16.将fod的位置信息和图片信息发送至飞机的信号接收器。
17.可选的，采集各个fod检测区域的视频信号的采集过程包括：
18.将两个及连个以上的高清摄像头设置在各个fod检测区域的预设位置；
19.通过高清摄像头对机坪环境进行高速拍摄得到视频信号。
20.可选的，基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号的步骤包括：
21.s1：按照预设时间间隔对各个fod检测区域的图片信号依次进行轮询，并设定前景目标ni；其中，i＝1；
22.s2：获取各个fod检测区域的图片信号的背景帧图像，判断是否成功获取背景帧图像，若成功获取背景帧图像，则继续执行步骤s3，若未成功获取背景帧图像，则重新执行步骤s1；其中，背景帧图像为各个fod检测区域的图片信号当前时刻之前的任一时刻的一帧图像；
23.s3：获取各个fod检测区域的图片信号的实时帧图像和相邻帧图像，判断是否成功获取实时帧图像和相邻帧图像，若成功获取实时帧图像和相邻帧图像，则继续执行步骤s4，若未成功获取实时帧图像或相邻帧图像，则返回执行步骤s2；其中，实时帧图像为各个fod检测区域的图片信号当前时刻的一帧图像，相邻帧图像为各个fod检测区域的图片信号中与实时帧图像间隔帧差为τ的一帧图像；
24.s4：先对背景帧图像和实时帧图像进行背景作差运算得到背景差和对实时帧图像和相邻帧图像进行相邻帧间差运算得到相邻帧间差，之后分别对背景差和相邻帧间差进行阈值分割运算得到第一检测结果和第二检测结果；
25.s5：对第一检测结果和第二检测结果进行逻辑或运算得到第三检测结果，根据第三检测结果判定各个fod检测区域是否存在疑似fod，若存在，则继续执行步骤s6并将第三检测结果赋值给前景目标ni，若不存在，返回执行步骤s2；
26.s6：判定各个fod检测区域是否为敏感区域，若各个fod检测区域为敏感区域，则继续执行步骤s7，并使i＝i+1，若各个fod检测区域为非敏感区域，则标定各个fod检测区域为敏感区域、第三检测结果赋给背景帧图像并返回执行步骤s4；
27.s7：基于改进的目标优化算法对前景目标ni进行优化得到前景优化目标，并根据前景优化目标生成预警信号。
28.可选的，背景差的计算方法为：
29.dk(x，y)＝|pk(x，y)-bk(x，y)|
30.其中，dk(x，y)为背景差，pk(x，y)为实时帧图像，bk(x，y)为背景帧图像。
31.可选的，相邻帧间差的计算方法为：
32.sk(x，y)＝|pk(x，y)-p
k-τ(x，y)|
33.其中，sk(x，y)为相邻帧间差，pk(x，y)为实时帧图像，p
k-τ
(x，y)为相邻帧图像。
34.可选的，第三检测结果的计算方法为：
35.bink(x，y)＝bin 1k(x，y)||bin 2k(x，y)
36.其中，bink(x，y)为第三检测结果，bin1k(x，y)为第一检测结果，bin2k(x，y)为第二检测结果。
37.可选的，基于改进的目标优化算法对前景目标ni进行优化得到前景优化目标的方法为：
[0038][0039]
其中，b(x，y)为所述前景优化目标，n1为第一次检测前景目标，n2为第二次检测前景目标，th为前景预设阈值。
[0040]
本发明实施例的第二方面提供了一种基于ai大数据的飞机坪预警装置，该装置包括：
[0041]
区域划分模块，用于将机坪划分为两个及两个以上的fod检测区域；
[0042]
视频采集模块，用于采集各个fod检测区域的视频信号；
[0043]
信号处理模块，用于对各个fod检测区域的视频信号进行转码处理、播放处理、切片处理以及切图处理得到各个fod检测区域的图片信号；
[0044]
fod预警模块，用于基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号；
[0045]
fod信息采集模块，用于基于预警信号获取fod的位置信息和图片信息；
[0046]
fod信息发送模块，用于将fod的位置信息和图片信息发送至飞机的信号接收器。
[0047]
可选的，fod预警模块执行的步骤包括：
[0048]
s1：按照预设时间间隔对各个fod检测区域的图片信号依次进行轮询，并设定前景目标ni；其中，i＝1；
[0049]
s2：获取各个fod检测区域的图片信号的背景帧图像，判断是否成功获取背景帧图像，若成功获取背景帧图像，则继续执行步骤s3，若未成功获取背景帧图像，则重新执行步骤s1；其中，背景帧图像为各个fod检测区域的图片信号当前时刻之前的任一时刻的一帧图像；
[0050]
s3：获取各个fod检测区域的图片信号的实时帧图像和相邻帧图像，判断是否成功获取实时帧图像和相邻帧图像，若成功获取实时帧图像和相邻帧图像，则继续执行步骤s4，若未成功获取实时帧图像或相邻帧图像，则返回执行步骤s2；其中，实时帧图像为各个fod检测区域的图片信号当前时刻的一帧图像，相邻帧图像为各个fod检测区域的图片信号中与实时帧图像间隔帧差为τ的一帧图像；
[0051]
s4：先对背景帧图像和实时帧图像进行背景作差运算得到背景差和对实时帧图像和相邻帧图像进行相邻帧间差运算得到相邻帧间差，之后分别对背景差和相邻帧间差进行阈值分割运算得到第一检测结果和第二检测结果；
[0052]
s5：对第一检测结果和第二检测结果进行逻辑或运算得到第三检测结果，根据第三检测结果判定各个fod检测区域是否存在疑似fod，若存在，则继续执行步骤s6并将第三
检测结果赋值给前景目标ni，若不存在，返回执行步骤s2；
[0053]
s6：判定各个fod检测区域是否为敏感区域，若各个fod检测区域为敏感区域，则继续执行步骤s7，并使i＝i+1，若各个fod检测区域为非敏感区域，则标定各个fod检测区域为敏感区域、第三检测结果赋给背景帧图像并返回执行步骤s4；
[0054]
s7：基于改进的目标优化算法对前景目标ni进行优化得到前景优化目标，并根据前景优化目标生成预警信号。
[0055]
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现如上的基于ai大数据的飞机坪预警方法的步骤。
[0056]
本发明与现有技术相比存在的有益效果是：
[0057]
本发明提供了一种基于ai大数据的飞机坪预警方法、装置及终端，该方法包括：将机坪划分为两个及两个以上的fod检测区域；采集各个fod检测区域的视频信号；对各个fod检测区域的视频信号进行转码处理、播放处理、切片处理以及切图处理得到各个fod检测区域的图片信号；基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号；基于预警信号获取fod的位置信息和图片信息；将fod的位置信息和图片信息发送至飞机的信号接收器。本发明能够及时、准确、全自动地完成机坪的安全预警，进而有效避免人工感知造成的数据漏报、数据误差、数据延迟。
附图说明
[0058]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0059]
图1是本发明实施例提供的一种基于ai大数据的飞机坪预警方法的流程示意图；
[0060]
图2是本发明实施例提供的预设的改进目标检测算法预警模型的步骤示意图；
[0061]
图3是本发明实施例提供的一种基于ai大数据的飞机坪预警装置的结构框图；
[0062]
图4是本发明实施例提供的一种终端设备的示意图。
具体实施方式
[0063]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
[0064]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
[0065]
参见图1，其示出了本发明实施例提供的基于ai大数据的飞机坪预警方法的流程示意图，详述如下：
[0066]
将机坪划分为两个及两个以上的fod检测区域。
[0067]
可选的，在一些实施例中，通过对机坪进行分块、分区检测可以实现对外来异物的
快速定位，即可以及时将外来异物的位置信息发送给待降落和待起飞的飞机，保障飞机安全，又可以及时通知地面工作人员清理预警位置的外来异物，提高了预警响应速度和外来异物排查速度。
[0068]
采集各个fod检测区域的视频信号。
[0069]
可选的，在一些实施例中，可以适当调整采集视频信号的时间间隔，且计算机对视频信号的处理速度比人对视频的观察速度要快，从而实现实时感知机坪的环境情况。
[0070]
对各个fod检测区域的视频信号进行转码处理、播放处理、切片处理以及切图处理得到各个fod检测区域的图片信号。
[0071]
可选的，在一些实施例中，将各个fod检测区域的视频信号转化为图片信号，通过计算机鉴别图片与图片之间的差异实现外来异物的目标检测，进一步提高外来异物检测的准确度和时间效率。
[0072]
基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号。
[0073]
基于预警信号获取fod的位置信息和图片信息。
[0074]
可选的，在一些实施例中，fod的位置信息即为一fod检测区域的位置。
[0075]
将fod的位置信息和图片信息发送至飞机的信号接收器。
[0076]
可选的，在一些实施例中，飞机的信号接收器通过接收到的fod的位置信息和图片信息快速感知机坪的风险，配合地面工作人员进行危险清理工作。
[0077]
可选的，作为本发明实施例提供的基于ai大数据的飞机坪预警方法的一种具体实施方式，采集各个fod检测区域的视频信号的采集过程包括：
[0078]
将两个及连个以上的高清摄像头设置在各个fod检测区域的预设位置。
[0079]
通过高清摄像头对机坪环境进行高速拍摄得到视频信号。
[0080]
可选的，在一些实施例中，在本实施例中，机坪可以横向划分成两行及两行以上的fod检测区域，也可以纵向划分成两列及两列以上fod检测区域，还可以横向、纵向交叉划分成两个及两个以上的块状fod检测区域。
[0081]
参见图2，作为本发明实施例提供的基于ai大数据的飞机坪预警方法的一种具体实施方式，基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号的步骤包括：
[0082]
s1：按照预设时间间隔对各个fod检测区域的图片信号依次进行轮询，并设定前景目标ni；其中，i＝1。
[0083]
可选的，在一些实施例中，通过轮询的方式对各个fod检测区域依次实现各个fod检测区域的图片信号提取，并对各个fod检测区域的图片信号依次进行检测，最后得到各个fod检测区域的fod检测结果。
[0084]
s2：获取各个fod检测区域的图片信号的背景帧图像，判断是否成功获取背景帧图像，若成功获取背景帧图像，则继续执行步骤s3，若未成功获取背景帧图像，则重新执行步骤s1；其中，背景帧图像为各个fod检测区域的图片信号当前时刻之前的任一时刻的一帧图像。
[0085]
可选的，在一些实施例中，背景帧图像可以通过对各个fod检测区域的图片信号进行时域平均处理获取。
[0086]
s3：获取各个fod检测区域的图片信号的实时帧图像和相邻帧图像，判断是否成功获取实时帧图像和相邻帧图像，若成功获取实时帧图像和相邻帧图像，则继续执行步骤s4，若未成功获取实时帧图像或相邻帧图像，则返回执行步骤s2；其中，实时帧图像为各个fod检测区域的图片信号当前时刻的一帧图像，相邻帧图像为各个fod检测区域的图片信号中与实时帧图像间隔帧差为τ的一帧图像。
[0087]
可选的，在一些实施例中，背景帧图像和实时帧图像非同一帧图像。
[0088]
s4：先对背景帧图像和实时帧图像进行背景作差运算得到背景差和对实时帧图像和相邻帧图像进行相邻帧间差运算得到相邻帧间差，之后分别对背景差和相邻帧间差进行阈值分割运算得到第一检测结果和第二检测结果。
[0089]
可选的，在一些实施例中，对背景差进行阈值分割运算的计算方法为：
[0090][0091]
其中，bin1k(x,y)为第一检测结果，dk(x,y)为背景差，t1为第一预设阈值。
[0092]
可选的，在一些实施例中，对相邻帧间差进行阈值分割运算的计算方法为：
[0093][0094]
其中，bin2k(x,y)为第二检测结果，sk(x,y)为相邻帧间差，t2为第二预设阈值。
[0095]
s5：对第一检测结果和第二检测结果进行逻辑或运算得到第三检测结果，根据第三检测结果判定各个fod检测区域是否存在疑似fod，若存在，则继续执行步骤s6并将第三检测结果赋值给前景目标ni，若不存在，返回执行步骤s2。
[0096]
可选的，在一些实施例中，在执行步骤s6之前，可以对前景目标ni进行形态学处理。
[0097]
s6：判定各个fod检测区域是否为敏感区域，若各个fod检测区域为敏感区域，则继续执行步骤s7，并使i＝i+1，若各个fod检测区域为非敏感区域，则标定各个fod检测区域为敏感区域、第三检测结果赋给背景帧图像并返回执行步骤s4。
[0098]
s7：基于改进的目标优化算法对前景目标ni进行优化得到前景优化目标，并根据前景优化目标生成预警信号。
[0099]
可选的，作为本发明实施例提供的基于ai大数据的飞机坪预警方法的一种具体实施方式，背景差的计算方法为：
[0100]dk
(x，y)＝|pk(x，y)-bk(x，y)|
[0101]
其中，dk(x，y)为背景差，pk(x，y)为所述实时帧图像，bk(x，y)为背景帧图像。
[0102]
可选的，作为本发明实施例提供的基于ai大数据的飞机坪预警方法的一种具体实施方式，相邻帧间差的计算方法为：
[0103]
sk(x，y)＝|pk(x，y)-p
k-τ
(x，y)|
[0104]
其中，sk(x，y)为所述相邻帧间差，pk(x，y)为所述实时帧图像，p
k-τ
(x，y)为相邻帧图像。
[0105]
可选的，作为本发明实施例提供的基于ai大数据的飞机坪预警方法的一种具体实施方式，第三检测结果的计算方法为：
[0106]
bink(x，y)＝bin 1k(x，y)||bin 2k(x，y)
[0107]
其中，bink(x，y)为所述第三检测结果，bin1k(x，y)为所述第一检测结果，bin2k(x，y)为所述第二检测结果。
[0108]
可选的，作为本发明实施例提供的基于ai大数据的飞机坪预警方法的一种具体实施方式，基于改进的目标优化算法对前景目标ni进行优化得到前景优化目标的方法为：
[0109][0110]
其中，b(x,y)为所述前景优化目标，n1为第一次检测前景目标，n2为第二次检测前景目标，th为前景预设阈值。
[0111]
本发明与现有技术相比存在的有益效果是：
[0112]
本发明提供了一种基于ai大数据的飞机坪预警方法、装置及终端，该方法包括：将机坪划分为两个及两个以上的fod检测区域；采集各个fod检测区域的视频信号；对各个fod检测区域的视频信号进行转码处理、播放处理、切片处理以及切图处理得到各个fod检测区域的图片信号；基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号；基于预警信号获取fod的位置信息和图片信息；将fod的位置信息和图片信息发送至飞机的信号接收器。本发明能够及时、准确、全自动完成机坪的安全预警，进而有效避免人工感知造成的数据漏报、数据误差、数据延迟。
[0113]
对应于上文实施例的基于ai大数据的飞机坪预警方法，图3为本发明实施例提供的基于ai大数据的飞机坪预警装置的结构框图。为了便于说明，仅示除了与本发明实施例相关的部分。参见图3，该基于ai大数据的飞机坪预警装置300包括：区域划分模块301、视频采集模块302、信号处理模块303、fod预警模块304、fod信息采集模块305和fod信息发送模块306。
[0114]
区域划分模块301，用于将机坪划分为两个及两个以上的fod检测区域。
[0115]
视频采集模块302，用于采集各个fod检测区域的视频信号。
[0116]
信号处理模块303，用于对各个fod检测区域的视频信号进行转码处理、播放处理、切片处理以及切图处理得到各个fod检测区域的图片信号。
[0117]
fod预警模块304，用于基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号。
[0118]
fod信息采集模块305，用于基于预警信号获取fod的位置信息和图片信息。
[0119]
fod信息发送模块306，用于将fod的位置信息和图片信息发送至飞机的信号接收器。
[0120]
可选的，作为本发明实施例提供的基于ai大数据的飞机坪预警装置300，fod预警模块304执行的步骤包括：
[0121]
s1：按照预设时间间隔对各个fod检测区域的图片信号依次进行轮询，并设定前景目标ni；其中，i＝1。
[0122]
s2：获取各个fod检测区域的图片信号的背景帧图像，判断是否成功获取背景帧图像，若成功获取背景帧图像，则继续执行步骤s3，若未成功获取背景帧图像，则重新执行步骤s1；其中，背景帧图像为各个fod检测区域的图片信号当前时刻之前的任一时刻的一帧图像。
[0123]
s3：获取各个fod检测区域的图片信号的实时帧图像和相邻帧图像，判断是否成功获取实时帧图像和相邻帧图像，若成功获取实时帧图像和相邻帧图像，则继续执行步骤s4，若未成功获取实时帧图像或相邻帧图像，则返回执行步骤s2；其中，实时帧图像为各个fod检测区域的图片信号当前时刻的一帧图像，相邻帧图像为各个fod检测区域的图片信号中与实时帧图像间隔帧差为τ的一帧图像。
[0124]
s4：先对背景帧图像和实时帧图像进行背景作差运算得到背景差和对实时帧图像和相邻帧图像进行相邻帧间差运算得到相邻帧间差，之后分别对背景差和相邻帧间差进行阈值分割运算得到第一检测结果和第二检测结果。
[0125]
s5：对第一检测结果和第二检测结果进行逻辑或运算得到第三检测结果，根据第三检测结果判定各个fod检测区域是否存在疑似fod，若存在，则继续执行步骤s6并将第三检测结果赋值给前景目标ni，若不存在，返回执行步骤s2。
[0126]
s6：判定各个fod检测区域是否为敏感区域，若各个fod检测区域为敏感区域，则继续执行步骤s7，并使i＝i+1，若各个fod检测区域为非敏感区域，则标定各个fod检测区域为敏感区域、第三检测结果赋给背景帧图像并返回执行步骤s4。
[0127]
s7：基于改进的目标优化算法对前景目标ni进行优化得到前景优化目标，并根据前景优化目标生成预警信号。
[0128]
图4是本发明一实施例提供的终端设备的结构示意图。如图4所示，该实施例的终端设备4包括：处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述各个基于ai大数据的飞机坪预警方法实施例中的步骤。
[0129]
示例性的，计算机程序42可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器41中，并由处理器40执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序42在终端设备4中的执行过程。
[0130]
终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的示例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
[0131]
所称处理器40可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、
分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0132]
存储器41可以是终端设备4的内部存储单元，例如终端设备4的硬盘或内存。存储器41也可以是终端设备4的外部存储设备，例如终端设备4上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器41还可以既包括终端设备4的内部存储单元也包括外部存储设备。存储器41用于存储计算机程序以及终端设备所需的其他程序和数据。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
[0133]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0134]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0135]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
技术特征：1.一种基于ai大数据的飞机坪预警方法，其特征在于，包括：将机坪划分为两个及两个以上的fod检测区域；采集各个fod检测区域的视频信号；对各个fod检测区域的视频信号进行转码处理、播放处理、切片处理以及切图处理得到各个fod检测区域的图片信号；基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号；基于预警信号获取fod的位置信息和图片信息；将fod的位置信息和图片信息发送至飞机的信号接收器。2.如权利要求1所述的基于ai大数据的飞机坪预警方法，其特征在于，所述采集各个fod检测区域的视频信号的采集过程包括：将两个及连个以上的高清摄像头设置在所述各个fod检测区域的预设位置；通过高清摄像头对机坪环境进行高速拍摄得到所述视频信号。3.如权利要求1所述的基于ai大数据的飞机坪预警方法，其特征在于，所述基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号的步骤包括：s1：按照预设时间间隔对所述各个fod检测区域的图片信号依次进行轮询，并设定前景目标n
i
；其中，i＝1；s2：获取所述各个fod检测区域的图片信号的背景帧图像，判断是否成功获取背景帧图像，若成功获取背景帧图像，则继续执行步骤s3，若未成功获取背景帧图像，则重新执行步骤s1；其中，背景帧图像为所述各个fod检测区域的图片信号当前时刻之前的任一时刻的一帧图像；s3：获取所述各个fod检测区域的图片信号的实时帧图像和相邻帧图像，判断是否成功获取实时帧图像和相邻帧图像，若成功获取实时帧图像和相邻帧图像，则继续执行步骤s4，若未成功获取实时帧图像或相邻帧图像，则返回执行步骤s2；其中，实时帧图像为所述各个fod检测区域的图片信号当前时刻的一帧图像，相邻帧图像为所述各个fod检测区域的图片信号中与实时帧图像间隔帧差为τ的一帧图像；s4：先对背景帧图像和实时帧图像进行背景作差运算得到背景差和对实时帧图像和相邻帧图像进行相邻帧间差运算得到相邻帧间差，之后分别对背景差和相邻帧间差进行阈值分割运算得到第一检测结果和第二检测结果；s5：对第一检测结果和第二检测结果进行逻辑或运算得到第三检测结果，根据第三检测结果判定所述各个fod检测区域是否存在疑似所述fod，若存在，则继续执行步骤s6并将第三检测结果赋值给前景目标n
i
，若不存在，返回执行步骤s2；s6：判定所述各个fod检测区域是否为敏感区域，若所述各个fod检测区域为敏感区域，则继续执行步骤s7，并使i＝i+1，若所述各个fod检测区域为非敏感区域，则标定所述各个fod检测区域为敏感区域、第三检测结果赋给背景帧图像并返回执行步骤s4；s7：基于改进的目标优化算法对前景目标n
i
进行优化得到前景优化目标，并根据前景优化目标生成预警信号。4.如权利要求3所述的基于ai大数据的飞机坪预警方法，其特征在于，所述背景差的计
算方法为：d
k
(x，y)＝|p
k
(x，y)-b
k
(x，y)|其中，d
k
(x，y)为背景差，p
k
(x，y)为所述实时帧图像，b
k
(x，y)为背景帧图像。5.如权利要求3所述的基于ai大数据的飞机坪预警方法，其特征在于，所述相邻帧间差的计算方法为：s
k
(x，y)＝|p
k
(x，y)-p
k-τ
(x，y)|其中，s
k
(x，y)为所述相邻帧间差，p
k
(x，y)为所述实时帧图像，p
k-τ
(x，y)为相邻帧图像。6.如权利要求3所述的基于ai大数据的飞机坪预警方法，其特征在于，所述第三检测结果的计算方法为：bin
k
(x，y)＝bin 1
k
(x，y)||bin 2
k
(x，y)其中，bin
k
(x，y)为所述第三检测结果，bin1
k
(x，y)为所述第一检测结果，bin2
k
(x，y)为所述第二检测结果。7.如权利要求3所述的基于ai大数据的飞机坪预警方法，其特征在于，所述基于改进的目标优化算法对前景目标n
i
进行优化得到前景优化目标的方法为：其中，b(x,y)为所述前景优化目标，n1为第一次检测前景目标，n2为第二次检测前景目标，th为前景预设阈值。8.一种基于ai大数据的飞机坪预警装置，其特征在于，包括：区域划分模块，用于将机坪划分为两个及两个以上的fod检测区域；视频采集模块，用于采集各个fod检测区域的视频信号；信号处理模块，用于对各个fod检测区域的视频信号进行转码处理、播放处理、切片处理以及切图处理得到各个fod检测区域的图片信号；fod预警模块，用于基于预设的改进目标检测算法预警模型对各个fod检测区域的图片信号进行轮询得到预警信号；fod信息采集模块，用于基于预警信号获取fod的位置信息和图片信息；fod信息发送模块，用于将fod的位置信息和图片信息发送至飞机的信号接收器。9.如权利要求8所述的基于ai大数据的飞机坪预警装置，其特征在于，所述fod预警模块执行的步骤包括：s1：按照预设时间间隔对所述各个fod检测区域的图片信号依次进行轮询，并设定前景目标n
i
；其中，i＝1；s2：获取所述各个fod检测区域的图片信号的背景帧图像，判断是否成功获取背景帧图像，若成功获取背景帧图像，则继续执行步骤s3，若未成功获取背景帧图像，则重新执行步骤s1；其中，背景帧图像为所述各个fod检测区域的图片信号当前时刻之前的任一时刻的一帧图像；s3：获取所述各个fod检测区域的图片信号的实时帧图像和相邻帧图像，判断是否成功获取实时帧图像和相邻帧图像，若成功获取实时帧图像和相邻帧图像，则继续执行步骤s4，
若未成功获取实时帧图像或相邻帧图像，则返回执行步骤s2；其中，实时帧图像为所述各个fod检测区域的图片信号当前时刻的一帧图像，相邻帧图像为所述各个fod检测区域的图片信号中与实时帧图像间隔帧差为τ的一帧图像；s4：先对背景帧图像和实时帧图像进行背景作差运算得到背景差和对实时帧图像和相邻帧图像进行相邻帧间差运算得到相邻帧间差，之后分别对背景差和相邻帧间差进行阈值分割运算得到第一检测结果和第二检测结果；s5：对第一检测结果和第二检测结果进行逻辑或运算得到第三检测结果，根据第三检测结果判定所述各个fod检测区域是否存在疑似所述fod，若存在，则继续执行步骤s6并将第三检测结果赋值给前景目标n
i
，若不存在，返回执行步骤s2；s6：判定所述各个fod检测区域是否为敏感区域，若所述各个fod检测区域为敏感区域，则继续执行步骤s7，并使i＝i+1，若所述各个fod检测区域为非敏感区域，则标定所述各个fod检测区域为敏感区域、第三检测结果赋给背景帧图像并返回执行步骤s4；s7：基于改进的目标优化算法对前景目标n
i
进行优化得到前景优化目标，并根据前景优化目标生成预警信号。10.一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现如上的权利要求1至7中任一项所述的基于ai大数据的飞机坪预警方法的步骤。
技术总结本发明提供了一种基于AI大数据的飞机坪预警方法、装置及终端，该方法包括：将机坪划分为两个及两个以上的FOD检测区域；采集各个FOD检测区域的视频信号；对各个FOD检测区域的视频信号进行转码处理、播放处理、切片处理以及切图处理得到各个FOD检测区域的图片信号；基于预设的改进目标检测算法预警模型对各个FOD检测区域的图片信号进行轮询得到预警信号；基于预警信号获取FOD的位置信息和图片信息；将FOD的位置信息和图片信息发送至飞机的信号接收器。本发明能够及时、准确、全自动地完成机坪的安全预警，进而有效避免人工感知造成的数据漏报、数据误差、数据延迟。数据延迟。数据延迟。
技术研发人员：张雨松 苏敏敏 毛鑫哲 康晓渊 孙新波 褚振伟
受保护的技术使用者：苏州数智源信息技术有限公司
技术研发日：2022.06.24
技术公布日：2022/11/1
