基于R-CNN的目標(biāo)檢測在防止跑道侵入中的應(yīng)用研究
發(fā)布時間:2024-07-01 22:22
跑道作為一次航空器運(yùn)行的開始和結(jié)束設(shè)施,其安全是民航安全問題中最重要的一環(huán)。隨著飛行流量的迅速增加,跑道侵入問題成為必須解決的安全問題,僅僅依人防無法有效避免跑道侵入發(fā)生,迫切需要通過技術(shù)手段防止跑道侵入發(fā)生。針對防止跑道侵入手段的自動化問題,本文提出了一種基于深度學(xué)習(xí)圖像目標(biāo)識別算法的防止跑道入侵系統(tǒng),重點(diǎn)研究深度學(xué)習(xí)目標(biāo)識別算法對圖像中目標(biāo)對象識別準(zhǔn)確率,同時研究了機(jī)場攝像頭布局問題,以及根據(jù)檢測結(jié)果判斷跑道侵入的邏輯設(shè)計。本文研究工作的重點(diǎn)如下。首先,對基于深度學(xué)習(xí)的圖像檢測算法進(jìn)行了對比,根據(jù)對比結(jié)果選擇了最新的Mask R-CNN算法作為本文的核心檢測算法,詳細(xì)解釋了Mask R-CNN的算法原理,為提升算法的專用性、識別準(zhǔn)確性以及實(shí)時性,在該算法訓(xùn)練所得的權(quán)重基礎(chǔ)上利用遷移學(xué)習(xí),對自建的機(jī)場目標(biāo)數(shù)據(jù)集進(jìn)行訓(xùn)練,提升了算法對機(jī)場特定目標(biāo)的檢測準(zhǔn)確率。其次,提出具體的目標(biāo)檢測硬件設(shè)備的布局方法和選擇依據(jù),針對機(jī)場中不同跑道的參數(shù),設(shè)計了攝像頭的布局方法,在保證目標(biāo)識別準(zhǔn)確率的基礎(chǔ)上,對檢測結(jié)果進(jìn)行匯總分析,判斷航空器的相對位置,設(shè)計了一種數(shù)字邏輯電路完成對跑道侵入事件的判定。最...
【文章頁數(shù)】:61 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 防止跑道侵入研究現(xiàn)狀
1.2.2 深度學(xué)習(xí)在目標(biāo)檢測中的研究現(xiàn)狀
1.3 主要研究內(nèi)容
1.4 本章小結(jié)
第二章 跑道侵入概述
2.1 跑道侵入定義
2.2 跑道侵入類型
2.3 影響跑道侵入的因素
2.4 防止跑道侵入系統(tǒng)需求
2.4.1 防止跑道侵入檢測需求
2.4.2 防止跑道侵入告警需求
2.5 防止跑道侵入系統(tǒng)總體框架
2.6 本章小結(jié)
第三章 基于深度學(xué)習(xí)的目標(biāo)檢測方法
3.1 卷積神經(jīng)網(wǎng)絡(luò)基本網(wǎng)絡(luò)結(jié)構(gòu)
3.2 目標(biāo)檢測算法
3.2.1 R-CNN目標(biāo)檢測算法
3.2.2 Fast R-CNN目標(biāo)檢測算法
3.2.3 Faster R-CNN目標(biāo)檢測算法
3.2.4 Mask R-CNN結(jié)構(gòu)
3.3 模型對航空器識別驗(yàn)證
3.3.1 數(shù)據(jù)集
3.3.2 目標(biāo)識別模型檢測結(jié)果
3.4 本章小結(jié)
第四章 目標(biāo)檢測防止跑道侵入模型
4.1 地面保護(hù)區(qū)預(yù)警
4.2 攝像頭布局研究
4.2.1 攝像頭視野判定
4.2.2 攝像頭布局方案研究
4.3 數(shù)據(jù)關(guān)聯(lián)
4.3.1 Kalman濾波
4.3.2 Deep SORT算法
4.4 跑道侵入告警裝置
4.5 本章小結(jié)
第五章 基于目標(biāo)檢測的防跑道侵入系統(tǒng)設(shè)計與驗(yàn)證
5.1 實(shí)驗(yàn)硬件環(huán)境
5.2 系統(tǒng)設(shè)計
5.2.1 系統(tǒng)UI設(shè)計
5.2.2 防跑道侵入邏輯電路調(diào)試
5.2.3 告警信號展示
5.3 實(shí)驗(yàn)結(jié)果及分析
5.4 本章小結(jié)
總結(jié)與展望
本文總結(jié)
未來工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝
本文編號:3999272
【文章頁數(shù)】:61 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 防止跑道侵入研究現(xiàn)狀
1.2.2 深度學(xué)習(xí)在目標(biāo)檢測中的研究現(xiàn)狀
1.3 主要研究內(nèi)容
1.4 本章小結(jié)
第二章 跑道侵入概述
2.1 跑道侵入定義
2.2 跑道侵入類型
2.3 影響跑道侵入的因素
2.4 防止跑道侵入系統(tǒng)需求
2.4.1 防止跑道侵入檢測需求
2.4.2 防止跑道侵入告警需求
2.5 防止跑道侵入系統(tǒng)總體框架
2.6 本章小結(jié)
第三章 基于深度學(xué)習(xí)的目標(biāo)檢測方法
3.1 卷積神經(jīng)網(wǎng)絡(luò)基本網(wǎng)絡(luò)結(jié)構(gòu)
3.2 目標(biāo)檢測算法
3.2.1 R-CNN目標(biāo)檢測算法
3.2.2 Fast R-CNN目標(biāo)檢測算法
3.2.3 Faster R-CNN目標(biāo)檢測算法
3.2.4 Mask R-CNN結(jié)構(gòu)
3.3 模型對航空器識別驗(yàn)證
3.3.1 數(shù)據(jù)集
3.3.2 目標(biāo)識別模型檢測結(jié)果
3.4 本章小結(jié)
第四章 目標(biāo)檢測防止跑道侵入模型
4.1 地面保護(hù)區(qū)預(yù)警
4.2 攝像頭布局研究
4.2.1 攝像頭視野判定
4.2.2 攝像頭布局方案研究
4.3 數(shù)據(jù)關(guān)聯(lián)
4.3.1 Kalman濾波
4.3.2 Deep SORT算法
4.4 跑道侵入告警裝置
4.5 本章小結(jié)
第五章 基于目標(biāo)檢測的防跑道侵入系統(tǒng)設(shè)計與驗(yàn)證
5.1 實(shí)驗(yàn)硬件環(huán)境
5.2 系統(tǒng)設(shè)計
5.2.1 系統(tǒng)UI設(shè)計
5.2.2 防跑道侵入邏輯電路調(diào)試
5.2.3 告警信號展示
5.3 實(shí)驗(yàn)結(jié)果及分析
5.4 本章小結(jié)
總結(jié)與展望
本文總結(jié)
未來工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝
本文編號:3999272
本文鏈接:http://www.lk138.cn/kejilunwen/zidonghuakongzhilunwen/3999272.html
最近更新
教材專著