一种机场跑道异物检测系统及方法

技术领域

本发明属于异物侵入检测领域，更具体地，涉及一种机场跑道异物检测系统及方法。

背景技术

随着经济的快速发展，生活水平的不断提高，乘坐飞机出行已成为众多人的选择。因此，飞机的飞行安全日益受到人们的关注。机场跑道异物简称FOD(ForeignObjectDebris)，是指机场跑道上一切损害飞机安全的外来物，包括飞机和发动机连接件(螺帽、螺钉、垫圈、保险丝等)、机械工具、飞行物品(钉子、私人证件、钢笔、铅笔等)、野生动物、树叶、石头和沙子、道面材料、木块、塑料或聚乙烯材料、纸制品和运行区的冰碴儿等。

FOD对于飞机的飞行安全和乘客的生命财产安全的危害是非常严重的，大量的实验和飞机失事的案列表明，机场道面上的FOD可以很容易地被发动机吸入，使发动机失效甚至燃烧，同时对襟翼、起落架等相关设备正常运行造成重大的影响。因此，对机场跑道异物检测和识别技术的研究具有重要的现实意义。

目前，主流的FOD检测系统主要分为两类：第一类是采用毫米波雷达对机场跑道异物进行行检测以及定位，包括英国的Tarsier系统、以色列的FODetect系统和美国的FODFinder系统；第二类是采用车载视频的图像识别技术，包括新加坡的iFerret系统。根据相关性能测试表明，这两类FOD检测系统均具有较高的检测精度，能够识别绝大多数的FOD。然而，这两类FOD检测系统却无法识别机场跑道本身带有的干扰项，如跑道道面纹理、材质、跑道中线灯和标志标线等，导致误报率较高。

发明内容

本发明的目的在于解决现有的机场跑道异物检测系统因未考虑到机场跑道本身带有的干扰项而导致误报率较高的问题。

为了实现上述目的，本发明提供一种机场跑道异物检测系统及方法。

根据本发明的第一方面，提供了一种机场跑道异物检测系统，该机场跑道异物检测系统包括：

微波探测单元，用于探测预定区域内的机场跑道异物，并基于获取的所述机场跑道异物的定位信息输出图像采集触发信号；

光电监控单元，用于响应于所述图像采集触发信号，采集所述机场跑道异物的图像，并基于内置的背景减除算法对所述机场跑道异物进行复核，若复核结果为是，输出基于内置的人工智能算法确定的所述机场跑道异物的种类信息，以及所述机场跑道异物的定位信息和图像；

主控单元，用于根据接收的所述机场跑道异物的种类信息、定位信息和图像，确定所述机场跑道异物的危险等级并发送至人工后台。

作为优选的是，所述机场跑道异物检测系统还包括：

塔架单元，设置于目标机场跑道的一侧，并与所述目标机场跑道的中线处于预定的安全间距内，用于将所述微波探测单元和所述光电监控单元托载至预定的工作高度。

作为优选的是，所述安全间距为105～150米，所述工作高度为6～10米。

作为优选的是，所述微波探测单元包括：

毫米波雷达，用于以不同于机场设备工作频率的发射频率向所述预定区域发射毫米波信号，并接收回波信号；

第一可移动平台，用于带动所述毫米波雷达以预规划的扫描路径对所述预定区域进行扫描；

第一处理器，用于基于内置的微波探测检测算法对所述回波信号进行检测，基于检测出的异常回波信号的特征信息获取相应机场跑道异物的定位信息，并基于所述机场跑道异物的定位信息输出图像采集触发信号。

作为优选的是，所述光电监控单元包括：

光学系统，用于收集所述机场跑道异物反射的光信号；

光电探测器，用于响应于图像采集控制信号，将所述机场跑道异物反射的光信号转换为电信号，以获取所述机场跑道异物的图像；

辅助照明器，用于在所述机场跑道异物反射的光信号的强度低于预定的光强阈值时，作为辅助光源；

第二可移动平台，用于根据伺服控制信号带动所述光学系统，使所述光学系统的取像范围覆盖所述机场跑道异物；

第二处理器，用于根据所述图像采集触发信号生成所述图像采集控制信号和所述伺服控制信号，基于内置的背景减除算法对所述机场跑道异物的图像进行处理，以实现对所述机场跑道异物的复核，基于内置的人工智能算法对所述机场跑道异物的图像进行识别，以确定所述机场跑道异物的种类信息，并输出所述机场跑道异物的种类信息、定位信息和图像。

作为优选的是，所述光学系统为大口径长焦距光学系统，所述辅助照明器为红外激光照明器，所述第二可移动平台为两自由度监控转台。

作为优选的是，所述主控单元还用于根据所述人工后台反馈的跑道异物清理指令输出跑道异物清理控制指令和所述机场跑道异物的定位信息；

所述机场跑道异物检测系统还包括：

跑道异物清理单元，用于响应于所述跑道异物清理控制指令，基于所述机场跑道异物的定位信息规划自身的移动路径，并遵循该移动路径实现跑道异物的清理。

根据本发明的第二方面，提供了一种机场跑道异物检测方法，该机场跑道异物检测方法包括以下步骤：

探测预定区域内的机场跑道异物，并基于获取的所述机场跑道异物的定位信息输出图像采集触发信号；

响应于所述图像采集触发信号，采集所述机场跑道异物的图像，并采用背景减除算法对所述机场跑道异物进行复核，若复核结果为是，输出采用人工智能算法确定的所述机场跑道异物的种类信息，以及所述机场跑道异物的定位信息和图像；

根据接收的所述机场跑道异物的种类信息、定位信息和图像，确定所述机场跑道异物的危险等级并发送至人工后台；

所述采用背景减除算法对所述机场跑道异物进行复核的流程包含机场跑道背景建模环节；

所述机场跑道背景建模环节基于低通滤波器背景建模算法或者高斯背景建模算法实现。

作为优选的是，所述低通滤波器背景建模算法包括：

基于图像区域分割的方式将所述机场跑道场景划分为多个机场跑道子场景；

基于每个机场跑道子场景的背景图像序列进行低通滤波背景估计，得到该机场跑道子场景的背景模型；

将每个机场跑道子场景的背景模型进行汇总，得到机场跑道背景模型；其中，机场跑道子场景的背景模型为：

上式中，a

作为优选的是，所述高斯背景建模算法包括：

将机场跑道区域划分为多个机场跑道子区域；

在未检测到机场跑道异物的情况下，采集每个机场跑道子区域的图像，并将采集到的图像作为背景建模的训练图像；

汇总基于高斯背景建模得到的多个机场跑道子区域背景模型，得到机场跑道背景模型。

本发明的有益效果在于：

本发明的机场跑道异物检测系统，基于微波探测单元和光电监控单元实现了微波探测与光电图像采集相联动的机场跑道异物检测。在获取机场跑道异物的图像之后，通过光电监控单元基于内置的背景减除算法对所述机场跑道异物进行复核，以保证检测结果的准确性。在复核确认机场跑道异物之后，通过光电监控单元基于内置的人工智能算法确定的机场跑道异物的种类信息，以实现机场跑道异物的智能化识别。由于本发明基于背景减除算法对机场跑道异物进行检测，使得本发明将机场跑道本身带有的干扰项考虑在内。因此，与现有的机场跑道异物检测系统相比，本发明的机场跑道异物检测系统因考虑了机场跑道本身带有的干扰项而具有更低的误报率。

本发明的机场跑道异物检测方法与上述机场跑道异物检测系统属于一个总的发明构思，与上述机场跑道异物检测系统具有相同的有益效果。

本发明的其它特征和优点将在随后具体实施方式部分予以详细说明。

附图说明

通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施方式中，相同的参考标号通常代表相同部件。

图1示出了根据本发明的实施例的机场跑道异物检测系统的原理框图。

图2示出了根据本发明的实施例的背景减除算法的实现流程图。

图3示出了根据本发明的实施例的机场跑道异物检测系统的结构示意图。

具体实施方式

下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

实施例：图1示出了本实施例的机场跑道异物检测系统的原理框图。参照图1，本实施例的机场跑道异物检测系统包括：

微波探测单元，用于探测预定区域内的机场跑道异物，并基于获取的所述机场跑道异物的定位信息输出图像采集触发信号；

光电监控单元，用于响应于所述图像采集触发信号，采集所述机场跑道异物的图像，并基于内置的背景减除算法对所述机场跑道异物进行复核，若复核结果为是，输出基于内置的人工智能算法确定的所述机场跑道异物的种类信息，以及所述机场跑道异物的定位信息和图像；

主控单元，用于根据接收的所述机场跑道异物的种类信息、定位信息和图像，确定所述机场跑道异物的危险等级并发送至人工后台。

本实施例的机场跑道异物检测系统还包括：

塔架单元，设置于目标机场跑道的一侧，并与所述目标机场跑道的中线处于预定的安全间距内，用于将所述微波探测单元和所述光电监控单元托载至预定的工作高度。

本实施例中，所述安全间距为105～150米，所述工作高度为6～10米。

本实施例中，所述微波探测单元包括：

毫米波雷达，用于以不同于机场设备工作频率的发射频率向所述预定区域发射毫米波信号，并接收回波信号；

第一可移动平台，用于带动所述毫米波雷达以预规划的扫描路径对所述预定区域进行扫描；

第一处理器，用于基于内置的微波探测检测算法对所述回波信号进行检测，基于检测出的异常回波信号的特征信息获取相应机场跑道异物的定位信息，并基于所述机场跑道异物的定位信息输出图像采集触发信号。

本实施例中，所述光电监控单元包括：

光学系统，用于收集所述机场跑道异物反射的光信号；

光电探测器，用于响应于图像采集控制信号，将所述机场跑道异物反射的光信号转换为电信号，以获取所述机场跑道异物的图像；

辅助照明器，用于在所述机场跑道异物反射的光信号的强度低于预定的光强阈值时，作为辅助光源；

第二可移动平台，用于根据伺服控制信号带动所述光学系统，使所述光学系统的取像范围覆盖所述机场跑道异物；

第二处理器，用于根据所述图像采集触发信号生成所述图像采集控制信号和所述伺服控制信号，基于内置的背景减除算法对所述机场跑道异物的图像进行处理，以实现对所述机场跑道异物的复核，基于内置的人工智能算法对所述机场跑道异物的图像进行识别，以确定所述机场跑道异物的种类信息，并输出所述机场跑道异物的种类信息、定位信息和图像。

本实施例中，所述光学系统为大口径长焦距光学系统，所述辅助照明器为红外激光照明器，所述第二可移动平台为两自由度监控转台。

本实施例中，所述主控单元还用于根据所述人工后台反馈的跑道异物清理指令输出跑道异物清理控制指令和所述机场跑道异物的定位信息；

所述机场跑道异物检测系统还包括：

跑道异物清理单元，用于响应于所述跑道异物清理控制指令，基于所述机场跑道异物的定位信息规划自身的移动路径，并遵循该移动路径实现跑道异物的清理。

相应地，本实施例还提出一种机场跑道异物检测方法。本实施例的机场跑道异物检测方法包括以下步骤：

探测预定区域内的机场跑道异物，并基于获取的所述机场跑道异物的定位信息输出图像采集触发信号；

响应于所述图像采集触发信号，采集所述机场跑道异物的图像，并采用背景减除算法对所述机场跑道异物进行复核，若复核结果为是，输出采用人工智能算法确定的所述机场跑道异物的种类信息，以及所述机场跑道异物的定位信息和图像；

根据接收的所述机场跑道异物的种类信息、定位信息和图像，确定所述机场跑道异物的危险等级并发送至人工后台；

所述采用背景减除算法对所述机场跑道异物进行复核的流程包含机场跑道背景建模环节；

所述机场跑道背景建模环节基于低通滤波器背景建模算法或者高斯背景建模算法实现。

本实施例中，所述低通滤波器背景建模算法包括：

基于图像区域分割的方式将所述机场跑道场景划分为多个机场跑道子场景；

基于每个机场跑道子场景的背景图像序列进行低通滤波背景估计，得到该机场跑道子场景的背景模型；

将每个机场跑道子场景的背景模型进行汇总，得到机场跑道背景模型；其中，机场跑道子场景的背景模型为：

上式中，a

本实施例中，所述高斯背景建模算法包括：

将机场跑道区域划分为多个机场跑道子区域；

在所述微波探测单元未检测到机场跑道异物的情况下，采集每个机场跑道子区域的图像，并将采集到的图像作为背景建模的训练图像；

汇总基于高斯背景建模得到的多个机场跑道子区域背景模型，得到机场跑道背景模型。

以下对本实施例进行更为详细的说明：

本实施例的机场跑道异物检测系统包含塔架、微波探测设备、光电监控设备和主控平台。

其中，塔架用于承载微波探测设备和光电监控设备，安装于跑道中线单侧或两侧，距离跑道中线105-150米之间，高度为6-10米，材质采用金属材质，以合金为主，塔架底部制作标准需符合中国民航局发布的《易折易碎杆塔通用技术要求及检测规范》(AC-137-CA-2014-01)规范要求。

微波探测设备采用W波段微波探测，引入毫米波芯片化设计技术，集成系统接收通道、发射通道多个电路单元，大幅缩小器件尺寸，降低设备重量与功耗。远高于机场现有设备的工作频率(94.5GHz)，避免相互干扰。利用反射面技术设计大口径天线，提高微波探测目标检测性能。采用高精度云台技术，通过机械扫描技术扫描探测区域，提高系统定位能力。利用杂波抑制能力强、高识别率的微波探测检测算法，保证系统具有高检测概率、检测小尺寸目标同时低虚警的能力。通过目标回波特性，可以初步判断目标特征信息，如动/静目标特征、目标回波强度等。微波探测设备参数如表1所示：

表1微波探测设备参数

光电监控设备包括大口径长焦距光学系统、红外激光照明器、高精度两轴监控转台、图像采集及识别处理系统和伺服控制系统。采用大口径长焦距光学系统及高灵敏度光电探测器，对小尺寸道面外来异物目标探测能力强，夜间低照度情况采用激光主动照明的方案。该设备自动接收外部搜索设备的引导信息，快速把光学系统指向引导位置，同时控制光学系统采用匹配的焦距及其他配置参数，光电探测器获取目标图像，图像采集及识别处理系统锁定目标，并把目标运动信息传送给伺服控制系统，伺服控制系统控制两轴监控转台指向，保证光学探测器始终指向目标以实现稳定监控，完成对目标的探测识别及自动监控。利用人工智能技术(AI)，基于光电图像提取目标特征，并对目标进行识别，给出目标信息(如螺钉、铁块等)。

主控平台是一个是多传感器信息、多网络节点共享交换的中心枢纽，通过分布式、多中心的资源共享服务，实现多中心数据资源、多节点的互连互通和数据共享，实现对大区域内多节点的多种传感数据进行存储、管理和分析，为用户提供道面外来物相关的多角度数据接入、管理、分析、展示与共享发布一站式服务平台，是系统的核心。主控平台通过强大的大数据分析能力，除异物位置、图片等信息外，提取异物材质、尺寸、来源等信息；通过自主学习可以排出异物的危险等级，辅助监控人员做判断。

图2示出了本实施例的背景减除算法的实现流程图。参照图2，背景减除算法的基本思想是将目标图像的像素值与事先存储或者建模得到的背景图像(背景模型)所对应的像素值相减，若差值大于某一阈值，则判定该像素点属于目标，否则判定此像素点属于背景，经过阈值处理并二值化后得到的目标掩模直接给出了目标的位置、大小、形状等信息。

机场跑道背景建模主要根据原有的已知的背景图像对未来的背景图像进行估计，把图像中的目标检测问题看作一个将所有像素划分为目标和背景的二分类的问题，之后再对分类结果进行后续处理，得到最终的检测结果。

本实施例应用两种优化算法(基于时间轴的滤波方法和高斯背景模型)之中的一种对机场跑道背景进行建模。

1、低通滤波器背景模型：

机场跑道场景在进行区域分割后，单个的场景背景在视频序列中近似静止的，故背景对应时间轴上的低频信息，因此可以通过在大量的背景图像序列进行低通滤波估计背景。算法公式如下：

其中权值a

对权值a

典型的基于时间轴滤波进行背景估计的方法是中值滤波法，对某位置的像素点，取当前帧及之前N-1帧图像像素值的中值，作为当前帧图像的背景像素值。中值滤波法的背景估计速度较快，并获得了可以接受的运动前景检测结果。

2、高斯背景模型：

高斯背景模型能有效地适应背景的变化，而且也能满足机场跑道异物检测系统的实际应用中的实时性。背景模型对新加入的目标要有较强的抗干扰能力，在背景模型的更新过程中，背景模式受到了每个新获取的像素值的“训练”，这些新的像素值在实际应用场景中既可能属于背景也可能是目标。理想情况下，背景的像素值才参加对背景模型进行的“训练”，但是目标的像素值很难避免完全不参加到这种“训练”的，过多的目标像素值参加“训练”会损害背景模型的准确性，特别是在颜色均匀的与背景相似性高的物体可能引起“过训练”，这种错误会产生错误的场景背景建模。高斯背景模型

高斯背景模型能有效的适应背景的变化，而且也能满足机场跑道异物检测系统的实际应用中的实时性。背景模型对新加入的目标要有较强的抗干扰能力，在背景模型的更新过程中，背景模式受到了每个新获取的像素值的“训练”，这些新的像素值在实际应用场景中既可能属于背景也可能是目标。理想情况下，背景的像素值才参加对背景模型进行的“训练”，但是目标的像素值很难避免完全不参加到这种“训练”的，过多的目标像素值参加“训练”会损害背景模型的准确性，特别是在颜色均匀的与背景相似性高的物体可能引起“过训练”，这种错误会产生错误的场景背景建模。

本实施例进了算法的优化，系统中用于进行背景建模的训练图像是在毫米波雷达未探测到任何物体的情况下，对不同的机场跑道子区域逐个进行原始图像采集。在视频流图像中，每一个像素点的变化可以用下式一个随机过程来描述：

{x

式中，I为像素值，x

背景减除算法的关键是背景图像的描述模型即背景模型。背景模型主要有单模态和多模态两种，单模态模型在每个背景像素点上的颜色分布比较集中，单分布概率模型来描述即可，多模态模型的分布则比较分散，需要多分布概率模型来共同描述。

最常用的描述场景背景点颜色分布的概率密度模型(概率密度函数)是高斯分布(正态分布)。

单高斯分布背景模型适用于单模态背景，它把每个像素点的颜色值分布用单个高斯分布η(X

设像素点的当前颜色值为I

单高斯分布背景模型的更新指描述场景背景的高斯函数参数的更新，引入学习率ω表示参数的更新速度，则像素点高斯分布参数按下式更新：

μ

其中d

在对高斯模型进行初始化时，计算所有参加背景建模序列图像中每一像素点的平均灰度值μ

在要求快速生成场景速度的应用场合，可以假设认为第一帧进行学习的图像就是背景图像，因此可以取第一帧图像的像素值来对高斯模型中的高斯分布的均值进行初始化，高斯函数中方差取较大的值进行初始化。

目标的检测就是把当前含有目标的输入图像与背景模型相比较，如果输入图像中的某一部分像素值与相应的背景估计有很大的差值，一般是认为设定一个阈值，则认为此像素值来自目标。在理想条件下，阈值应该随着像素点坐标位置的不同而改变，在对比度比较低的区域，阈值可以较小，而在对比度高的区域，阈值应设大些。

高斯模型中目标的检测方法为，若当前像素值I

|I

高斯算法中也可以根据当前像素值与高斯模型中背景高斯分布均值的比值T

I

在实际的应用过程中，像素点的像素值分布并不一定满足高斯分布，根据像素观测值估计出的高斯分布标准差σ也会过大或者过小，这样就可能出现即使当前像素值和背景高斯模型分布的均值μ非常接近，从而把该像素值判定为目标。

图3示出了本实施例的机场跑道异物检测系统的结构示意图，其中，1为微波探测设备，2为光电监控设备，3为塔架。

本实施例的机场跑道异物检测系统，通过微波探测设备、光电监控设备和AI技术，对跑道异物进行检测和视频图像捕捉，异物相关信息传输至主控平台，在主控平台进行报警和视频图像显示，并判定危险等级(高危、中危、低危三个等级)，后台工作人员根据道面异物危险等级情况，决定是否立即清理跑道异物或跑道停航后清理异物。如需立即清理异物，通过主控平台，向道面异物移除装置发射远程控制指令和跑道异物信息(异物经纬度坐标、大小、形状及相关图片等)，道面异物移除装置根据指令信息，自动规划最优异物移除路径，移除异物，并将异物收集至车载异物存放桶，并回到指定位置，并通知主控平台，跑道异物移除完毕，跑道开放运行。

本实施例的机场跑道异物检测系统具有以下有益效果：

一、跑道相干变化检测滤除。系统通过AI技术和背景滤除算法、高斯背景模型等对影响跑道FOD检测的干扰项(跑道道面纹理、材质、跑道中线灯具、标志标线等)进行滤除，实现跑道FOD的精准检测和识别，提升FOD的检测效率和技术水平。

二、机场道面异物探测系统安装于立式塔架，距离跑道中线105-150米，不影响机场跑道的正常运行，且布置数量少(以一条3600米的4F级跑道为例，只需布设四台)，施工建设成本低。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。