基于 Mask RCNN 与无人机图像的飞机型号识别

为解决机场交通瓶颈问题，仅进行飞机目标检测是不够的。每个机场通常拥有多种具有不同物理与技术需求以及不同服务需求的飞机。检测新飞机的出现并不能解决所有交通拥堵问题。相反，识别飞机型号将彻底解决问题，因为这将提供有关飞机技术规格（即所需服务时间及其在机场的合适位置）的重要信息。若干研究为缓解机场交通拥堵作出了各种贡献；然而，其最终目标仅是确定飞机目标的存在。本文提供一种实用方法，基于飞机检测过程使用掩码区域卷积神经网络（mask region convolution neural network，Mask RCNN）给出的结果来识别机场中的飞机型号。用于识别飞机型号的关键特征是根据飞机检测结果计算得到的表面积。该表面积用于评估估计的客舱长度，后者被视为识别飞机型号的附加关键特征。任何被检测飞机的长度可通过测量其两个最远点间的距离得出。所提方法的性能通过平均准确率和混淆矩阵进行评估。结果表明该方法是可靠的。该方法将极大助力机场交通拥堵管理。