Deep4Air：一种用于机场空侧监视的新型深度学习框架
计算机视觉与模式识别
2021-07-22 v2
摘要
机场跑道与滑行道（空侧）区域是一个高度动态且复杂的环境，在不同能见度和交通条件下呈现出不同类型车辆（速度与尺寸）之间的交互。机场地面移动被视为安全关键活动，空中交通管制员（ATCs）必须维持安全间隔程序。拥有复杂跑道-滑行道系统的大型机场使用先进的地面监视系统。然而，这些系统存在固有局限且缺乏实时分析能力。本文提出一种基于计算机视觉的新型框架，即“Deep4Air”，它不仅能通过对跑道和滑行道上飞机位置的自动视觉监视来增强地面监视系统，还能为跑道和滑行道上的飞机提供实时速度与距离分析。所提框架包含一个用于高效检测与跟踪飞机的自适应深度神经网络。实验结果显示，在模拟数据上检测与跟踪的平均精度高达 99.8%，并在乔治·布什洲际机场数字塔台的监视视频上进行了验证。结果还表明“Deep4Air”能相对于机场跑道与滑行道基础设施高精度定位飞机位置。此外，飞机速度与间隔距离被实时监视，从而提供了增强的安全管理。
引用
@article{arxiv.2010.00806,
title = {Deep4Air: A Novel Deep Learning Framework for Airport Airside Surveillance},
author = {Phat Thai and Sameer Alam and Nimrod Lilith and Phu N. Tran and Binh Nguyen Thanh},
journal= {arXiv preprint arXiv:2010.00806},
year = {2021}
}