面向智能视频监控的空中交通管制员图像分割

• 全文链接
• 请求原文

作   者：

王超;  董杰;  陈含露; 

作者机构：

中国民航大学空中交通管理学院; 

关键词：

空中交通管制员;  复杂场景;  实例分割;  安全工程;  智能视频监控; 

期刊名称：

安全与环境学报

i s s n：

1009-6094

年卷期：

2024 年 24 卷 001 期

页   码：

206-212

摘   要：

为解决复杂场景下空中交通管制员检测与分割精度低、鲁棒性差的问题,提出一种基于掩码区域卷积神经网络(Mask Region-based Convolutional Neural Networks,Mask R-CNN)的管制员图像分割模型ATC Mask R-CNN(ATC Mask Region-based Convolutional Neural Networks).首先,构建管制员监控图像数据集(ATC Monitor Image Dataset,AMID)并用于模型训练、测试;其次,在主干网络中引入瓶颈注意力模块(Bottleneck Attention Module,BAM)以增强管制员特征提取,采取改进的柔性非极大值抑制算法(Soft Non-maximum Suppression,Soft-NMS)替代NMS算法进行候选框选取,提高对遮挡目标的检测分割;最后,基于AMID进行管制员图像分割试验.结果显示:ATC Mask R-CNN的精确率、召回率和平均精度分别为96.49%、95.62%和88.84%,表明了该方法的有效性.与Mask R-CNN相比,ATC Mask R-CNN有效降低了复杂场景的不利影响,更适用于管制员工作场景,可以为管制大厅安全管理自动化应用提供技术支撑.