document.write('
')

当前位置:   金科网 > 人工智能 > 正文

图片 人工智能技术在机场安全服务应用中的研究

人工智能技术在机场安全服务应用中的研究

  图:人工智能系统对汽车精准识别 二连浩特机场供图

  民航资源网2019年3月29日消息:民航智慧型机场建设正在如火如荼地进行中,二连机场从哪里建,从什么业务上建,是我们分析研究的焦点。当今,人工智能(AI)技术日新月异,在物品识别、文字识别、人脸识别、运动轨迹分析等方面应用非常广泛。在国际与国内,AI技术代码的研究都非常成熟,国际上的一些著名公司、著名研究团队都参与其中,国内也有许多优秀科技公司、技术团队投身于人工智能产品研发。

  人工智能在机场安全运营中的应用

  针对二连机场AI技术应用现状分析,可从以下几个方面通过利用现有成熟人工智能技术应用提高效率和安全裕度:一是人脸识别验证登机提高效率;二是人工智能辅助X光机物品识别;三是人工智能围界监控报警;四是人工智能跑道防入侵等。其中,对比目前的防跑道入侵系统,通过人工智能方式防范跑道入侵,相对于其他物理方式,可减少基础设施投入及后期室外维护,因此我们着重从人工智能辅助跑道入侵方面进行深入研究。

图片 人工智能技术在机场安全服务应用中的研究

  图:人工智能系统对飞机精准识别             二连浩特机场供图

  人工智能防跑道入侵实践研究

  我们本阶段的研究思路是,利用人工智能(AI)的神经网络技术分析动态视频监控图像,智能识别跑道上的物体,产生提醒报警,包括除飞机外的其他物体(人、车、活体动物)。

图片 人工智能技术在机场安全服务应用中的研究

  图:系统显示运行良好             二连浩特机场供图

  研究的软件开放语言为python,人工智能系统采用Google的tensorflow神经网络开源代码和训练好的神经网络模型。硬件采取海康IP摄像机,使用配置为win10操作系统、cpuInteli5、16G内存的联想计算机。

  搭建起硬件环境较为容易,摄像机接入网络,配置好IP地址,计算机便可访问到监控图像。而搭建软件环境则较复杂,也需要较长的时间,需调试各种软件系统的兼容性,使用已经训练好的神经网络模型,调试相关参数。

  最新研究成果显示

  一是软硬件系统运行良好。软件系统开放两个进程,并行处理图像,设定图像分辨率为800*450,每0.8秒处理一幅图像。从获得的数据看,处理一幅图需用时0.12秒,(笔记本上需时0.25秒),稳定状态下CPU占用不超过10%,内存占用不超过1.5GB,不影响计算机处理其他调整图像。

  二是大物体识别效果明显。使用现有神经网络模型识别物体时,人工智能系统对飞机或车辆等较大物体可准确识别出。物体在图中比例越大,可识别的可能性越大。摄像机物理距离相距跑道或物体越近,可识别性越大。

  三是小物体静态放大识别。使用现有神经网络模型对跑道上包括人体及以下体积如猫或狗等小物体辨识不敏感。如果摄像机内摄入的跑道长度如果是200米,那么一个人在跑道上图片所占像素大约只有4个,可识别性较差或不敏感。更小的物体,如狗猫等小动物可能被忽略,但放大静态倍数后可被辨认识别。

  在研究过程中存在的问题主要集中在人工智能神经网络模型再训练上,研究过程中人工智能还未充分发挥其最重要的再学习能力优势。

图片 人工智能技术在机场安全服务应用中的研究

  图:人工智能系统对人体精准识别         二连浩特机场供图

  未来改进提高小物体识别概率

  选择合适的摄像头位置,通过模拟跑道现场,获得稳定一致的大数量图像,充分利用人工智能可训练机制,在现有模型基础上训练本场景神经网络模型,再用于跑道入侵识别,让人工智能系统识别出跑到入侵后的小体积物品。随着训练数量的增多,识别率会达到人的水平,而且系统比人更忠于职守。另外,需要更多人工智能软件专业技术人员,进行系统维护并整理研究过程中获取的大量图像数据。

  未来二连机场人工智能跑道防入侵系统建设

  待研究成熟后,二连机场将使用人工智能技术进行跑道入侵防范,在硬件设备方面,二连浩特机场现有跑道2800米,需要4台服务器、14台摄像机,可选择万元左右的视频工作站(或服务器),每个工作站同时处理4台摄像机,就可实现跑道全监控。

  未来人工智能应用展望