通用航空飞行员异常行为检测及预警系统设计与实现
日期:2022.12.30 点击数:12
【类型】期刊
【刊名】实验室研究与探索
【关键词】 检测预警,深度学习,改进YOLOv3,图像视频采集,驾驶异常行为
【摘要】为了实现通用航空飞行安全精准智慧监管,以通用航空飞行员驾驶舱异常行为图像和视频数据为基础,设计了通用航空飞行员异常行为检测预警系统。该系统采用高精度摄像头实现通用航空器驾驶舱飞行员行为动作图像和视频捕获,结合改进的YOLOv3深度学习算法开展飞行员异常行为识别检测并建立声音和灯光告警触发机制,实现飞行员异常行为检测预警可视化。通过树莓派将预警信息上传云端,同步实现图像和视频数据实时存储及可追溯性。经实验测试验证,驾驶舱中飞行员抽烟行为检测准确率达88%、打电话行为检测准确率达92%,表明该系统能稳定且有效实现面向通用航空运行安全的飞行员异常行为检测预警,为下一步开展通用航空器机载原型系统适航工程验证奠定基础。
【年份】2022
【作者单位】中国民用航空飞行学院航空工程学院;中国民用航空飞行学院民航安全工程学院;
【期号】11
【页码】71-75
相关文章
- 1、一种基于改进YOLOv3的遥感影像飞机目标检测算法 作者:袁铭阳,姜挺,王鑫, 年份:2020
- 2、基于深度卷积神经网络的航空器检测与识别 作者:俞汝劼,杨贞,熊惠霖, 年份:2017
- 3、基于深度学习的航空发动机剩余使用寿命预测研究 作者:温海茹, 年份:2021
- 4、基于深度学习的航空发动机剩余使用寿命预测研究 作者:温海茹, 年份:2020
- 5、基于深度学习的航空器异常飞行状态识别 作者:吴奇,储银雪, 年份:2018
- 6、基于多分辨率遥感影像的飞机检测研究 作者:侯宇青阳,全吉成,魏湧明, 年份:2018