دانلود مقاله انگلیسی رایگان:چارچوب بینایی کامپیوتری با استفاده از شبکه‌های عصبی کانولوشن برای نظارت در فرودگاه - 2022
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • A computer vision framework using Convolutional Neural Networks for airport-airside surveillance A computer vision framework using Convolutional Neural Networks for airport-airside surveillance
    A computer vision framework using Convolutional Neural Networks for airport-airside surveillance

    دسته بندی:

    بینایی ماشین - Machine vision


    سال انتشار:

    2022


    عنوان انگلیسی مقاله:

    A computer vision framework using Convolutional Neural Networks for airport-airside surveillance


    ترجمه فارسی عنوان مقاله:

    چارچوب بینایی کامپیوتری با استفاده از شبکه‌های عصبی کانولوشن برای نظارت در فرودگاه


    منبع:

    ScienceDirect- Elsevier- Transportation Research Part C, 137 (2022) 103590: doi:10:1016/j:trc:2022:103590


    نویسنده:

    Phat Thai


    چکیده انگلیسی:

    Modern airports often have large and complex airside environments featuring multiple runways, with changing configurations, numerous taxiways for effective circulation of flights and tens, if not hundreds, of gates. With inherent uncertainties in gate push-back and taxiway routing, efficient surveillance and management of airport-airside operations is a highly challenging task for air traffic controllers. An increase in air traffic may lead to gate delays, taxiway congestion, taxiway incursions as well as significant increase in the workload of air traffic controllers. With the advent of Digital Towers, airports are increasingly being equipped with surveillance camera systems. This paper proposes a novel computer vision framework for airport-airside surveillance, using cameras to monitor ground movement objects for safety enhancement and operational efficiency improvement. The framework adopts Convolutional Neural Networks and camera calibration techniques for aircraft detection and tracking, push-back prediction, and maneuvering monitoring. The proposed framework is applied on video camera feeds from Houston Airport, USA (for maneuvering monitoring) and Obihiro Airport, Japan (for push-back prediction). The object detection models of the proposed framework achieve up to 73.36% average precision on Houston airport and 87.3% on Obihiro airport. The framework estimates aircraft speed and distance with low error (up to 6 meters), and aircraft push-back is predicted with an average error of 3 min from the time an aircraft arrives with the error-rate reducing until the aircraft’s actual push-back event.
    keywords: Air traffic control | Convolutional Neural Network | Computer vision


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 17
    حجم فایل: 3638 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 739 :::::::: بازدید دیروز: 9785 :::::::: بازدید کل: 24657 :::::::: افراد آنلاین: 13