基于KCF的跑道侵入研究
时间：2020-06-27 03:29:56 来源：达达文档网 本文已影响 人 
李行 杨昌其 贤继佳
摘要：
针对目前机场跑道安全问题，在跑道运行过程当中，会出现其他航空器侵入跑道的现象，针对这种不安全因素，提出在跑道安全区及滑行道附近安装摄像头的方法，获取跑道航空器实时运行数据。采用核化相关滤波跟踪技术，对跑道内航空器进行检测，对非法进入跑道的航空器进行预警，以提高机场中跑道安全保障。通过对航空器数据集的测试，尺寸变化较小的情况下，准确度达到了85%以上，识别速度能够达到实时的需要，可以作为一种预防跑道侵入的新手段。
Abstract：
In view of the current airport runway safety issues， during the runway operation， other aircraft will invade the runway. In response to this unsafe factor， a method of installing cameras in the runway safety zone and near the taxiway is proposed to obtain real-time operation data of the runway aircraft. Kernelized Correlation Filter tracking technology is used to detect aircraft on the runway and provide early warning to aircraft illegally entering the runway to improve the safety of the runway in the airport. Through the test of the aircraft data set， the accuracy is more than 85% when the size change is small， and the recognition speed can meet the real-time needs， which can be used as a new method to prevent runway incursions.
关键词：
跑道侵入;跑道安全;目标检测;核化相关滤波
Key words：
runway incursion;runway safety;object detection;Kernelized Correlation Filter
中图分类号：V328 文献标识码：A 文章编号：1006-4311（2020）15-0103-04
0 引言
近年来，民航业发展迅速，各类军民机场在全国各地建设，以应对急剧增长的客运和貨运量，随之而来的，机场的运载承受能力遭到严重的考验。在保障机场正常运行中，跑道安全是其中最重要的内容，跑道承担着航空器飞机起降，保障跑道安全也是保障起降的重要因素。自2016虹桥“1011跑道侵入事件”以来，险些造成严重航空事故，这也给中国民航敲响安全的警钟，在此基础上，跑道侵入问题更加成为民航跑道安全保障中需要重视的一个环节。国际民航组织（ICAO）将跑道侵入定义为：在机场发生的任何飞机、车辆或人员不正确地出现在指定用于飞机着陆和起飞的地面保护区的事件[1]。根据国际民航组织给出的定义，我们可以知道，在跑道及保护区出现不该出现的车辆人员都将被视为跑道侵入。根据现今的研究和发展，对跑道侵入的预防还没有行之有效的方法，还处于依靠场面雷达和人工检测的阶段，这样的方法虽然也能一定程度上避免跑道侵入，保证跑道安全，但是还有很大的发展空间。视频图像技术的快速发展，从而使目标跟踪技术也有了长足的进步。虽然目标跟踪技术已经在智能监控、人机交互等多个领域有了广泛的应用，但是有些方面方面还不能达到我们的要求，比如精度还需要提高 [2]。虽然目标跟踪发展的非常迅速，但是在民航领域应用较少，并没有相应的机场及单位通过视频图像的提取，将目标跟踪检测作为预防跑道侵入的手段，在跑道安全亟需得到保证的前提下，如何将目标跟踪应用到预防跑道侵入上是民航领域的一个热点。通过研究，在跑道安全区附近安装摄像头，获取跑道运行情况，是目前比较可行的实施方案。
目标跟踪算法目前主要分为生成式目标跟踪算法和判别式目标跟踪算法。生成式模型主要通过统计学的方法进行检测，可以反应各个区域与目标物体的相似程度，却不需要关心这个区域在哪个位置。在图像区域内整个范围内进行搜索，完成目标定位。判别式目标跟踪将目标跟踪看作是一个二元分类问题，同时提取目标和背景信息用来训练分类器，将目标区域作为正样本，背景区域作为负样本，将目标从图像序列背景中分离出来，从而得到当前帧的目标位置。在多种跟踪方法中，基于相关滤波的跟踪算法成为主流跟踪算法，基于相关滤波的跟踪方法具有速度快、精度高、稳健性好的特点[3]。
本文主要针对的是特定的应用研究，提出了用核化相关滤波（KCF）目标跟踪算用于检测机场跑道中航空器物体，在检测到发生跑道侵入的情况或者是出现冲突的情况下，将检测结果告知飞行员以及管制员，发出告警，使管制员和机组人员采取相应措施，减少跑道侵入，保障跑道安全。
1 跑道侵入类型
根据中国民航局机场司和空管办联合下发的《防止机场地面车辆和人员跑道侵入管理规定》[4]中明确规定，跑道保护区是由跑道的地面保护区和空中保护区组成。如图1所示。所以，我们可以认为跑道侵入发生的情况可能会发生在地面，也有可能发生在空中。
根据跑道侵入定义以及发生跑道侵入事件进行分析，可以大体分为三类威胁跑道安全的情况。第一种情况：在航空器进行起飞或降落时，跑道当中有航空器在跑道交叉的滑行道滑行并穿越跑道，如图2所示，这种情况定义为穿越冲突，虹桥1011事件也是此类情景。
第二种情况：在航空器进行落地时，此时有航空器进入跑道进行起飞，如图3所示，此时跑道已经被占用，构成了飞行间的冲突，此种情况下会造成对头冲突，后果严重。
第三种情况则是一架航空器进行起飞滑跑时，跑道已经被占用，此时有另一架航空器也进入跑道，这种情况下则会造成相向冲突，如图4所示。降落情景和起飞情景类似。
针对以上三种跑道侵入类型，则都是在跑道被占用的情况下，而继续使航空器进入跑道，造成跑道侵入的现象，大多数情况下，发生跑道侵入是没有预警的。如果在安全区附近安装摄像头，在跑道被占用情况下，如果检测到跑道安全区出现未经许可的航空器，此时发出告警，人员及时进行调控，可以有效减少出现跑道侵入的现象。
2 核相关滤波算法
基于相关滤波（CF）的跟踪算法属于判别式跟踪算法。2010年Bolme等[5]提出将相关滤波（CF）应用于目标跟踪领域，并在此基础上提出了最小均方差滤波器（MOSSE），从此相关滤波的思想则进入目标跟踪领域，相关滤波是信号处理领域的概念，用来描述两个信号相似程度。一般情况下，输入信号和响应之间是一一对应的，输出响应越大，则代表着两个信号越相近。相关滤波跟踪算法中通过响应图像的值判断候选位置与初始化目标的相关性，响应值越大，则相关性越大，在响应值最大的位置，则认为是此刻的跟踪目标位置，从而确定了跟踪目标位置。为了提高运算的速度，将时域的卷积运算转换到频域的点成，通过这样的操作，大大降低了运算复杂度，提高了效率，这也为后来的跟踪算法奠定了一个理论基础。Henriques等人[6]于2012年提出核循环结构（CSK）算法，样本的提取方式有随机采样和稠密采样，随机采样虽然可以更全面的采集图像像素信息，但是却不可避免的会产生图像之间的重叠，会造成外观模型没有更好的体现，也会造成采集过多无用信息，为了改善样本提取问题，选取循环采样。为了提升算法性能，Henriques等[7]在相关滤波中引入核空间，提出了核相关滤波算法（KCF），在算法中采用多通道梯度方向直方圖（HOG）特征，以改善之前只采取单通道灰度特征的缺点，通过核函数将线性空间的岭回归问题映射到非线性空间，提高了高维特征空间中样本分类的速度。
核相关滤波的核心思想是相关性，因此提出以滤波器作为模板，获取输出响应，进而获得最大响应处的位置。在此理论基础上，核相关滤算法跟踪算法的核心也就是滤波器进行构造，滤波器在时域公式为式（1）：
g=f*h（1）
式（1）中h为滤波器模板，也就是我们想要得出的内容，g为输出相应，f为输入图像，*表示卷积。
由于矩阵的卷积运算过于复杂，为了提高运算速度，则要通过快速傅里叶变换，从而使计算空域中的卷积计算变为频域中的点乘计算，从而简化了运算，从而达到了提高跟踪速度的目的，变换为式（2）：
G=F·H*（2）
H*为滤波模板h的复共轭形式，F为输入样本图像f的傅里叶变换，G则是输出响应g的傅里叶变换，。最终变化得到滤波器模板公式为式（3）：
目标识别需要在多次重复情况下完成训练，另外考虑到目标的外观变换影响，则需要将多个目标图像作为训练样本，以获得准确的滤波器模板。同时引入最小平方差的概念，通过随机放射变换生成多个样本求平方差误差的最小值，即：
KCF算法改善了MOSSE算法中只采用单通道灰度特征的缺点图像，单通道灰度特征表达能力有限，在复杂场景中容易丢失跟踪目标，虽然速度较快但准确率不足，并通过循环采样的方式，降低了运算复杂度。假设一个1×n的矢量，表示目标物体的图像信息，记为x。我们将其称为基础样本。我们的目标是使用一个包括基础样本和一些通过平移获得的虚拟样本用来训练分类器。
使用置换矩阵P对唯一的目标区域样本图像进行循环移位，得到训练样本集合{Pix│i=0，…，n-1}。其中：
P= 0 0 … 0 0 1 1 0 … 0 0 0 0 1 … 0 0 0┆ ┆ ┆ ┆ ┆ 0 0 … 1 0 0 0 0 … 0 1 0（7）
为了计算样本平移的回归值，我们可以使用一组方程（7）作为矩阵的X行运算，记Xi为循环移动i位后的训练样本，Xi=Pix，？坌i=0，1，…，n-1构成循环矩阵X，此时构建了训练样本X。
X=C（x）= x1 x2 … xn-2 xn-1 xn xn x1 … xn-3 xn-2 xn-1 xn-1 xn-2 … xn-4 xn-3 xn-2 ┆ ┆ ┆ ┆ ┆ x3 x4 … x4 x3 x2 x2 x2 … x3 x2 x1（8）
