基于YOLOv5与Deep-SORT的机场跑道侵入告警技术研究

针对传统的跑道侵入告警设备自动化水平低、安装维护成本较高的问题，通过机场视频系统获取机场场面图像信息，采用YOLOv5对机场场面航空器进行检测；使用轻量化网络ShuffleNetv2对Deep SORT算法进行优化，实现对机场场面航空器的跟踪；根据单目视频采集系统建立坐标转换和测距模型，对机场场面航空器与跑道中线的距离进行准确测量，根据地面保护区设置合适的阈值实现跑道侵入告警。实验结果表明，优化后的模型平均处理时间降低了2564%，模拟环境下航空器距跑道中心线11、18和43 cm的测距平均误差分别为002、001和001 cm，跑道侵入告警准确率为9586%，该模型实时性好、准确率高，能够有效预防跑道侵入事件的发生。