本申请涉及一种基于图像分析的预警方法及系统，涉及飞行器的技术领域，其方法包括实时获取飞行设备在跑道中行驶的行驶视频；基于行驶视频进行图像拼接得到若干移动图像；将若干移动图像输入预先训练好的第一深度学习模型筛选出包含第一特征对象及第二特征对象的若干特征图像；将所有的特征图像输入预先训练好的第二深度学习模型，得到包含第一特征对象的第一标注框以及包含第二特征对象的第二标注框；基于第一标注框中的第一特征点及第二标注框中的第二特征点得到两者的像素间距；基于像素间距得到飞行设备在跑道中的偏移量；以及，当偏移量大于预设第一值时发送预警信号。本申请具有能够自动分析飞机是否偏离跑道的中心位置的效果。
1.一种基于图像分析的预警方法，其特征在于，包括：
实时获取飞行设备在跑道中行驶的行驶视频；所述行驶视频内包含飞行设备中的第一特征对象及所述跑道中的第二特征对象；
将若干所述移动图像输入预先训练好的第一深度学习模型筛选出包含第一特征对象及第二特征对象的若干特征图像；
将所有的所述特征图像输入预先训练好的第二深度学习模型，得到包含第一特征对象的第一标注框以及包含第二特征对象的第二标注框；
基于所述第一标注框中的第一特征点及第二标注框中的第二特征点得到两者的像素间距；
基于所述像素间距得到所述飞行设备在所述跑道中的偏移量；以及，当所述偏移量大于预设第一值时发送预警信号；
通过安装于飞行设备的机身下腹部的高速摄像机采集飞行设备在跑道中行驶的行驶视频，高速摄像机能够与处理器相通信，高速摄像机实时将拍摄的视频图像发送至处理器，进而处理器能够实时获取飞行设备在跑道中行驶的行驶视频；第一特征对象是飞行设备的主起落架的接地点，第二特征对象是跑道中粘贴或者绘制的标志图案；
步骤202、对跟踪区域进行跟踪进而获得相邻两帧中第一特征对象的移动量；
步骤204、在得到预设数量的待拼接图像之后，对得到预设数量的待拼接图像进行拼接得到其中一移动图像；
步骤205、在得到其中一移动图像后，进行下一移动图像的获取；
行驶视频由若干帧图像组成，处理器按照帧的顺序依次获取行驶视频的图像；设定跟踪区域的方法是：先人工划定的跟踪区域，对第一特征对象及第二特征对象所处区域进行背景建模；对于后续帧的图像，均与背景建模的图像进行图像差值处理和图像二值化处理，确定出相应图像中的跟踪区域；
步骤S301、将得到的待拼接图像进行保存得到预设数量的待拼接图像后得到预设数量的待拼接图像占用内存之和；
步骤S302、基于总占用内存申请内存空间；申请的内存空间不小于内存之和；以及，步骤S303、按照帧的顺序依次将待拼接图像复制至内存空间中，进行图像拼接；
得到每一待拼接图像后，仅保存待拼接图像而不直接进行拼接，等得预设数量的待拼接图像后再进行图像拼接；
步骤S401、基于当前的N组偏移量得到N组偏移量的偏移量平均值、最大偏移量；
步骤S402、基于当前的N组偏移量得到偏移量平均值位于N组偏移量数据中相邻两组数据之间的次数n；
步骤S403、当次数n大于预设次数、最大偏移量大于预设的偏移阈值及偏移量平均值大于预设的第一偏移量，则判定飞行设备处于第一行驶状态；以及，步骤S404、将飞行设备处于第一行驶状态的信息发送至外部设备；
第一行驶状态是飞行设备受到外界天气影响，较强的气流，当次数n大于预设次数、最大偏移量大于预设的偏移阈值及偏移量平均值大于预设的第一偏移量，则处理器判定飞行设备处于第一行驶状态，此后处理器将第一行驶状态信息发送至外部设备，供外部设备进行参考是否采用当前的数据判定飞行设备的偏移程度；
基于图像采集设备的内外部参数及镜头畸变参数对获取的帧图像进行畸变矫正。
2.根据权利要求1所述的一种基于图像分析的预警方法，其特征在于，基于所述行驶视频进行图像拼接得到若干移动图像之后，还包括：依据所述移动图像的生成时间为移动图像配置时间属性信息，所述方法还包括：
基于所述偏移量及其对应的时间属性信息生成偏移曲线；
将本次的偏移曲线与偏移曲线库中的若干个偏移曲线进行比对得到对应的匹配度；
将所有的所述匹配度进行加权求和得到本次的偏移曲线的匹配特征值；
当所述匹配特征值大于预设值时，将所述偏移曲线存储至所述偏移曲线库并将所述偏移曲线发送至外部终端。
3.一种基于图像分析的预警系统，其特征在于，包括：
第一获取模块，用于实时获取飞行设备在跑道中行驶的行驶视频；所述行驶视频内包含飞行设备中的第一特征对象及所述跑道中的第二特征对象；
第一处理模块，用于基于所述行驶视频进行图像拼接得到若干移动图像；
第二处理模块，用于将若干所述移动图像输入预先训练好的第一深度学习模型筛选出包含第一特征对象及第二特征对象的若干特征图像；
第三处理模块，用于将所有的所述特征图像输入预先训练好的第二深度学习模型，得到包含第一特征对象的第一标注框以及包含第二特征对象的第二标注框；
第四处理模块，用于基于所述第一标注框中的第一特征点及第二标注框中的第二特征点得到两者的像素间距；
第五处理模块，用于基于所述像素间距得到所述飞行设备在所述跑道中的偏移量；
第六处理模块，当所述偏移量大于预设第一值时发送预警信号；
通过安装于飞行设备的机身下腹部的高速摄像机采集飞行设备在跑道中行驶的行驶视频，高速摄像机能够与处理器相通信，高速摄像机实时将拍摄的视频图像发送至处理器，进而处理器能够实时获取飞行设备在跑道中行驶的行驶视频；第一特征对象是飞行设备的主起落架的接地点，第二特征对象是跑道中粘贴或者绘制的标志图案；
步骤202、对跟踪区域进行跟踪进而获得相邻两帧中第一特征对象的移动量；
步骤204、在得到预设数量的待拼接图像之后，对得到预设数量的待拼接图像进行拼接得到其中一移动图像；
步骤205、在得到其中一移动图像后，进行下一移动图像的获取；
行驶视频由若干帧图像组成，处理器按照帧的顺序依次获取行驶视频的图像；设定跟踪区域的方法是：先人工划定的跟踪区域，对第一特征对象及第二特征对象所处区域进行背景建模；对于后续帧的图像，均与背景建模的图像进行图像差值处理和图像二值化处理，确定出相应图像中的跟踪区域；
步骤S301、将得到的待拼接图像进行保存得到预设数量的待拼接图像后得到预设数量的待拼接图像占用内存之和；
步骤S302、基于总占用内存申请内存空间；申请的内存空间不小于内存之和；以及，步骤S303、按照帧的顺序依次将待拼接图像复制至内存空间中，进行图像拼接；
得到每一待拼接图像后，仅保存待拼接图像而不直接进行拼接，等得预设数量的待拼接图像后再进行图像拼接；
步骤S401、基于当前的N组偏移量得到N组偏移量的偏移量平均值、最大偏移量；
步骤S402、基于当前的N组偏移量得到偏移量平均值位于N组偏移量数据中相邻两组数据之间的次数n；
步骤S403、当次数n大于预设次数、最大偏移量大于预设的偏移阈值及偏移量平均值大于预设的第一偏移量，则判定飞行设备处于第一行驶状态；以及，步骤S404、将飞行设备处于第一行驶状态的信息发送至外部设备；
第一行驶状态是飞行设备受到外界天气影响，较强的气流，当次数n大于预设次数、最大偏移量大于预设的偏移阈值及偏移量平均值大于预设的第一偏移量，则处理器判定飞行设备处于第一行驶状态，此后处理器将第一行驶状态信息发送至外部设备，供外部设备进行参考是否采用当前的数据判定飞行设备的偏移程度；
基于图像采集设备的内外部参数及镜头畸变参数对获取的帧图像进行畸变矫正。
4.一种计算机设备，其特征在于：包括存储器和服务器，所述存储器上存储有被服务器加载并执行的如权利要求1至2中任一方法的计算机程序。
5.一种计算机可读存储介质，其特征在于，存储有能够被服务器加载并执行如权利要求1至2中任一方法的计算机程序。
一种基于图像分析的预警方法及系统
技术领域
[0001] 本申请涉及飞行器的技术领域，尤其是涉及一种基于图像分析的预警方法及系统。
背景技术
[0002] 最小操纵速度是指飞机在起飞或进场时，关键发动机忽然失效，只使用空气动力控制系统能够恢复飞行控制，并且利用正常飞行技能且方向舵操纵力不超过150磅能使飞行继续安全进行的最小速度。若最小操纵速度过大容易造成前轮离地基至起飞，过小则容易成飞机偏跑道中心线。
[0003] 在相关技术中，通过拍摄飞机起飞时的视频，通过人工分析所拍摄的视频判断飞机是否偏离跑道的中心位置，进而判断最小操纵速度是否满足要求。如何能够自动分析飞机是否偏离跑道的中心位置是需要攻克的技术难点。
发明内容
[0004] 为了能够自动分析飞机是否偏离跑道的中心位置，本申请提供了一种基于图像分析的预警方法及系统。
[0005] 第一方面，本申请提供的一种基于图像分析的预警方法采用如下的技术方案。
[0006] 一种基于图像分析的预警方法，包括：
[0007] 实时获取飞行设备在跑道中行驶的行驶视频；所述行驶视频内包含飞行设备中的第一特征对象及所述跑道中的第二特征对象；
[0008] 基于所述行驶视频进行图像拼接得到若干移动图像；
[0009] 将若干所述移动图像输入预先训练好的第一深度学习模型筛选出包含第一特征对象及第二特征对象的若干特征图像；
[0010] 将所有的所述特征图像输入预先训练好的第二深度学习模型，得到包含第一特征对象的第一标注框以及包含第二特征对象的第二标注框；
[0011] 基于所述第一标注框中的第一特征点及第二标注框中的第二特征点得到两者的像素间距；
[0012] 基于所述像素间距得到所述飞行设备在所述跑道中的偏移量；以及，[0013] 当所述偏移量大于预设第一值时发送预警信号。
[0014] 通过采用上述技术方案，当偏移量大于预设第一值时表征飞行设备已经跑偏，此时处理器发送预警信号至外部设备，本申请的技术方案能够自动对飞行设备的行驶视频进行自动分析，能够自动判断飞机是否偏离跑道的中心位置。
[0015] 可选的，基于所述行驶视频进行图像拼接得到移动图像的方法包括：
[0016] 依次获取所述行驶视频的一帧图像；
[0017] 设定所述图像的跟踪区域；所述跟踪区域包含第一特征对象及第二特征对象；
[0018] 对所述跟踪区域进行跟踪进而获得相邻两帧中所述第一特征对象的移动量；
[0019] 基于所述移动量获得相匹配的待拼接图像；
[0020] 在得到预设数量的待拼接图像之后，对得到预设数量的所述待拼接图像进行拼接得到其中一所述移动图像；以及，
[0021] 在得到其中一所述移动图像后，进行下一移动图像的获取。
[0022] 可选的，对得到预设数量的所述待拼接图像进行拼接，包括：
[0023] 将得到的所述待拼接图像进行保存；
[0024] 得到预设数量的所述待拼接图像后得到预设数量的待拼接图像占用内存之和；
[0025] 基于总占用内存申请内存空间；申请的所述内存空间不小于所述内存之和；以及，[0026] 按照帧的顺序依次将待拼接图像复制至所述内存空间中，进行图像拼接。
[0027] 可选的，所述方法还包括：
[0028] 基于当前的N组偏移量得到所述N组偏移量的偏移量平均值、最大偏移量；
[0029] 基于当前的N组偏移量得到所述偏移量平均值位于所述N组偏移量数据中相邻两组数据之间的次数n；
[0030] 当所述次数n大于预设次数、所述最大偏移量大于预设的偏移阈值及所述偏移量平均值大于预设的第一偏移量，则判定所述飞行设备处于第一行驶状态；以及，[0031] 将所述飞行设备处于第一行驶状态的信息发送至外部设备。
[0032] 可选的，获取所述行驶视频的一帧图像之后，还包括：
[0033] 基于图像采集设备的内外部参数及镜头畸变参数对获取的所述帧图像进行畸变矫正。
[0034] 可选的，基于所述行驶视频进行图像拼接得到若干移动图像之后，还包括：依据所述移动图像的生成时间为移动图像配置时间属性信息，
[0035] 所述方法还包括：
[0036] 基于所述偏移量及其对应的时间属性信息生成偏移曲线；
[0037] 将本次的偏移曲线与偏移曲线库中的若干个偏移曲线进行比对得到对应的匹配度；
[0038] 将所有的所述匹配度进行加权求和得到本次的偏移曲线的匹配特征值；
[0039] 当所述匹配特征值大于预设值时，将所述偏移曲线存储至所述偏移曲线库并将所述偏移曲线发送至外部终端。
[0040] 第二方面，本申请提供的一种基于图像分析的预警方法采用如下的技术方案。
[0041] 一种基于图像分析的预警系统，包括：
[0042] 第一获取模块，用于实时获取飞行设备在跑道中行驶的行驶视频；所述行驶视频内包含飞行设备中的第一特征对象及所述跑道中的第二特征对象；
[0043] 第一处理模块，用于基于所述行驶视频进行图像拼接得到若干移动图像；
[0044] 第二处理模块，用于将若干所述移动图像输入预先训练好的第一深度学习模型筛选出包含第一特征对象及第二特征对象的若干特征图像；
[0045] 第三处理模块，用于将所有的所述特征图像输入预先训练好的第二深度学习模型，得到包含第一特征对象的第一标注框以及包含第二特征对象的第二标注框；
[0046] 第四处理模块，用于基于所述第一标注框中的第一特征点及第二标注框中的第二特征点得到两者的像素间距；
[0047] 第五处理模块，用于基于所述像素间距得到所述飞行设备在所述跑道中的偏移量；
[0048] 第六处理模块，当所述偏移量大于预设第一值时发送预警信号。
[0049] 可选的，所述第一处理模块包括：
[0050] 第一处理子模块，用于依次获取所述行驶视频的一帧图像；
[0051] 第二处理子模块，用于设定所述图像的跟踪区域；所述跟踪区域包含第一特征对象及第二特征对象；
[0052] 第三处理子模块，用于对所述跟踪区域进行跟踪进而获得相邻两帧中所述第一特征对象的移动量；
[0053] 第四处理子模块，用于基于所述移动量获得相匹配的待拼接图像；
[0054] 第五处理子模块，用于在得到预设数量的待拼接图像之后，对得到预设数量的所述待拼接图像进行拼接得到其中一所述移动图像；
[0055] 其中，在得到其中一所述移动图像后，进行下一移动图像的获取。
[0056] 第三方面，本申请公开一种计算机设备，包括存储器和服务器，所述存储器上存储有被服务器加载并执行上述的任一方法的计算机程序。
[0057] 第四方面，本申请公开一种计算机可读存储介质，存储有能够被服务器加载并执行上述的任一方法的计算机程序。
附图说明
[0058] 图1是本申请一种基于图像分析的预警方法的其中一种实施方式的流程图；
[0059] 图2是本申请一种基于图像分析的预警方法的另一种实施方式的流程图；
[0060] 图3是本申请一种基于图像分析的预警方法的另一种实施方式的流程图；
[0061] 图4是本申请一种基于图像分析的预警方法的另一种实施方式的流程图；
[0062] 图5是本申请实施例一种基于图像分析的预警系统的系统框图；
[0063] 图中，501、第一获取模块；502、第一处理模块；503、第二处理模块；504、第三处理模块；505、第四处理模块；506、第五处理模块；507、第六处理模块。
具体实施方式
[0064] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图1‑5及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0065] 本申请实施例公开一种基于图像分析的预警方法。参照图1，作为一种基于图像分析的预警方法的一种实施方式，一种基于图像分析的预警方法包括以下步骤：
[0066] 步骤101、实时获取飞行设备在跑道中行驶的行驶视频。
[0067] 行驶视频内包含飞行设备中的第一特征对象及跑道中的第二特征对象。
[0068] 具体地，可以通过安装于飞行设备的机身下腹部的高速摄像机采集飞行设备在跑道中行驶的行驶视频，高速摄像机能够与处理器相通信，通信的方式可以是无线的，也可以是有线的。高速摄像机实时将拍摄的视频图像发送至处理器，进而处理器能够实时获取飞行设备在跑道中行驶的行驶视频。第一特征对象可以是飞行设备的主起落架的接地点，第二特征对象可以是跑道中粘贴或者绘制的标志图案。
[0069] 步骤102、基于行驶视频进行图像拼接得到若干移动图像。
[0070] 具体地，由于飞行设备的移动速度较快，直接利用行驶视频中的帧图像进行数据分析容易导致分析得到的误差率较高，因此需要对行驶视频进行处理得到若干移动图像，进而提高识别结果的准确性。
[0071] 步骤103、将若干移动图像输入预先训练好的第一深度学习模型筛选出包含第一特征对象及第二特征对象的若干特征图像。
[0072] 具体地，深度学习模型是机器学习的一个分支，深度学习模型是一种使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。训练第一深度学习模型时，需要使用大量包含第一特征对象及第二特征对象的图像进行训练及校正，当第一深度学习模型的准确率达到预设要求时可以判定第一深度学习模型已经训练好。将若干移动图像输入预先训练好的第一深度学习模型，第一深度学习模块筛选出包含第一特征对象及第二特征对象的若干特征图像并进行输出。
[0073] 步骤104、将所有的特征图像输入预先训练好的第二深度学习模型，得到包含第一特征对象的第一标注框以及包含第二特征对象的第二标注框。
[0074] 具体地，第一深度学习模型与第二深度学习模型可以是一个总的学习模型的两个子部分，也可以是两个不同的深度学习模型，也可以是同一个深度学习模型。处理器将所有的特征图像输入预先训练好的第二深度学习模型，第二深度学习模型进行处理后输出包含第一特征对象的第一标注框以及包含第二特征对象的第二标注框。
[0075] 步骤105、基于第一标注框中的第一特征点及第二标注框中的第二特征点得到两者的像素间距。
[0076] 具体地，第一特征点可以是第一标注框的中心点，第二特征点可以是第二标注框的中心点，通过读取第一特征点在特征图像中的像素位置及第二特征点在特征图像中的像素位置得到两者的像素距离。
[0077] 步骤106、基于像素间距得到飞行设备在跑道中的偏移量。
[0078] 具体地，由于高速摄像机的位置固定，每次拍摄的图像大小一致，因此可以通过上述的像素距离得到飞行设备在跑道中的偏移量。例如，在飞行设备起飞前，由工作人员预先测量第一特征对象的中心与第二特征对象的中心的距离，此后测量或计算得到第一特征的中心与第二特征对象的中心在拍摄的图像像素间距，进而得到两者的比例，通过多次测量并进行误差处理后得到对应的比例，进而在得到第一标注框中的第一特征点及第二标注框中的第二特征点两者的像素间距后，能够得到第一特征对象与第二特征对象的偏移量，进而得到飞行设备在跑道中的偏移量。
[0079] 步骤107、当偏移量大于预设第一值时发送预警信号。
[0080] 具体地，预设第一值是系统预先设置的，预设第一值可以是9m，也可以是其他值，根据规标及要求系数不同，预设第一值可以配置为不同值。当偏移量大于预设第一值时表征飞行设备已经跑偏，此时处理器发送预警信号至外部设备，外部设备可以是飞行设备的中控，也可以是地面指挥中心的中控或者测试中心的中控。
[0081] 参照图2，作为一种基于图像分析的预警方法的另一种实施方式，基于行驶视频进行图像拼接得到移动图像的方法包括：
[0082] 步骤201、依次获取行驶视频的一帧图像。
[0083] 设定图像的跟踪区域；跟踪区域包含第一特征对象及第二特征对象。
[0084] 步骤202、对跟踪区域进行跟踪进而获得相邻两帧中第一特征对象的移动量。
[0085] 步骤203、基于移动量获得相匹配的待拼接图像。
[0086] 步骤204、在得到预设数量的待拼接图像之后，对得到预设数量的待拼接图像进行拼接得到其中一移动图像。
[0087] 步骤205、在得到其中一移动图像后，进行下一移动图像的获取。
[0088] 具体地，行驶视频由若干帧图像组成，处理器按照帧的顺序依次获取行驶视频的图像。设定跟踪区域的方法可以是：先人工划定的跟踪区域，对第一特征对象及第二特征对象所处区域进行背景建模。对于后续帧的图像，均与背景建模的图像进行图像差值处理和图像二值化处理，确定出相应图像中的跟踪区域。通过上述处理，能够使得得到的移动图像更加清晰，输入至深度学习模型时得到的结果更加准确。
[0089] 参照图3，作为一种基于图像分析的预警方法的另一种实施方式，对得到预设数量的待拼接图像进行拼接，包括：
[0090] 步骤S301、将得到的待拼接图像进行保存得到预设数量的待拼接图像后得到预设数量的待拼接图像占用内存之和；
[0091] 步骤S302、基于总占用内存申请内存空间；申请的内存空间不小于内存之和；以及，
[0092] 步骤S303、按照帧的顺序依次将待拼接图像复制至内存空间中，进行图像拼接。
[0093] 具体地，得到每一待拼接图像后，仅保存待拼接图像而不直接进行拼接，等得预设数量的待拼接图像后再进行图像拼接，从而无需每一次拼接均需要申请内存，进而节省了所占用的内存；另一方面，由于申请内存需要花费时间，因此图像拼接效率也能够得到较大的提升。
[0094] 参照图4，作为一种基于图像分析的预警方法的另一种实施方式，该方法还包括：
[0095] 步骤S401、基于当前的N组偏移量得到N组偏移量的偏移量平均值、最大偏移量；
[0096] 步骤S402、基于当前的N组偏移量得到偏移量平均值位于N组偏移量数据中相邻两组数据之间的次数n；
[0097] 步骤S403、当次数n大于预设次数、最大偏移量大于预设的偏移阈值及偏移量平均值大于预设的第一偏移量，则判定飞行设备处于第一行驶状态；以及，
[0098] 步骤S404、将飞行设备处于第一行驶状态的信息发送至外部设备。
[0099] 具体地，第一行驶状态可以是飞行设备受到外界天气影响，例如较强的气流，当次数n大于预设次数、最大偏移量大于预设的偏移阈值及偏移量平均值大于预设的第一偏移量，则处理器判定飞行设备处于第一行驶状态，此后处理器将第一行驶状态信息发送至外部设备，供外部设备进行参考是否采用当前的数据判定飞行设备的偏移程度。
[0100] 获取行驶视频的一帧图像之后，还包括：
[0101] 基于图像采集设备的内外部参数及镜头畸变参数对获取的帧图像进行畸变矫正。
[0102] 具体地，为了能够使得高度摄像机拍摄的图像更加显真，基于图像采集设备的内部参数、外部参数及镜头畸变参数对获取的帧图像进行畸变矫正。
[0103] 作为一种基于图像分析的预警方法的另一种实施方式，基于行驶视频进行图像拼接得到若干移动图像之后，还包括：依据移动图像的生成时间为移动图像配置时间属性信息，该方法还包括：
[0104] 基于偏移量及其对应的时间属性信息生成偏移曲线；
[0105] 将本次的偏移曲线与偏移曲线库中的若干个偏移曲线进行比对得到对应的匹配度；
[0106] 将所有的匹配度进行加权求和得到本次的偏移曲线的匹配特征值；
[0107] 当匹配特征值大于预设值时，将偏移曲线存储至偏移曲线库并将偏移曲线发送至外部终端。
[0108] 参照图5，本申请还提供了一种基于图像分析的预警系统，包括：
[0109] 第一获取模块501，用于实时获取飞行设备在跑道中行驶的行驶视频；行驶视频内包含飞行设备中的第一特征对象及跑道中的第二特征对象；
[0110] 第一处理模块502，用于基于行驶视频进行图像拼接得到若干移动图像；
[0111] 第二处理模块503，用于将若干移动图像输入预先训练好的第一深度学习模型筛选出包含第一特征对象及第二特征对象的若干特征图像；
[0112] 第三处理模块504，用于将所有的特征图像输入预先训练好的第二深度学习模型，得到包含第一特征对象的第一标注框以及包含第二特征对象的第二标注框；
[0113] 第四处理模块505，用于基于第一标注框中的第一特征点及第二标注框中的第二特征点得到两者的像素间距；
[0114] 第五处理模块506，用于基于像素间距得到飞行设备在跑道中的偏移量；
[0115] 第六处理模块507，当偏移量大于预设第一值时发送预警信号。
[0116] 作为第一处理模块502的其中一种实施方式，第一处理模块502包括：
[0117] 第一处理子模块，用于依次获取行驶视频的一帧图像；
[0118] 第二处理子模块，用于设定图像的跟踪区域；跟踪区域包含第一特征对象及第二特征对象；
[0119] 第三处理子模块，用于对跟踪区域进行跟踪进而获得相邻两帧中第一特征对象的移动量；
[0120] 第四处理子模块，用于基于移动量获得相匹配的待拼接图像；
[0121] 第五处理子模块，用于在得到预设数量的待拼接图像之后，对得到预设数量的待拼接图像进行拼接得到其中一移动图像；
[0122] 其中，在得到其中一移动图像后，进行下一移动图像的获取。
[0123] 作为第四处理子模块的其中一种实施方式，第四处理子模块包括拼接子模块，拼接子模块用于：将得到的待拼接图像进行保存；
[0124] 得到预设数量的待拼接图像后得到预设数量的待拼接图像占用内存之和；
[0125] 基于总占用内存申请内存空间；申请的内存空间不小于内存之和；以及，[0126] 按照帧的顺序依次将待拼接图像复制至内存空间中，进行图像拼接。
[0127] 作为一种基于图像分析的预警系统的其中一种实施方式，该系统还包括第七处理模块，第七处理模块用于：基于当前的N组偏移量得到N组偏移量的偏移量平均值、最大偏移量；
[0128] 基于当前的N组偏移量得到偏移量平均值位于N组偏移量数据中相邻两组数据之间的次数n；
[0129] 当次数n大于预设次数、最大偏移量大于预设的偏移阈值及偏移量平均值大于预设的第一偏移量，则判定飞行设备处于第一行驶状态；以及，
[0130] 将飞行设备处于第一行驶状态的信息发送至外部设备。
[0131] 作为一种基于图像分析的预警系统的另一种实施方式，获取行驶视频的一帧图像之后，还包括：基于图像采集设备的内外部参数及镜头畸变参数对获取的帧图像进行畸变矫正。
[0132] 作为一种基于图像分析的预警系统的另一种实施方式，基于行驶视频进行图像拼接得到若干移动图像之后，还包括依据移动图像的生成时间为移动图像配置时间属性信息，
[0133] 该系统还包括第八处理模块，第八处理模块用于：基于偏移量及其对应的时间属性信息生成偏移曲线；将本次的偏移曲线与偏移曲线库中的若干个偏移曲线进行比对得到对应的匹配度；将所有的匹配度进行加权求和得到本次的偏移曲线的匹配特征值；当匹配特征值大于预设值时，将偏移曲线存储至偏移曲线库并将偏移曲线发送至外部终端。
[0134] 本申请实施例还公开一种计算机设备。
[0135] 具体来说，该设备包括存储器和服务器，存储器上存储有能够被服务器加载并执行上述任意一种基于图像分析的飞行预警方法的计算机程序。
[0136] 本申请实施例还公开一种计算机可读存储介质。
[0137] 具体来说，该计算机可读存储介质，其存储有能够被服务器加载并执行如上述任意一种基于图像分析的飞行预警方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器（Read‑OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
[0138] 以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
