一种无人机侦测识别方法及系统

本发明涉及目标检测，具体涉及一种无人机侦测识别方法及系统。

背景技术：

1、无人机(unmanned aerial vehicle，uav)在航拍、快递运输、新闻报道、救灾、观察野生动物等方面有着广泛的应用。例如，在野生动物保护方面，人工普查面临危险，而且成本昂贵，但利用无人机进行检测可以更好地确定野生动物的位置以及数量，方便掌握野生动物的习性，对于野生动物的保护起了一定的作用。在监控预警方面，利用无人机实时传输功能和计算机技术知识，设计防踩踏的监控预警系统。无人机获取视频数据，将人流密度实时传输到系统中，与建立的预警数学模型比较，计算预警信号，为提供现场决策、指导与制定应急计划提供依据。在野外救援方面，针对网络条件差、天气恶劣的野外环境，无人机通过对道路的识别和道路状况的检测，为被困人员提供最优的路径规划，还可以识别紧急情况和潜在危险的状况。

2、虽然无人机的应用日益广泛，但也带来了一些潜在的安全威胁，比如未经授权的无人机可能侵犯隐私、干扰航空安全、被用于非法活动等。

技术实现思路

1、针对现有技术的缺陷，本发明实施例的目的在于提供一种无人机侦测识别方法及系统。

2、为实现上述目的，第一方面，本发明实施例提供了一种无人机侦测识别方法，包括：

3、针对监控区域，通过图像采集设备获取待检测图像；每一待检测图像中至少包括一个目标物体，所述目标物体至少包括无人机；

4、对所述待检测图像进行去噪处理，得到原始图像；

5、将所述原始图像输入预先训练好的卷积网络进行网格划分，得到多个网格图像；

6、针对每一网格图像，基于第一边框和第二边框进行目标物体的位置预测，得到无人机的位置信息。

7、进一步地，作为本申请的一种优选实现方式，所述方法还包括构建及训练卷积网络，具体为：

8、构建卷积网络；所述卷积网络包括卷积模块和残差网络模块，所述卷积模块包括多个卷积核，每一卷积核中新增有gabor滤波器；

9、获取样本图像；所述样本图像包括第一图像及第二图像，所述第一图像中无人机保持同一姿势飞行，所述第二图像中无人机采用不同姿势飞行；

10、对所述样本图像进行去噪及滤波处理，以构建第一数据集；

11、对所述第一数据集进行聚类、扩充处理，得到第二训练集；

12、基于所述第二训练集对所述卷积网络进行训练。

13、作为本申请的一种具体实现方式，得到第二训练集具体为：

14、根据所述第一训练集设定初始化隶属度；

15、根据所述初始化隶属度，设置初始聚类中心；

16、通过所述初始聚类中心，获得聚类损失函数值；

17、依据所述聚类损失函数值调整隶属度，获得最佳聚类中心；

18、根据所述最佳聚类中心对所述第一训练集进行模糊分类，得到分类结果；

19、根据所述分类结果得到第二训练集。

20、作为本申请的一种具体实现方式，得到无人机的位置信息具体为：

21、对所述第一训练集或第二训练集中样本图像的边框进行聚类分析，得到第一边框；

22、对所述第一边框进行平移和缩放处理，得到第二边框；

23、针对每一网格图像，根据所述第二边框进行位置预测，得到无人机的位置信息。

24、第二方面，本申请实施例还提供了一种无人机侦测识别系统，包括图像采集设备及数据处理设备；所述数据处理设备包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面所述的方法。

25、第三方面，本申请实施例提供了另一种无人机侦测识别系统，包括图像采集设备及数据处理设备；其中，所述数据处理设备包括：

26、图像获取单元，用于针对监控区域，通过图像采集设备获取待检测图像；每一待检测图像中至少包括一个目标物体，所述目标物体至少包括无人机；

27、去噪单元，用于对所述待检测图像进行去噪处理，得到原始图像；

28、划分单元，用于将所述原始图像输入预先训练好的卷积网络进行网格划分，得到多个网格图像；

29、位置预测单元，用于针对每一网格图像，基于第一边框和第二边框进行目标物体的位置预测，得到无人机的位置信息。

30、进一步地，作为本申请的一种优选实现方式，所述系统还包括网络训练单元，用于构建及训练卷积网络，具体为：

31、构建卷积网络；所述卷积网络包括卷积模块和残差网络模块，所述卷积模块包括多个卷积核，每一卷积核中新增由gabor滤波器；

32、获取样本图像；所述样本图像包括第一图像及第二图像，所述第一图像中无人机保持同一姿势飞行，所述第二图像中无人机采用不同姿势飞行；

33、对所述样本图像进行去噪及滤波处理，以构建第一数据集；

34、对所述第一数据集进行聚类、扩充处理，得到第二训练集；

35、基于所述第二训练集对所述卷积网络进行训练。

36、实施本发明实施例，采用卷积网络对图像采集设备获取的图像进行目标检测，从而预测出无人机的位置信息，实现了无人机有效的侦测识别；基于所得到的无人机位置信息，可对无人机采取相应的反制措施，为个人隐私防护、航空安全等提供保障，也可有效地打击无人机的滥用现象。

技术特征：

1.一种无人机侦测识别方法，其特征在于，包括：

2.如权利要求1所述的无人机侦测识别方法，其特征在于，所述方法还包括构建及训练卷积网络，具体为：

3.如权利要求2所述的无人机侦测识别方法，其特征在于，得到第二训练集具体为：

4.如权利要求2所述的无人机侦测识别方法，其特征在于，得到无人机的位置信息具体为：

5.一种无人机侦测识别系统，包括图像采集设备及数据处理设备，其特征在于，所述数据处理设备包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-4任一项所述的方法。

6.一种无人机侦测识别系统，包括图像采集设备及数据处理设备，其特征在于，所述数据处理设备包括：

7.如权利要求6所述的无人机侦测识别系统，其特征在于，所述系统还包括网络训练单元，用于构建及训练卷积网络，具体为：

8.如权利要求7所述的无人机侦测识别系统，其特征在于，得到第二训练集具体为：

9.如权利要求8所述的无人机侦测识别系统，其特征在于，所述预测单元具体用于：

技术总结
本发明实施例公开了一种无人机侦测识别方法及系统。方法包括：针对监控区域，通过图像采集设备获取待检测图像；每一待检测图像中至少包括无人机；对待检测图像进行去噪处理，得到原始图像；将原始图像输入预先训练好的卷积网络进行网格划分，得到多个网格图像；针对每一网格图像，基于第一边框和第二边框进行目标物体的位置预测，得到无人机的位置信息。实施本发明实施例，采用卷积网络对图像采集设备获取的图像进行目标检测，从而预测出无人机的位置信息，实现了无人机有效的侦测识别；基于所得到的无人机位置信息，可对无人机采取相应的反制措施，为个人隐私防护、航空安全等提供保障，也可有效地打击无人机的滥用现象。

技术研发人员：张文礼,郝会川,袁军,袁松,文杰,刘宇杰,魏光亮,管停停
受保护的技术使用者：重庆交通职业学院
技术研发日：
技术公布日：2024/12/5