[发明专利]包括用于经由神经网络确定目标的表示的设备的无人机、相关确定方法及计算机

说明书

一种无人机(10)包括：图像传感器(12)，所述图像传感器被配置成拍摄包括多个物体的场景的图像；以及电子确定设备(14)，所述电子确定设备包括电子检测模块(24)，所述电子检测模块被配置成经由神经网络在所述图像传感器(12)所拍摄的图像中从所表示的多个物体检测潜在目标(16)的表示，所述神经网络的输入变量是取决于所拍摄的图像的画面，所述神经网络的至少一个输出变量是相对于所述潜在目标的表示的指示。所述神经网络的第一输出变量是限定围绕所述潜在目标的表示的区域的轮廓的一组坐标。

技术领域

本发明涉及一种无人机。该无人机包括：图像传感器，所述图像传感器被配置成拍摄包括多个物体的场景的图像；以及电子确定设备，所述电子确定设备包括电子检测模块，所述电子检测模块被配置成经由神经网络在所述图像传感器所拍摄的图像中从所表示的多个物体检测潜在目标的描绘。

本发明还涉及一种用于从图像中表示的多个物体确定潜在目标的表示的方法，所述图像来自于搭载在无人机上的图像传感器。

本发明还涉及一种计算机程序，包括软件指令，当由计算机执行时，所述软件指令实施该确定方法。

本发明特别涉及无人机领域，即遥控飞行机动化装置。本发明特别应用于旋翼飞行器，诸如四旋翼飞行器，并且还能够应用于其他类型的飞行器，例如固定翼飞行器。

背景技术

当无人机处于用来追踪给定目标(诸如参与体育活动的无人机的驾驶员)的追踪模式时，本发明特别有用。

本发明提供了许多应用，特别是发起追踪移动目标或控制或再校准这种追踪移动目标。

屈等人的“Moving Vehicle Detection with Convolutional Networks in UAVVideos(通过卷积网络在UAV视频中进行移动车辆检测)”中已知上述类型的无人机。无人机包括能够拍摄包括多个物体的场景的图像的图像传感器以及用于从所显示的该多个物体确定潜在目标的表示的电子设备。

确定设备首先检测围绕目标的候选表示的区域并且计算这些区域的轮廓，每个轮廓处于窗口的形式，通常是矩形的，使用传统的帧间差分方法或背景建模来进行这种检测。确定设备然后使用神经网络来将目标的候选表示分类，其中将先前检测的区域轮廓作为输入并且将与每个候选表示相关联的类型作为输出变量，类型选自车辆和背景。神经网络然后可以在各自能够对应于车辆的第一组候选表示与各自能够对应于背景的第二组候选表示之间对目标的候选表示分类。

然而，通过这种无人机确定目标的表示比较复杂。

发明内容

本发明的目的则是提出一种无人机，该无人机能够更有效地确定目标的表示，特别是不需要知道目标的位置来在图像中检测目标的表示。

为此，本发明涉及一种无人机，包括：

图像传感器，该图像传感器被配置成拍摄包括多个物体的场景的图像，

电子确定设备，该电子确定设备包括电子检测模块，该电子检测模块被配置成经由神经网络在该图像传感器所拍摄的图像中从所表示的多个物体检测潜在目标的表示，该神经网络的输入变量是取决于所拍摄的图像的画面，该神经网络的至少一个输出变量是有关该潜在目标的表示的指示，该神经网络的第一输出变量是限定围绕该潜在目标的表示的区域的轮廓的一组坐标。

通过根据本发明的无人机，电子检测网络所实施的神经网络可以直接从提供为所述神经网络的输入的图像获得限定围绕该潜在目标的表示的区域的轮廓的一组坐标作为输出。

不像现有技术中的无人机，无需在实施神经网络之前获得用来估计围绕目标的表示的所述区域的帧间差分或背景建模。

根据本发明的有利方面，该无人机包括单独地或根据所有技术上可能的组合考虑的以下特征中的一个或多个：