[发明专利]一种恶劣环境中的无人机检测方法

说明书

本发明提供了一种恶劣环境中的无人机检测方法：利用相机采集恶劣环境中有无人机的视频，处理视频并获得N帧图像；根据所有图像进行背景建模，得到背景模型；利用背景模型，将N帧图像进行进行背景分割处理，得到去除背景模型的图像，再通过对前后两幅图像的目标之间的欧氏距离比较和置信度设定识别图像中的无人机。本发明通过图像处理的手段检测无人机，使人们能更加快捷方便地发现无人机，并迅速作出相应的处理。

技术领域

本发明属于无人机检测技术领域，具体涉及一种恶劣环境中的无人机检测方法。

背景技术

近年来，随着无人机技术的发展，其应用也逐步从学者的研究扩大到电影拍摄、大型活动拍摄以及房地产等商业领域。为了迎合市场，民用无人机迅猛发展，购买无人机的用户也成倍增多，但是无人机会给机场等地带来安全隐患，尤其是在恶劣环境(比如雾天等)下，隐患更大。而用户却鲜少关心，尽管国家规定禁飞区域，却依然有人不遵守规定。

虽然国家已经出台无人机监管措施，但是这些监管措施都不太容易具体实施，而在恶劣环境下，检测无人机的难度会更大，传统的检测算法无法准确检测到恶劣环境中的无人机，所以必须研究在恶劣环境中无人机检测的算法及应用，也可为之后做无人机的追踪等操作提供依据。

发明内容

为了解决上述技术问题，本发明提供了一种恶劣环境中的无人机检测方法，能够自动检测无人机，能及时发现“有害”无人机，消除安全隐患，

实施本发明的技术方案如下：

一种恶劣环境中的无人机检测方法，具体步骤为：

步骤1、利用相机采集恶劣环境中有无人机的视频，处理视频并获得N帧图像；

步骤2、利用步骤1中得到的所有图像进行背景建模，得到背景模型；

步骤3、利用步骤2中获得的背景模型，将步骤1中得到的所有图像进行背景分割处理，得到去除背景模型的图像，再通过对前后两幅图像的目标之间的欧氏距离比较和置信度设定识别图像中的无人机。

进一步的，步骤2具体为：

第1步：设参数i的初始值为1；

第2步：对第i帧和第i+1帧图像进行灰度化处理；

第3步：对第2步处理后的图像进行帧差处理，即用第i帧图像减去第i+1帧图像得到帧差图像；

第4步：对第3步处理后的帧差图像进行二值化处理，得到二值化图像，即利用自动分割阈值算法得到二值化阈值，将帧差图像中灰度大于二值化阈值的像素值置为1，否则置0；

第5步：对第4步处理后的二值化图像进行形态学腐蚀和形态学膨胀，得到1幅背景图；

第6步：将i的数值加1后，判断i的数值：

若i等于N-1，则跳转到第7步，此时已得到N-1幅背景图；

若i小于N-1，则跳转到第2步；

第7步：计算背景图中某一位置像素点在N-1幅背景图中的像素值之和，记为该位置像素点的像素和值，将所述像素和值与比较阈值进行比较，若大于比较阈值，则该像素点被判定为背景，否则舍弃该像素点，用此方法判断背景图中所有位置的像素点，最终可以获得背景模型，其中所述比较阈值为N*0.5。

进一步的，步骤3具体为：

第1步：设参数j的初始值为1；

第2步：对第j帧和第j+1帧图像进行灰度化处理；

第3步：利用步骤2得到的背景模型，分别对第j帧和第j+1帧图像进行背景分割，得到去除背景模型的两幅图像；