[发明专利]复杂低空环境下一种协同监视方法与装置

说明书

本发明公开了复杂低空环境下一种协同监视方法与装置,属于航空监视领域。该装置包括无人机无人值守前端设备、远程控制中心、数据处理模块、算法模块和处理中心。首先将M个水平监视区域和N个垂直监视区域划分成训练集和测试集；然后选取当前视频，抽取6帧图像作为当前视频的原始基本图像I_o1～I₀₆进行处理获得帧差图像。对基本图像和帧差图像进行融合得到图像基本特征和运动特征，并进行拼接和二分类得到该运动目标的结果标签。重复上述过程得到所有训练集中该运动目标的结果标签。测试集通过融合模型输出该运动目标的结果标签。对所有测试集的结果标签进行投票，确定是否有该运动目标。本发明减少视频帧冗余问题，提高了分类精度和采集效率。

技术领域

本发明属于航空监视领域，具体是复杂低空环境下一种协同监视方法与装置。

背景技术

复杂低空环境指飞行高度低、飞行器种类繁多且飞行区域复杂的环境，其监视易受地形，气象因素和障碍物的影响，现有的空管监视技术难以保障低空飞行时的监视能力。并且，传统的低空监视系统建设与维护成本高，在实际应用中难以推广。

随着近年来国家对低空领域使用的不断开放，无人机经常被用来辅助执行低空监视任务。无人机通过携带的摄像头采集监视场景中的图像数据，运用计算机视觉的技术进行智能分析与处理，对监控场景内的情况进行判断，从而实现自主巡检。

由于复杂低空环境中，飞行区域复杂，障碍物繁多，单个飞行器在飞行过程中采集的数据不够充分，随着空域监视技术的发展，监视模式从独立工作模式向协同工作模式发展，多个飞行器的协同工作为复杂低空环境下的监视提供了可行的方案。并且，由于复杂低空环境中，飞行器飞行高度较低，不同位置的飞行器采集的图片数据具有不同尺度，造成无人机拍摄的视频中运动目标特征(如人，车，飞鸟等运动目标)不易提取，分类困难，以上问题都对复杂低空环境下对运动目标的监视提出了严酷的挑战。

发明内容

本发明针对现有复杂低空环境下，多个飞行器协作困难和运动目标特征不易提取的问题，提供了复杂低空环境下一种协同监视方法与装置，用于提高分类精度。

所述的协同监视方法，具体步骤如下：

步骤一、针对复杂低空环境，根据地形划分M个水平监视区域，同时根据采集范围划分N个垂直监视区域。

垂直监视区域按照飞行高度划分，每个水平区域有N个垂直飞行的无人机，整个监视范围内有M*N个无人机。每个运动目标在水平监视区域中能采集到M个监视视频，每个水平监视区域内都有N个监视视频；

步骤二、针对某个运动目标，将M个监视视频，或者每个水平监视区域内的N个监视视频分别划分成训练集和测试集；

针对M个监视视频或者某个监视区域的N个训练视频，取80％做训练集，20％做测试集；

步骤三、依次选取训练集中的每个视频作为当前视频，将当前视频逐帧分为6段，在每段视频中除去首帧后随机抽取1帧，将抽取的6帧图像作为当前视频的原始基本图像I_o1～I₀₆。

步骤四、对当前视频的原始基本图像进行处理获得帧差图像。

针对每帧基本图像I_oi，i＝1,2,3,4,5,6；各自与自己同段内的前一帧图像做差，获得帧差图像I_d1～I_d6：为同段内的基本图像I_oi的前一帧图像。

步骤五、对基本图像和帧差图像，通过VGG网络融合模型得到图像基本特征和运动特征。

VGG网络包含十六个卷积层，十六个池化层，三个全连接层和一个softmax层，每个卷积层后面接着一个池化层。