[发明专利]一种基于类别激活映射技术的空域安全态势评估方法

权利要求书

1.一种基于类别激活映射技术的空域安全态势评估方法，其特征在于，具体步骤如下：

步骤一、针对某无人机，收集历史机载图片构建数据集；

步骤二、对收集到的机载图片进行人工标签处理，并将标签处理后的数据集分为训练集、验证集和测试集；

步骤三、构建残差网络结构作为感知网络主体模型，并输入训练集进行训练，利用验证集进行验证；

步骤四、将测试集输入训练好的感知网络主体模型中，当准确率达到90％以上结束；

步骤五、针对实际的飞行无人机，利用训练好的感知网络主体模型进行判断，对当前无人机的态势进行实时评估；

具体过程如下：

步骤501、实际飞行中，摄像头每隔一秒对当前图像进行实时采集；

步骤502、对采集的当前图像的尺寸裁剪成320×200，满足感知网络主体模型的输入尺寸；

步骤503、将裁剪后的图像输入感知网络主体模型中，在输出层上得到当前图像的类别C，同时在最后一个残差卷积块的合并层上得到N张特征图；

当前图像经过感知网络主体模型，得到输出层的最终输出y^C；同时，经过感知网络主体模型中的所有卷积核后，在残差卷积块3的合并层上得到N张特征图，记为A^k；

k＝{1,2,3,....,N}；

步骤504、利用输出层的输出y^C对各特征图分别计算对应的输出梯度矩阵；

针对第k张特征图A^k上位于(i,j)的像素点，输出结果y^C在该像素点上的梯度值为该特征图A^k共得到320×200个梯度值，所有梯度值构成特征图A^k的尺寸为320×200的梯度矩阵；

A_i,j^k表示第k张特征图A^k上(i,j))处的像素值；

同理，得到N张特征图各自对应的尺寸为320×200的梯度矩阵；

步骤505、通过对每个特征图的梯度矩阵求平均值，将N个梯度矩阵映射为N个特征值，每个特征值分别代表各特征图所对应的权重；

特征图A^k对应的权重表达式如下：

Z＝i×j表示特征图A^k中的所有像素总数；

步骤506、利用所有特征图的权重，对N张特征图进行加权和，进一步得到感知网络主体模型的结果；

特征图加权和表示为：

结果Result是一个尺寸为320×200的矩阵，计算公式如下：

X为采集的当前图像的数据；

步骤507、利用类别激活映射技术对感知结果Result的值进行可视化标定，得到无人机当前图像的实时态势评估图；

步骤六、根据每一时刻图像的实时评估可视化结果，指引无人机远离危险区域并向安全区域行进。

2.如权利要求1所述的一种基于类别激活映射技术的空域安全态势评估方法，其特征在于，步骤二中所述的标签包括危险和安全；标签处理为：判断图片中障碍物与无人机之间的距离是否在阈值范围之内，如果是，将这张图片打上危险标签，标记为0；否则，将这张图片打上安全标签，标记为1；

在每一个集合内，标签为0的危险图片和标签为1的安全图片比例为1:1。

3.如权利要求1所述的一种基于类别激活映射技术的空域安全态势评估方法，其特征在于，步骤三中所述的残差网络结构包括：输入层，卷积层，池化层，残差卷积块1，残差卷积块2，残差卷积块3和输出层。

4.如权利要求1所述的一种基于类别激活映射技术的空域安全态势评估方法，其特征在于，步骤507中所述的标定过程如下：

首先，设定阈值T为感知结果Result中峰值的三分之二；即

然后，根据当前图像中的像素点与感知结果Result矩阵中一一对应的元素，判断感知结果Result中各元素的数值是否大于阈值T，如果是，则在当前图像中以深色标出与Result矩阵中元素对应位置上的像素点；反之，在当前图像中以浅色标出与Result矩阵中元素对应位置上的像素点；

深色标记代表该像素点所在的位置比较危险；

同理，得到无人机每一时刻采集的图像的实时态势评估图。