[发明专利]一种阳台高空坠物风险检测方法及系统

权利要求书

1.一种阳台高空坠物风险检测方法，其特征在于，包括以下步骤：

S1、基于多种式样的阳台图片，采用MAML算法训练一个用于判断阳台是否存在高空坠物风险的神经网络，得到其最佳参数；

S2、对于需要进行坠物危险检测的特定小区，将该特定小区带有分类标签的多张阳台图片输入步骤S1中训练好的神经网络，用于对该神经网络进行微调，形成适用于该特定小区阳台的神经网络；

S3、采集该特定小区阳台图片，输入步骤S2中形成的神经网络，判断相应的阳台是否存在高空坠物风险。

2.根据权利要求1所述的阳台高空坠物风险检测方法，其特征在于，所述步骤S1中，将判断多种式样的阳台是否存在高空坠物风险分别作为多个任务；针对每个任务，分别构建支持集和查询集，支持集和查询集中分别包括相应式样阳台的多张图片及其分类标签；

采用MAML算法训练神经网络，得到其最佳参数包括以下步骤：

S11：初始化训练次数k＝0；给予神经网络一个初始化参数θ^k；

S12：对于当前批次的每个任务T_i，分别将其支持集输入神经网络，计算出相应的损失函数值，根据损失函数值更新神经网络参数为再将查询集输入更新后的神经网络，根据神经网络的输出计算该任务的损失其中i为任务编号；

S13：计算当前批次所有任务的总损失值N为当前批次中任务的个数；

S14：判断是否满足总损失值Loss≤ε，其中ε为设定的误差阈值；若满足，则结束训练，将神经网络当前的初始化参数θ^k作为神经网络的最佳参数，进行保存；否则进入步骤S15；

S15：根据总损失值Loss更新神经网络的初始化参数为θ^k+1，作为下一批次任务的初始化参数；更新k的取值为其当前取值加1，即令k＝k+1；并返回步骤S12，对下一批次任务进行处理。

3.根据权利要求1所述的阳台高空坠物风险检测方法，其特征在于，所述S1中，先对阳台图片归一化和标准化处理，再利用处理后的阳台图片进行神经网络训练。

4.根据权利要求1所述的阳台高空坠物风险检测方法，其特征在于，先通过电脑对神经网络进行训练，得到其最佳参数；再将训练好的神经网络导入无人机中；

所述步骤S2中，对于需要进行坠物危险检测的特定小区，先利用无人机采集该特定小区的阳台图片，再对采集的阳台图片进行人工分类，然后将将带有分类标签的多张阳台图片输入无人机中训练好的神经网络，用于对该神经网络进行微调，形成适用于该特定小区阳台的神经网络；

所述步骤S3中，利用无人机采集该特定小区的阳台图片，并将采集的阳台图片输入微调后的神经网络，判断相应的阳台是否存在高空坠物风险。

5.根据权利要求1所述的阳台高空坠物风险检测方法，其特征在于，所述无人机包括运动控制模块、数据采集模块及机器视觉模块；

所述运动控制模块根据数据采集模块采集的信息，规划出无人机的最佳飞行路径，计算无人机运动所需的运动控制信息，使之依据设定好的路线与飞行模式飞行，并进行自动实时避障；

所述机器视觉模块搭载神经网络；运动控制模块根据北斗导航模块采集的数据确定无人机位置，在无人机到达预定坐标点后，控制机器视觉模块逐层采集特定小区阳台图片，并将采集的阳台图片输入其搭载的神经网络，判断相应的阳台是否存在高空坠物风险。

6.根据权利要求5所述的阳台高空坠物风险检测方法，其特征在于，所述数据采集模块包括北斗导航模块和激光雷达；所述北斗导航模块用于获得无人机本体的经纬度信息；所述激光雷达用于获得无人机本体的高度信息，感知周围障碍物与无人机本体之间的距离。

7.根据权利要求6所述的阳台高空坠物风险检测方法，其特征在于，采集特定小区阳台图片时，激光雷达获取机头水平方向一定角度内各角度测得点与无人机的距离，通过三角函数计算出每个角度测得点与无人机的垂直距离；将此数据传送给运动控制模块，运动控制模块依此数据确定无人机与阳台的距离，用于无人机与阳台之间距离的保持。