[发明专利]一种基于人工智能的航拍场景下果冻效应预防方法及系统

权利要求书

1.一种基于人工智能的航拍场景下果冻效应预防方法，其特征在于，该方法包含以下步骤：

将无人机的飞行速度、相机的快门时间以及IMU的读数输入时序预测网络预测未来帧图像的果冻效应指标；所述时序预测网络的标签为对每帧图像中的静止像素点的光流信息进行分析获取的果冻效应指标，所述静止像素点是根据所述图像的光流信息和无人机的飞行速度获得；

以每帧图像中运动像素点的面积和静止像素点的面积比作为动态特征，根据所述动态特征与预设阈值进行比较，判断所述静止像素点和所述运动像素点的权重；

根据所述时序预测网络得到的果冻效应指标和所述每帧图像的动态特征，确定调整模式及时调整无人机相关参数；

所述调整模式的选取方法为：当所述静止像素点的所述权重高时，将挂件阻尼调节至目标阻尼；当所述运动像素点的所述权重高时，计算所述运动像素点的平均运动速度，根据所述平均运动速度调节无人机的飞行速度，并将挂件阻尼调节至目标阻尼；所述目标阻尼是根据以所述果冻效应指标为输入、以所述目标阻尼为输出的挂件阻尼调节网络获取。

2.根据权利要求1所述的一种基于人工智能的航拍场景下果冻效应预防方法，其特征在于，所述对每帧图像中的静止像素点的光流信息进行分析获取的果冻效应指标的步骤包括：

根据所述每帧图像中的每行静止像素点的光流信息，获得每帧图像的光流信息序列；

根据所述光流信息序列，计算相邻行之间光流信息的差异，得到光流信息变化序列；

根据所述光流信息变化序列的均值和方差，确定所述果冻效应指标。

3.根据权利要求1所述的一种基于人工智能的航拍场景下果冻效应预防方法，其特征在于，所述以每帧图像中运动像素点的面积和静止像素点的面积比作为动态特征的步骤包括：

对所述图像的二值图进行连通域分析，得到所述静止像素点的面积；

对所述图像的二值图进行转置，进行连通域分析，得到所述运动像素点的面积；

根据所述图像中所述运动像素点的面积和所述静止像素点的面积构建动态特征。

4.根据权利要求1所述的一种基于人工智能的航拍场景下果冻效应预防方法，其特征在于，所述挂件阻尼调节网络的训练步骤包括：

以所述挂件阻尼为标签，以所述无人机的IMU读数和所述果冻效应指标为训练集，训练挂件阻尼调节网络，损失函数采用均方差损失函数，不断迭代，更新模型参数。

5.一种基于人工智能的航拍场景下果冻效应预防系统，其特征在于，该系统包含以下单元：

时序预测网络单元，用于将无人机的飞行速度、相机的快门时间以及IMU的读数输入时序预测网络预测未来帧图像的果冻效应指标；所述时序预测网络的标签为对每帧图像中的静止像素点的光流信息进行分析获取的果冻效应指标，所述静止像素点是根据所述图像的光流信息和无人机的飞行速度获得；

动态特征构建单元，用于以每帧图像中运动像素点的面积和静止像素点的面积比作为动态特征，根据所述动态特征与预设阈值进行比较，判断所述静止像素点和所述运动像素点的权重；

调整模式确定单元，用于根据所述时序预测网络得到的果冻效应指标和所述每帧图像的动态特征，确定调整模式及时调整无人机相关参数；

调整模式操作单元，用于当所述静止像素点的所述权重高时，将挂件阻尼调节至目标阻尼；当所述运动像素点的所述权重高时，计算所述运动像素点的平均运动速度，根据所述平均运动速度调节无人机的飞行速度，并将挂件阻尼调节至目标阻尼；所述目标阻尼是根据以所述果冻效应指标为输入、以所述目标阻尼为输出的挂件阻尼调节网络获取。

6.根据权利要求5所述的一种基于人工智能的航拍场景下果冻效应预防系统，其特征在于，所述时序预测网络预测单元包括：

光流信息序列获取模块，用于根据所述每帧图像中的每行静止像素点的光流信息，获得每帧图像的光流信息序列；

光流信息变化序列获取模块，用于根据所述光流信息序列，计算相邻行之间光流信息的差异，得到光流信息变化序列；

果冻效应指标确定模块，用于根据所述光流信息变化序列的均值和方差，确定所述果冻效应指标。