[发明专利]复杂低空环境下一种协同监视方法与装置

摘要

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Io1～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。

主权项

1.复杂低空环境下一种协同监视方法，其特征在于，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；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Io1～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；将基本图像Io1～Io6输入VGG网络，依次经过卷积层，池化层和全连接层，分别得到特征大小是1*1000的fo1～f06；通过求和方法，求得融合后的图像基本特征f0：f0＝fo1+fo2+...+f06同时，将帧差图像Id1～Id6输入VGG网络，依次经过卷积层，池化层和全连接层，分别得到特征大小是1*1000的fd1～fd6；通过求和方法，获得融合后的运动特征fd：fd＝fd1+fd2+...+fd6步骤六、对融合后的图像基本特征f0和运动特征fd进行拼接，通过融合模型的softmax层进行二分类，得到该运动目标的结果标签；将两个大小1*1000的特征fd和f0进行特征融合，直接拼接成1*2000的特征F；F＝Concatenate(f0,fd)将融合后的拼接特征F通过softmax层，得到有或没有该运动目标的二分类概率，最终根据概率得到该运动目标的结果标签；步骤七、返回步骤三，选取训练集中的下一个视频通过融合模型进行二分类训练，直至得到所有训练集中该运动目标的结果标签；针对该运动目标，M个水平监视视频的二分类结果标签为有或没有，每个水平监视区域内的N个监视视频的二分类结果标签为有或没有；步骤八、将测试集中每帧视频分别通过训练好的融合模型中，输出该运动目标的结果标签；步骤九、对所有测试集的结果标签进行投票，确定最终有或者没有该运动目标。