The invention provides an intelligent video surveillance method for UAV. Unlike traditional video surveillance, which can only fix the camera at a specific location, the present invention is based on video intelligent analysis technology, combines the maneuverability of UAV with the camera, and designs a flexible video surveillance scheme. Under normal circumstances, the UAV camera stays at a fixed position for video surveillance. Once the coverage area of the camera is abnormal and the camera can not be in the best shooting perspective or other non-coverage area is abnormal, the UAV path can be intelligently planned by the method of the present invention, and the surveillance camera can be automatically brought to the interested area according to the video analysis results. Continuous monitoring, flexible, fast and convenient.
【技术实现步骤摘要】
一种智能无人机载视频监控方法
本专利技术属计算机视觉、机器人
,具体涉及一种智能无人机载视频监控方法。
技术介绍
随着数字信息时代的到来,数字化高新技术产品日益增加和完善。各行业为了提高和完善生产、管理水平和增加竞争性,都争先采用完善的高新技术产品,视频监控系统就是信息时代的产物之一。视频监控系统是管理人员高质量管理的理想工具,也是公共安全、防盗防范必不可少的强有力的得力助手,利用它可以大大减少不必要的人力,实时监视可视区域,做到控制现场实际工作现状,实时快速的反映所发生的一切事物,便于管理者及时应付处理突发事件等。目前现有的视频监控,虽然能够智能处理摄像头信息,但是摄像头固定,场景固定,很不灵活。一旦遇到新情况、场景的变化、感兴趣的区域移动,就不得不对监控系统进行位置的调整。而且设备限制,功能比较单一。同时,随着监控数量的爆发式增长,视频的数据量也越来越大,使得人工处理这些数据变得非常不便。随着科学技术的飞速发展,无人机飞行技术有了巨大的提升。无人机以其优良的性能在各种领域中获得了广泛的应用,尤其是在民用领域,无人机承担了许多特殊环境下的作业工作,国家社会也投入了巨大的财力致力于无人机的相关研究。但是,目前的无人机监控,准确说是无人机摄像系统,基本原理是飞手操作无人机,装在无人机上的图传系统将图片返回,飞手根据摄像头返回的区域来手动控制,飞向热点区域。目前的研究局限于图传系统以及算法处理摄像头抖动,并没有自动的控制过程。即无人机和摄像头只是局限在航拍、追踪,大部分要靠人力分析图像,这样很难处理大批量数据,而且时间缓慢,人为操作会错过热点区域。专利技 ...
【技术保护点】
1.一种智能无人机载视频监控方法,其特征在于步骤如下:步骤1:对整个场景图像进行网格化划分,根据Lucas‑Kanade光流算法计算得到每一帧图像相对于前一帧的光流;步骤2:利用蔡瑞初等人2015年的工作“基于多尺度时间递归神经网络的人群异常检测[J].软件学报,2015,26(11):2884‑2896”中的方法计算每个网格的多尺度光流直方图;步骤3:将所有网格的多尺度光流直方图沿着通道方向合并,然后输入到多尺度时间递归神经网络,利用多尺度时间递归神经网络输出层定位异常发生的位置;所述的多尺度时间递归神经网络及网络参数均记载在蔡瑞初等人2015年的工作“基于多尺度时间递归神经网络的人群异常检测[J].软件学报,2015,26(11):2884‑2896”中;步骤4:利用无人机上图像分析模块得到的人群热点区域,利用双目相机测得人群热点区域到无人机当前位置的距离,利用三角函数计算得出热点区域位置相对于当前位置坐标;步骤5:利用ORB特征对齐方法对图像进行特征对齐,并使用梯度下降法优化目标函数
【技术特征摘要】
1.一种智能无人机载视频监控方法,其特征在于步骤如下:步骤1:对整个场景图像进行网格化划分,根据Lucas-Kanade光流算法计算得到每一帧图像相对于前一帧的光流;步骤2:利用蔡瑞初等人2015年的工作“基于多尺度时间递归神经网络的人群异常检测[J].软件学报,2015,26(11):2884-2896”中的方法计算每个网格的多尺度光流直方图;步骤3:将所有网格的多尺度光流直方图沿着通道方向合并,然后输入到多尺度时间递归神经网络,利用多尺度时间递归神经网络输出层定位异常发生的位置;所述的多尺度时间递归神经网络及网络参数均记载在蔡瑞初等人2015年的工作“基于多尺度时间递归神经网络的人群异常检测[J].软件学报,2015,26(11):2884-2896”中;步骤4:利用无人机上图像分析模块得到的人群热点区域,利用双目相机测得人群热点区域到无人机当前位置的距离,利用三角函数计算得出热点区域位置相对于当前位置坐标;步骤5:利用ORB特征对齐方法对图像进行特征对齐,并使用梯度下降法优化目标函数得到最终的位置转移矩阵T,其中,下标k代表图像帧数序列,u′i表示位置坐标,σ...
【专利技术属性】
技术研发人员:王琦,李学龙,郭元戎,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。