一种无人机识别方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了无人机识别方法、装置及电子设备，其中，方法包括：采集待检测区域的声音信号；对声音信号进行快速傅里叶变换，得到变换声音信号；根据变换声音信号的频率特征，对待检测区域是否存在无人机进行预判决；在预判决的结果为存在无人机时，对变换声音信号进行梅尔倒谱系数MFCC变换，得到MFCC特征向量；将MFCC特征向量输入至预先训练的支持向量机SVM模型中，识别待检测区域是否存在无人机，其中，SVM模型是根据多个不同类型的样本声音信号，以及各样本声音信号是否为无人机运行声音的对应结果训练得到的，其中，多个不同类型的样本声音信号中至少部分为无人机运行声音信号。如此能够提高无人机识别的精准度。

UAV recognition method, device and electronic equipment

The invention provides an unmanned aerial vehicle identification method, a device and an electronic device. The method comprises the following steps: collecting sound signals in the area to be detected, making fast Fourier transform to the sound signal and obtaining the transform sound signal; according to the frequency characteristics of the transform sound signal, the presence of an unmanned aerial vehicle in the area to be detected is carried out. In the pre decision, the Mel cepstrum coefficient MFCC transform is used to transform the transform sound signal to the unmanned aerial vehicle (UAV), and the MFCC eigenvector is obtained. The MFCC eigenvector is input to the pre trained support vector machine SVM model to identify whether there is a UAV in the area to be detected, among which, the SVM model is based on multiple differences. The type of sample sound signals and whether each sample sound signal is trained by the corresponding results of the UAV running sound, of which, at least part of the different types of sample sound signals are unmanned aerial vehicles (UAV) sound signals. This can improve the accuracy of UAV recognition.

【技术实现步骤摘要】
一种无人机识别方法、装置及电子设备
本专利技术涉及模式识别
，特别是涉及一种基于无人机声音的无人机识别方法、装置及电子设备。
技术介绍
随着电子技术的发展，无人机逐渐被广泛应用到商业和民用消费市场，例如，航空拍摄、新闻报道、快递服务等行业。为了实现对无人机的管理，使得能够更好地应用于多种领域，无人机识别技术显得尤为重要。现有技术中，一种常见的方法是通过雷达检测实现无人机识别。具体地，雷达设备发送超声波信号，当雷达设备检测到该超声波信号对应的反射波信号时，确定待检测区域存在无人机。但是，通过雷达检测实现无人机识别的过程中，很容易误识别，例如，待检测区域中飞行的是小鸟，雷达设备也可能接收到反射波信号，如此可能将小鸟误识别为无人机。可以看出，现有的通过雷达检测实现无人机识别的方法中，无人机识别的精准度比较低。
技术实现思路
本专利技术实施例的目的在于提供一种无人机识别方法、装置及电子设备，以提高无人机识别的精准度。具体技术方案如下：第一方面，本专利技术实施例提供了一种无人机识别方法，包括：采集待检测区域的声音信号；对所述声音信号进行快速傅里叶变换，得到变换声音信号；根据所述变换声音信号的频率特征，对所述待检测区域是否存在无人机进行预判决；在所述预判决的结果为存在无人机时，对所述变换声音信号进行梅尔倒谱系数MFCC变换，得到MFCC特征向量；将所述MFCC特征向量输入至预先训练的支持向量机SVM模型中，识别所述待检测区域是否存在无人机，其中，所述SVM模型是根据多个不同类型的样本声音信号，以及各样本声音信号是否为无人机运行声音的对应结果训练得到的，其中，所述多个不同类型的样本声音信号中至少部分为无人机运行声音信号。可选的，所述SVM模型的训练过程包括：获取不同类型的多个样本声音信号；其中，所述多个样本声音信号中至少部分为无人机运行声音信号；对所述不同类型的多个样本声音信号进行MFCC变换，分别得到所述多个样本声音信号对应的MFCC特征向量；分别将所述多个样本声音信号对应的MFCC特征向量，以及所述多个样本声音信号是否为无人机运行声音的对应结果，输入至预设SVM模型中，对所述预设SVM模型进行训练，得到所述SVM模型。可选的，所述采集待检测区域的声音信号，包括：通过预设采样频率，采集待检测区域的声音信号。可选的，所述根据所述变换声音信号的频率特征，对所述待检测区域是否存在无人机进行预判决，包括：当所述变换声音信号的频率存在于预设频段内时，确定所述预判决的结果为存在无人机；当所述变换声音信号的频率不存在于所述预设频段内时，确定所述预判决的结果为不存在无人机。可选的，在识别出所述待检测区域存在无人机之后，还包括：通过警告灯或者蜂鸣器进行报警。第二方面，本专利技术实施例提供了一种无人机识别装置，包括：采集模块，用于采集待检测区域的声音信号；第一变换模块，用于对所述声音信号进行快速傅里叶变换，得到变换声音信号；预判决模块，用于根据所述变换声音信号的频率特征，对所述待检测区域是否存在无人机进行预判决；第二变换模块，用于在所述预判决的结果为存在无人机时，对所述变换声音信号进行梅尔倒谱系数MFCC变换，得到MFCC特征向量；识别模块，用于将所述MFCC特征向量输入至预先训练的支持向量机SVM模型中，识别所述待检测区域是否存在无人机，其中，所述SVM模型是根据多个不同类型的样本声音信号，以及各样本声音信号是否为无人机运行声音的对应结果训练得到的，其中，所述多个不同类型的样本声音信号中至少部分为无人机运行声音信号。可选的，所述装置还包括：获取模块，用于获取不同类型的多个样本声音信号；其中，所述多个样本声音信号中至少部分为无人机运行声音信号；第三变换模块，用于对所述不同类型的多个样本声音信号进行MFCC变换，分别得到所述多个样本声音信号对应的MFCC特征向量；训练模块，用于分别将所述多个样本声音信号对应的MFCC特征向量，以及所述多个样本声音信号是否为无人机运行声音的对应结果，输入至预设SVM模型中，对所述预设SVM模型进行训练，得到所述SVM模型。可选的，所述采集模块，具体用于通过预设采样频率，采集待检测区域的声音信号。可选的，所述预判决模块包括：第一确定子模块，用于当所述变换声音信号的频率存在于预设频段内时，确定所述预判决的结果为存在无人机；第二确定子模块，用于当所述变换声音信号的频率不存在于所述预设频段内时，确定所述预判决的结果为不存在无人机。第三方面，本专利技术实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现第一方面所述的方法步骤。第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法步骤。本专利技术实施例提供的无人机识别方法、装置及电子设备，可以对待检测区域的声音信号进行快速傅里叶变换，并根据进行快速傅里叶变换得到的变换声音信号进行预判决，在预判决的结果为存在无人机时，对该变换声音信号进行MFCC(Mel-FrequencyCepstralCoefficient，梅尔倒谱系数)变换，得到MFCC特征向量，并将该MFCC特征向量输入至预先训练的SVM(SupportVectorMachine，支持向量机)模型中，识别待检测区域是否存在无人机。可以看出，本专利技术实施例提供的无人机识别方法、装置及电子设备中，对待检测区域的声音信号进行分析，根据该声音信号的特征，对待检测区域是否存在无人机进行识别，能够提高无人机识别的精准度。当然，实施本专利技术的任一产品或方法必不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的无人机识别方法的流程图；图2(a)为本专利技术实施例中无人机声音信号整体频段的示意图；图2(b)为本专利技术实施例中无人机声音信号低频段的示意图；图2(c)为本专利技术实施例中无人机声音信号高频段的示意图；图2(d)为本专利技术实施例中歌声整体频段的示意图；图2(e)为本专利技术实施例中街道噪声整体频段的示意图；图2(f)为本专利技术实施例中鸣笛声整体频段的示意图；图2(g)为本专利技术实施例中喷气式飞机声音信号整体频段的示意图；图2(h)为本专利技术实施例中单螺旋桨飞机声音信号整体频段的示意图；图3为滤波器响应与频率对应关系的示意图；图4(a)为本专利技术实施例中无人机声音信号MFCC特征向量对应的示意图；图4(b)为本专利技术实施例中歌声MFCC特征向量对应的示意图；图4(c)为本专利技术实施例中街道噪声MFCC特征向量对应的示意图；图4(d)为本专利技术实施例中鸣笛声特征向量对应的示意图；图4(e)为本专利技术实施例中喷气式飞机声音信号MFCC特征向量对应的示意图；图4(f)为本专利技术实施例中单螺旋桨飞机声音信号MFCC特征向量对应的示意图；图5为本专利技术实施例提供的无人机识别本文档来自技高网...

【技术保护点】
一种无人机识别方法，其特征在于，包括：采集待检测区域的声音信号；对所述声音信号进行快速傅里叶变换，得到变换声音信号；根据所述变换声音信号的频率特征，对所述待检测区域是否存在无人机进行预判决；在所述预判决的结果为存在无人机时，对所述变换声音信号进行梅尔倒谱系数MFCC变换，得到MFCC特征向量；将所述MFCC特征向量输入至预先训练的支持向量机SVM模型中，识别所述待检测区域是否存在无人机，其中，所述SVM模型是根据多个不同类型的样本声音信号，以及各样本声音信号是否为无人机运行声音的对应结果训练得到的，其中，所述多个不同类型的样本声音信号中至少部分为无人机运行声音信号。

【技术特征摘要】
1.一种无人机识别方法，其特征在于，包括：采集待检测区域的声音信号；对所述声音信号进行快速傅里叶变换，得到变换声音信号；根据所述变换声音信号的频率特征，对所述待检测区域是否存在无人机进行预判决；在所述预判决的结果为存在无人机时，对所述变换声音信号进行梅尔倒谱系数MFCC变换，得到MFCC特征向量；将所述MFCC特征向量输入至预先训练的支持向量机SVM模型中，识别所述待检测区域是否存在无人机，其中，所述SVM模型是根据多个不同类型的样本声音信号，以及各样本声音信号是否为无人机运行声音的对应结果训练得到的，其中，所述多个不同类型的样本声音信号中至少部分为无人机运行声音信号。2.根据权利要求1所述的方法，其特征在于，所述SVM模型的训练过程包括：获取不同类型的多个样本声音信号；其中，所述多个样本声音信号中至少部分为无人机运行声音信号；对所述不同类型的多个样本声音信号进行MFCC变换，分别得到所述多个样本声音信号对应的MFCC特征向量；分别将所述多个样本声音信号对应的MFCC特征向量，以及所述多个样本声音信号是否为无人机运行声音的对应结果，输入至预设SVM模型中，对所述预设SVM模型进行训练，得到所述SVM模型。3.根据权利要求1或2所述的方法，其特征在于，所述采集待检测区域的声音信号，包括：通过预设采样频率，采集待检测区域的声音信号。4.根据权利要求1或2所述的方法，其特征在于，所述根据所述变换声音信号的频率特征，对所述待检测区域是否存在无人机进行预判决，包括：当所述变换声音信号的频率存在于预设频段内时，确定所述预判决的结果为存在无人机；当所述变换声音信号的频率不存在于所述预设频段内时，确定所述预判决的结果为不存在无人机。5.根据权利要求1或2所述的方法，其特征在于，在识别出所述待检测区域存在无人机之后，还包括：通过警告灯或者蜂鸣器进行报警。6.一种无人机识别装置，其特征在于，包括：采集模块，用于采集待检测区域的声音信号；第一变换模块...

【专利技术属性】
技术研发人员：尉志青，马昊，魏思杰，冯志勇，张少廷，王义总，侯佳蕾，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11