自动化探测驱逐目标方法及其系统技术方案

本发明专利技术提供了一种自动化探测驱逐目标方法，包括如下步骤：目标探测步骤：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；目标捕捉步骤：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；信息融合步骤：将目标探测图像与目标捕捉图像融合，确定目标位置。本发明专利技术提供的方法通过设计一种同时结合雷达、全景光电相机、可变焦光电相机的系统，能够在探知鸟的位置、数量等信息的前提下，自动驱动驱鸟设备，将鸟类赶走，从而起到自动化驱鸟的目的。

Method and system for automatic detection of expulsion targets

The invention provides an automatic detection and expulsion target method, which comprises the following steps: target detection step: acquiring target detection image; image processing of target detection image according to database data and/or modeling parameters; target capture step: acquiring target capture image and capturing target according to target capture image Geographic coordinates, and according to the target geographic coordinates to drive the target; Information fusion steps: target detection image and target capture image fusion, determine the target location. By designing a system which combines radar, panoramic photoelectric camera and zoom photoelectric camera at the same time, the method can drive the bird driving device automatically on the premise of detecting the position and number of birds, and drive the birds away, thereby achieving the purpose of automatic bird driving.

【技术实现步骤摘要】
自动化探测驱逐目标方法及其系统
本专利技术涉及一种方法，具体地，涉及一种自动化探测驱逐目标方法及其系统。
技术介绍
鸟撞是长期以来困扰人类，威胁飞行安全的一个国际性的难题，随着航空事业的发展，飞机数量、航线增多，而随着人们保护环境、爱鸟、护鸟意识的增强，鸟类数量逐年增加，同时，随着人类活动范围的扩大，使适合鸟类生活、栖息、繁衍的自然环境大幅度减少，机场便成为鸟类生活、栖息、繁衍的理想场所一旦发生鸟撞，轻则造成一定的经济损失，重则机毁人亡。鸟类是人类的朋友，在生态平衡中有着重要作用，人类应该在不伤害或尽可能少伤害鸟类的前提下去解决机场鸟害。这无形中又对机场驱鸟对策的实施增加了难度。目前，不伤害鸟类的驱赶，多是依靠对于鸟类来说危险的信号刺激，使鸟类对刺激信号产生逃避反应.当鸟类受到重复刺激后，逃避反应会逐渐减弱，最后可能完全消失，这就是习惯化。目前国际上普遍采用的无伤害驱鸟方法都会面临习惯化的问题。所以如何解决信号刺激与习惯化的矛盾是解决无伤害驱鸟成败的关键。申请号为201420163073.8，公告号为CN203841004U的专利文献公开了一种机场红外探鸟驱鸟器，包括红外镜头、红外焦平面探测器、红外图像采集电路、信号处理装置、高能定向声波发生装置、图像显示装置；所述红外镜头将成像传给焦平面探测器后，经红外图像采集电路、信号处理装置，一路传给高能定向声波发生装置，另一路传给显示屏显示。本技术能克服恶劣环境、具有探鸟和驱鸟功能、有鸟时才启动驱鸟设备，同时具有图像监视的功能，广泛应用于机场安全领域。上述专利文献公开的机场红外探鸟驱鸟器中，红外焦平面探测器连接育基于比例-积分-微分控制器(ProportionIntegrationDifferentiation，PID)调节的探测器衬底温控电路。该方法的精确性还有待商榷，因为PID控制的精髓是“以误差来消除误差”，这种直接取目标与实际行为之间的误差并不完全合理，因为系统输出存在一定的惯性，不可能发生跳变，而目标值是系统外部给定的，可以跳变，直接采用它们之间的误差来消除误差，就意味着让不可能跳变的量来跟踪可以跳变的量，这显然是不尽合理的。这种“直接取目标与实际行为之间的误差来消除误差”的方式常常会造成初始控制力太大而使系统行为出现超调，这也是PID控制在闭环系统中产生“快速性”和“超调”之间矛盾的主要原因。申请号为201610896104.4，公告号为CN106530189A公开了一种基于支持向量机的机场驱鸟智能决策方法，该专利文献提出的机场驱鸟智能决策方法基于大量历史鸟情信息以及专家知识，利用支持向量机建立驱鸟策略分类模型，实现了机场驱鸟实时智能决策。该方法包括训练和测试两部分，其中，训练部分基于历史鸟情信息和专家知识，通过数据预处理与支持向量机训练两个步骤，建立驱鸟策略分类模型，测试部分根据驱鸟实时智能决策结果，对驱鸟策略分类模型进行修正与优化。该申请克服了传统驱鸟方法中驱鸟设备长期单调重复运行的缺点，通过智能决策方法，针对实时鸟情信息，实现了多种驱鸟设备的实时优化组合。该方案提出了一种基于向量机的机场智能能驱鸟决策算法，支持向量机(SupportVectorMachine，SVM)，它在解决小样本、非线性以及高维模式识别中有许多优势，但是其有两个缺点：(1)SVM算法对于大规模训练样本难以实施，由于SVM是借助二次规划来求解支持向量的，而求解二次规划需要涉及m阶矩阵的计算(m为样本的个数)，当m数目很大时该矩阵的存储和计算就会耗费大量的及其内存和时间。(2)用SVM解决多分类问题存在困难，经典的支持向量机算法只给出了二类分类算法，而在数据挖掘实际应用中，一般要解决多类的分类问题。且该方案只给出了算法层面的方案，实际应用中并不一定适合。申请号为201210007284.8，公告号为CN102524237A的专利文献公开了一种飞机场鸟情监控驱鸟系统及方法，包括远程鸟情监控装置、驱鸟终端和桌面监控中心；其中远程鸟情监控装置的输出端连接桌面监控中心的输入端，桌面监控中心的输出端与驱鸟终端相连；通过远程鸟情监控装置对机场停机坪附件的鸟情进行实时监测，桌面监控中心进行数据处理，根据当前鸟目标情况发出驱鸟信号至驱鸟终端，实现主动驱鸟，并可对鸟情数据进行记录与统计，便于对机场周边鸟情环境的分析和预测。该方案使用的的方式是固定的被动驱鸟方式，不具备根据鸟类在机场活动的情况有目的的实施驱赶的能力，存在费时费力、易虚警和误警的弊端且使用时间长之后鸟类容易产生习惯性反射，从而使驱鸟设备失效。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种自动化探测驱逐目标方法及其系统。根据本专利技术提供的一种自动化探测驱逐目标方法，包括如下步骤：目标探测步骤：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；目标捕捉步骤：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；信息融合步骤：将目标探测图像与目标捕捉图像融合，确定目标位置。优选地，还包括如下步骤：天气干扰步骤：若当天天气为雨雪雾天，则目标捕捉图像作为参考信息；信息综合处理步骤：当确认目标位置时，自动触发驱鸟设备；目标数据积累步骤：根据目标探测图像、目标捕捉图像，对目标识别信息进行统计，并储存至数据库中；其中，所述目标识别信息包括目标种类信息、目标活动地点信息、目标飞行高度信息、目标活动时间信息、目标行为信息以及目标数量信息中的任一种或任多种信息。优选地，所述目标探测步骤包括如下任一个或任多个子步骤：数据积累步骤：连续收集预设时间内的雷达信号数据，并获取雷达信号数据规律作为所述数据库数据；其中，所述雷达信号数据包括多个雷达信号；逐像素建模步骤：根据雷达信号的像素，建立第一模型，并获取第一模型的平均值和标准差作为建模参数；对于相邻两个像素，将雷达信号的相邻两个像素归一化后，建立第二模型；根据第二模型，获取第二模型的平均值和标准差作为建模参数；实时检测步骤：根据建模参数，在已获取的目标探测图像中提取前景像素；相邻像素分析步骤：根据前景像素，确定背景像素，即图像处理。优选地，所述目标捕捉步骤包括可见光目标捕捉步骤、红外目标捕捉步骤以及远目标捕捉步骤；所述可见光目标捕捉步骤：通过可见光相机，获取目标捕捉图像；所述红外目标捕捉步骤：通过红外相机，获取目标捕捉图像；所述远目标捕捉步骤：通过可变焦相机，获取目标捕捉图像。优选地，所述可见光目标捕捉步骤包括如下子步骤：布控设置步骤：在预设区域安装可见光相机，形成布控；背景建模步骤：对可见光相机进行背景建模、实时背景更新，来获取实时图像；前景像素获取步骤：根据当前实时图像，提取前景像素点；形态学操作步骤：对前景像素点进行形态学操作，滤噪，修补漏洞；连通域处理步骤：对实时图像中的前景连通域进行扫描，来对前景连通域进行目标跟踪；确定目标位置步骤：记录目标所在方位角；根据目标的方位角、可见光相机坐标信息，获取目标地理坐标；控制执行步骤：根据目标地理坐标，触发驱逐目标装置进行目标驱逐。优选地，所述信息融合步骤包括如下子步骤：目标定位步骤：当检测到目标时，根据检测到的当前目标的位置所对应的全景相机的位置，来获取当前目标地理位置坐标；所述全本文档来自技高网...

【技术保护点】
1.一种自动化探测驱逐目标方法，其特征在于，包括如下步骤：目标探测步骤：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；目标捕捉步骤：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；信息融合步骤：将目标探测图像与目标捕捉图像融合，确定目标位置。

【技术特征摘要】
1.一种自动化探测驱逐目标方法，其特征在于，包括如下步骤：目标探测步骤：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；目标捕捉步骤：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；信息融合步骤：将目标探测图像与目标捕捉图像融合，确定目标位置。2.根据权利要求1所述的自动化探测驱逐目标方法，其特征在于，还包括如下步骤：天气干扰步骤：若当天天气为雨雪雾天，则目标捕捉图像作为参考信息；信息综合处理步骤：当确认目标位置时，自动触发驱鸟设备；目标数据积累步骤：根据目标探测图像、目标捕捉图像，对目标识别信息进行统计，并储存至数据库中；其中，所述目标识别信息包括目标种类信息、目标活动地点信息、目标飞行高度信息、目标活动时间信息、目标行为信息以及目标数量信息中的任一种或任多种信息。3.根据权利要求1所述的自动化探测驱逐目标方法，其特征在于，所述目标探测步骤包括如下任一个或任多个子步骤：数据积累步骤：连续收集预设时间内的雷达信号数据，并获取雷达信号数据规律作为所述数据库数据；其中，所述雷达信号数据包括多个雷达信号；逐像素建模步骤：根据雷达信号的像素，建立第一模型，并获取第一模型的平均值和标准差作为建模参数；对于相邻两个像素，将雷达信号的相邻两个像素归一化后，建立第二模型；根据第二模型，获取第二模型的平均值和标准差作为建模参数；实时检测步骤：根据建模参数，在已获取的目标探测图像中提取前景像素；相邻像素分析步骤：根据前景像素，确定背景像素，即图像处理。4.根据权利要求1所述的自动化探测驱逐目标方法，其特征在于，所述目标捕捉步骤包括可见光目标捕捉步骤、红外目标捕捉步骤以及远目标捕捉步骤；所述可见光目标捕捉步骤：通过可见光相机，获取目标捕捉图像；所述红外目标捕捉步骤：通过红外相机，获取目标捕捉图像；所述远目标捕捉步骤：通过可变焦相机，获取目标捕捉图像。5.根据权利要求4所述的自动化探测驱逐目标方法，其特征在于，所述可见光目标捕捉步骤包括如下子步骤：布控设置步骤：在预设区域安装可见光相机，形成布控；背景建模步骤：对可见光相机进行背景建模、实时背景更新，来获取实时图像；前景像素获取步骤：根据当前实时图像，提取前景像素点；形态学操作步骤：对前景像素点进行形态学操作，滤噪，修补漏洞；连通域处理步骤：对实时图像中的前景连通域进行扫描，来对前景连通域进行目标跟踪；确定目标位置步骤：记录目标所在方位角；根据目标的方位角、可见光相机坐标信息，获取目标地理坐标；控制执行步骤：根据目标地理坐标，触发驱逐目标装置进行目标驱逐。6.根据权利要求1所述的自动化探测驱逐目标方法，其特征在于，所述信息融合步骤包括如下子步骤：目标定位步骤：当检测到目标时，根据检测到的当前目标的位置所对应的全景相机的位置，来获取当前目标地理位置坐标；所述全景相机包括能够获取目标捕捉图像的可见光相机、红外相机；飞机过滤步骤：在已获取的目标探测图像中，过滤飞机连通域，保留目标连通域作为最终目标探测图像；在已获取的目标捕捉图像中，截取图像，对飞机进行过滤，获取最终目标捕捉图像；图像融合步骤：将已获取的最终目标探测...

【专利技术属性】
技术研发人员：林德银，
申请(专利权)人：上海鹰觉科技有限公司，
类型：发明
国别省市：上海,31