【技术实现步骤摘要】
一种基于手势识别的无人机智能控制方法
本专利技术涉及计算机数字图像处理与模式识别
，特别涉及一种基于手势识别的无人机智能控制方法。
技术介绍
无人驾驶飞机简称“无人机”(“UAV”)，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。它具有体积小、造价低、使用方便等优点。目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术。无人机的发展意义重大，而且无人机已经进入人类的生活中，人类与无人机良好的交互和协作已经成为一种发展趋势。公开号为CN104898524B的专利公开了一种基于手势的无人机遥控系统，通过在操作人员身上佩戴固定设备来探测人手或人手上的设备的实时运动轨迹，并将人手或人手上的设备的实时运动轨迹进行处理后作为对无人机运动的遥控指令发送给无人机；此方案通过手势的轨迹来获取手势动作，对使用者来说仍缺乏一定的灵活性；另外需要操作者佩戴...
【技术保护点】
1.一种基于手势识别的无人机智能控制方法，其特征在于，包括以下步骤：/n步骤1：制作和标注行人学习样本集和人体手势各种属性学习样本集；/n步骤2：构建深度行人检测神经网络，使用行人学习样本集的数据对神经网络进行训练，得到行人检测网络模型；/n步骤3：构建深度手势检测神经网络，使用手势学习样本集的数据对神经网络进行训练，得到手势检测网络模型；/n步骤4：使用训练好的行人检测网络模型对从无人机机载摄像头获取的图像并进行做行人检测，使用置信阈值(0.3)对行人检测结果进行筛选，如果行人的数量大于0则进行下一步，否则跳过当前帧；/n步骤5：对检测到的所有行人进行面积比较，选取面积最...
【技术特征摘要】
1.一种基于手势识别的无人机智能控制方法，其特征在于，包括以下步骤：
步骤1：制作和标注行人学习样本集和人体手势各种属性学习样本集；
步骤2：构建深度行人检测神经网络，使用行人学习样本集的数据对神经网络进行训练，得到行人检测网络模型；
步骤3：构建深度手势检测神经网络，使用手势学习样本集的数据对神经网络进行训练，得到手势检测网络模型；
步骤4：使用训练好的行人检测网络模型对从无人机机载摄像头获取的图像并进行做行人检测，使用置信阈值(0.3)对行人检测结果进行筛选，如果行人的数量大于0则进行下一步，否则跳过当前帧；
步骤5：对检测到的所有行人进行面积比较，选取面积最大的行人作为无人机控制者，然后在控制者位置做区域拓展和裁剪；
步骤6：使用训练好的手势检测网络模型对步骤5结果进行手势属性检测；
步骤7：使用置信阈值(0.3)对手势属性检测结果进行筛选，然后选取置信度最大的作为最终检测结果；
步骤8：将步骤7的检测结果进行时域统计，选择出现次数最多的手势作为最终结果，并发送到无人机飞控端指导无人机做相应的动作。
2.根据权利要求1所述的一种基于手势识别的无人机智能控制方法，其特征在于，所述的步骤1中以无人机采集的图片作为原始图片，在原始图片中进行制作和标注行人属性学习样本集：用于训练行人检测网络模型；在原始图片中对制作手势的目标行人进行区域拓展和裁剪，将裁剪后的图片制作和标注人体手势属性学习样本集：用于训练手势检测网络模型。
3.根据权利要求1所述的一种基于手势识别的无人机智能控制方法，其特征在于，所述的步骤2构建深度行人检测网络并对网络进行训练，可选网络有：YOLO，Faster-RCNN，RetinaNet与SSD，其中行人检测网络的基础网络采用的是MobileNetV2,在检测方面采用的是SSDLite网络，将SSD的检测头部中的卷积运算替换为深度可分离卷积，在模型部署时，将行人检测模型移植到基于ARM结构的平台，对行人训练样本集做多尺度裁剪，水平翻转和增加若干噪声等操作。
4.根据权利要求1所述的一种基于手势识别的无人机智能控制方法，其特征在于，所述的步骤3构建深度手势检测网络并对网络进行训练，可选网络有：YOLO，Faster-RCNN，RetinaNet与SSD，其中手势检测网络的基础网络采用的是InceptionV2,在模型部署时，将手势检测模型移植到基于ARM结构的平台上，对手势学习样本集做多尺度裁剪和增加若干噪声等操作...
【专利技术属性】
技术研发人员：柯良军，梁柳，钱学明，
申请(专利权)人：西安交通大学，
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。