一种基于无人机协同组网的边缘群体智能方法技术

本发明专利技术公开了基于无人机协同组网的边缘群体智能方法，首先，通过一种面向森林火灾烟雾检测的具有自适应间隔的三帧差法提取运动区域，降低了单个无人机烟雾检测的数据运算成本，用烟雾颜色判据模型对运动区域进行提取，获得烟雾图像，再通过计算烟雾的面积变化率判断是否为烟雾图像，提高无人机烟雾检测的准确率；本发明专利技术提出了一种改进的分布式的粒子群算法，用多个侦查无人机协同工作，对森林火灾进行实时监控和定位，能够有效地识别森林火灾，降低漏检率，并对火灾做出及时响应，提高无人机组的工作效率；还提出了一种分层反馈校正机制，反馈调节、优化提升自适应间隔三帧差法和改进的分布式粒子群算法。改进的分布式粒子群算法。改进的分布式粒子群算法。

【技术实现步骤摘要】
一种基于无人机协同组网的边缘群体智能方法


[0001]本专利技术涉及边缘群体智能领域，尤其涉及一种基于无人机协同组网的边缘群体智能方法。

技术介绍

[0002]近年来，由于人类活动的复杂度不断增加，各种工作任务都交由多个智能设备进行处理，对智能设备群体智能协同工作方法的研究层出不穷，而且应用广泛，例如，由于人类的各种活动，导致全球天气发生异常而引发的森林火灾，在这种人工监督不适合的场景下，国内外开始研究各种群体智能方法，逐渐使用无人机代替人工检测的方式，不断的提高林火监测技术，优化监测方案。森林火灾的及时发现是减少人员伤亡、经济损失的重要手段，因此，具有十分重要的意义。
[0003]目前存在森林火灾多处并发，且火灾初期人工检测难以发现的特点，人工检测成本高、监测区域小、工作效率低下，容易造成人员伤亡的现象。一些火灾烟雾检测算法应用于森林火灾识别场景中还是存在误检、抗干扰能力差的缺点，图片中如果存在干扰物的颜色与烟雾比较相似，如漂浮的雾气或云朵等，容易出现目标区域的错误分割，可能出现漏检，导致后续森林火灾的识别困难。随着经济的发展，各种科学技术发展迅速，无人机技术便是其中的一种。当前的无人机技术发展良好并逐渐走向成熟，在各领域的应用比较广泛，具有良好的前景，尤其是在森林的灭火防火领域具有人工没有的优势：无人机能在空中进行侦查，对火场的具体形式进行实时回传，能够给防火灭火指挥员提供准确信息，但是无人机存在数据处理运算成本高的问题。

技术实现思路

[0004]专利技术目的：针对目前火灾识别技术应用于森林火灾识别场景中识别率下降，检测方法自适应性不强、可能会出现烟雾漏检的情况和森林火灾具有多处并发，且火灾初期人工检测难以发现的特点；采用人工火灾监测和灭火成本过大，实时性较差、监测区域较小，容易造成人员伤亡；无人机作业效率低下、续航能力不足、数据处理成本较高等一系列问题，本专利技术提出了一种基于无人机协同组网的边缘群体智能方法。
[0005]技术方案：为了克服上述现有技术的不足，本专利技术提出一种基于无人机协同组网的边缘群体智能方法，包括以下步骤：（1）将需要巡视的区域划分成个区域，每个区域都设置有一个无人机基站，无人机基站内设置有侦查无人机组、灭火无人机组和验证无人机组；所述需要巡视的区域可以是森林区域，草地等易发生火灾的区域；（2）每个基站内的侦查无人机使用自适应间隔的三帧差法，提取巡航视频图像中的运动区域，然后用烟雾颜色判据对运动区域进行分割，获取初步分割烟雾图像，计算初步分割烟雾图像面积变化率，判断该图像是否为烟雾图像，若是烟雾图像，则判定此处为
着火点，并将位置信息和烟雾面积变化率数据同步给基站；（3）基站比较所有侦察无人机获取着火点处的烟雾面积变化率，找到最大烟雾面积变化率所对应的着火点的位置信息，视为所有侦察无人机共同认为的火灾最大的着火点，并将该着火点的位置信息共享给所有正在执行巡视任务的侦察无人机，然后每个侦查无人机比较自身检测到的所有着火点的烟雾面积变化率，找到最大烟雾面积变化率对应的着火点的位置信息，作为每个侦察无人机自身认为最大的着火点；每个侦察无人机再根据所有侦察无人机共同的火灾最大的着火点的位置和自身最大的着火点的位置，根据分布式的粒子群算法及时调整飞行速度的大小和方向，向所有侦察无人机共同的火灾最大的着火点的方向飞行进行火点检测，重复步骤（2）
‑
（3），直到定位出森林区域范围内的所有着火点；（4）基站根据侦查无人机定位的着火点的位置信息，调度基站内的灭火无人机组对着火点进行灭火；（5）验证无人机组检查是否存在巡航检测过程中遗漏的着火点，若存在漏检火点，则采用分层反馈校正机制对自适应三帧差法的间隔进行反馈调整，以及对分布式粒子群算法的随机权值中的影响因子进行反馈调整以用于下次灭火任务。
[0006]优选的，步骤（2）中，每个基站内的侦查无人机使用自适应间隔的三帧差法，提取巡航视频图像中的运动区域，然后用烟雾颜色判据对运动区域进行分割，获取初步分割烟雾图像，计算初步分割烟雾图像面积变化率，判断该图像是否为烟雾图像，若是烟雾图像，则判定此处为着火点，包含如下步骤：（21）设置一个初始间隔，；（22）从侦察无人机巡航视频中的第帧图像开始，每隔帧提取两组连续的三帧图像；先将视频图像尺寸归一化为大小的标准图像，然后进行灰度处理，得到第一组灰度图像、、，第二组灰度图像、、，m和n为整数；（23）第一组和第二组灰度图像一一对应作差，根据设置的阈值T将差分图像分割为二值图像，如下式所示：，如下式所示：
其中，代表第帧图像中坐标处的像素值大小，代表第帧图像中坐标处的像素值大小，代表第帧图像中坐标处的像素值大小，代表第帧图像中坐标处的像素值大小，代表第帧图像中坐标处的像素值大小，代表第帧图像中坐标处的像素值大小；然后通过逻辑与运算，获得图像中属于运动区域的像素点的坐标：根据的坐标提取无人机视频巡航图像中的运动区域：的坐标提取无人机视频巡航图像中的运动区域：（24）提取、图像的RGB分量，得到、、和、、，根据如下烟雾的颜色判据规则：得到、、和、、这些符合条件的RGB图像的像素点，其中，，，，，然后获得分割后烟雾图像和，再计算烟雾的面积变化率：，其中，是中像素值不为
0的个数，是中像素值不为0的个数，当满足时，认为是烟雾图像，则判定发生森林火灾，将着火点的位置信息和烟雾面积变化率数据同步给无人机基站；若判定是无烟图像，则舍弃图像，其中，和是烟雾面积变化率的阈值；（25）求相关系数，和：其中，代表第张图像像素的平均值，代表第张图像像素的平均值，代表第张图像坐标的像素值大小，代表第张图像坐标的像素值大小，时，为和的相关系数，时，为和的相关系数，时，为和的相关系数；（26）计算平均相关系数，，设置阈值；（27）根据如下公式更新间隔大小：（27）根据如下公式更新间隔大小：其中，f表示间隔的自适应调节部分，初始状态下，是一个常数，代表上一次的间隔大小，代表更新后的间隔大小，是设置的最大间隔；（28）返回步骤（22）重复执行操作，直到所有的巡航视频图像帧处理完毕。
[0007]优选的，步骤（3）中，根据分布式的粒子群算法及时调整飞行速度的大小和方向，向所有侦察无人机共同认为火灾最大的着火点的方向飞行进行火点检测，重复步骤（2）
‑
（3），直到定位出森林区域范围内的所有着火点，包含如下步骤：（31）每个侦查无人机以初始速度，初始位置，从基站起飞，每架侦查无人机检测到的着火点的位置记为：
其中，侦查无人机飞行高度固定，和表示第i架侦查无人机检测到的着火点在固定高度平面上的两个相互垂直的维度上的位置的二维坐标，N表示侦查无人机的个数，N个侦查无人机组成一个粒子群，每个侦查无人机作为一个粒子，对于所有的侦察无人机的速度和位置，要满足、，、，和是两个相互垂直的维度上速度分量的最小值和最大值，保证侦察无人机的速度不超速，和是两个相互垂直的维度上位置坐标分量的最小值和最大值，保证侦察无人机不飞出巡航范围；（32）侦查无人机i第t次检测到着火点，将该着火点位置数据和烟雾面积变化率数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机协同组网的边缘群体智能方法，其特征在于，该方法包括以下步骤：（1）将巡视的区域划分成 个区域，每个区域设置一个无人机基站，无人机基站内设置有侦查无人机组、灭火无人机组和验证无人机组，其中，b和d为整数；（2）每个基站内的侦查无人机使用自适应间隔的三帧差法，提取巡航视频图像中的运动区域，使用烟雾颜色判据对运动区域进行分割，获取初步分割烟雾图像，计算初步分割烟雾图像面积变化率 ，判断该图像是否为烟雾图像，若是烟雾图像，则判定此处为着火点，并将着火点的位置信息和烟雾面积变化率数据同步给基站；（3）基站比较所有侦察无人机获取着火点处的烟雾面积变化率，找到最大烟雾面积变化率
ꢀꢀ
所对应的着火点的位置，并视为所有侦察无人机共同的最大的着火点位置，将该着火点的位置信息共享给所有正在执行巡视任务的侦察无人机，每个侦查无人机比较自身检测到的所有着火点的烟雾面积变化率，找到最大烟雾面积变化率对应的着火点的位置作为每个侦察无人机自身最大的着火点位置；每个侦察无人机再根据所有侦察无人机共同的最大的着火点位置和自身最大的着火点位置，以及根据分布式的粒子群算法调整飞行速度的大小和方向，向所有侦察无人机共同的最大的着火点的方向飞行进行火点检测，重复步骤（2）
‑
（3），直到定位出巡视区域范围内的所有着火点；（4）基站根据侦查无人机定位的着火点的位置信息，调度基站内的灭火无人机组对着火点进行灭火；（5）检查是否存在巡航检测过程中遗漏的着火点，若存在漏检火点，基站调度验证无人机组获取漏检火点的视频图像和位置信息，采用分层反馈校正机制对自适应三帧差法的间隔进行反馈调整，以及对分布式粒子群算法的随机权值中的影响因子进行反馈调整以用于下次灭火任务。2.根据权利要求1所述的一种基于无人机协同组网的边缘群体智能方法，其特征在于，步骤（2）中，每个基站内的侦查无人机使用自适应间隔的三帧差法，提取巡航视频图像中的运动区域，使用烟雾颜色判据对运动区域进行分割，获取初步分割烟雾图像，计算初步分割烟雾图像面积变化率，判断该图像是否为烟雾图像，若是烟雾图像，则判定此处为着火点，包含如下步骤：（21）设置初始间隔，；（22）从侦察无人机巡航视频中的第帧图像开始，每隔
ꢀꢀ
帧提取两组连续的三帧图像，先将视频图像尺寸归一化为大小的标准图像，然后进行灰度处理得到第一组灰度图像、、，第二组灰度图像、、，m和n为整数；（23）第一组和第二组灰度图像一一对应作差，根据设置的阈值T将差分图像分割为二值图像，如下式所示：
其中，代表第帧图像中坐标处的像素值大小，代表第帧图像中坐标处的像素值大小，代表第帧图像中坐标处的像素值大小，代表第帧图像中坐标处的像素值大小，代表第帧图像中坐标处的像素值大小，代表第帧图像中坐标处的像素值大小；通过逻辑与运算，获得图像中属于运动区域的像素点的坐标：根据的坐标提取无人机视频巡航图像中的运动区域：的坐标提取无人机视频巡航图像中的运动区域：（24）提取、图像的RGB分量得到、、和、、，根据如下烟雾的颜色判据规则：得到、、和、、符合条件的RGB图像的像素点，其中，，，，，然后获得分割后烟雾图像和，再计算烟雾的面积变化率：，其中，是中不为0的像素值的个
数，是中不为0像素值的个数，当满足时，认为是烟雾图像，则判定发生火灾，将着火点的位置信息和烟雾面积变化率数据同步给无人机基站；否则，判定为无烟图像，则舍弃图像，其中，和是烟雾面积变化率的阈值；（25）求相关系数，和：其中，代表第张图像像素的平均值，代表第张图像像素的平均值，代表第张图像坐标的像素值大小，代表第张图像坐标的像素值大小，时，为和的相关系数，时，为和的相关系数，时，为和的相关系数；（26）计算平均相关系数，，设置阈值；（27）根据如下公式更新间隔大小：（27）根据如下公式更新间隔大小：其中，f表示间隔的自适应调节部分，初始状态下，是一个常数，代表上一次的间隔大小，代表更新后的间隔大小，是设置的最大间隔；（28）返回步骤（22）重复执行操作，直到所有的巡航视频图像帧处理完毕。3.根据权利要求1所述的一种基于无人机协同组网的边缘群体智能方法，其特征在于，步骤（3）中，根据分布式的粒子群算法调整飞行速度的大小和方向，向所有侦察无人机共同的最大的着火点的方...

【专利技术属性】
技术研发人员：张晖，王呈呈，张晗，赵海涛，陆平，朱洪波，倪艺洋，夏文超，蔡艳，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：