无人机热度预测方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供一种无人机热度预测方法、装置、设备及介质，能够通过网格化处理得到每个侦测区域对应的网格单元，以降低无人机坐标的识别难度，对每个侦测区域内所有无人机的轨迹数据进行预处理得到每个无人机的轨迹坐标，基于每个无人机的轨迹坐标、每个无人机的轨迹坐标的采集时间、每个侦测区域对应的网格单元进行编码处理，得到无人机轨迹编码数据并存储至配置数据库，以便快速调用并执行后续相关处理，结合从配置数据库中调取并解码得到的目标解码数据、无人机热度等级预测模型计算目标区域内每个无人机的热度等级，生成无人机热度地图并显示，进而能够直观的展示指定区域内无人机热度，以辅助进行无人机的安全控制。人机的安全控制。人机的安全控制。

【技术实现步骤摘要】
无人机热度预测方法、装置、设备及介质


[0001]本专利技术涉及人工智能
，尤其涉及一种无人机热度预测方法、装置、设备及介质。

技术介绍

[0002]随着民用无人机保有量日趋增多，无人机乱飞现象日益严重。低空飞行器存在机动性强、灵活性高、飞行时间短、质量低的特点，且常规手段存在发现难、核实难、处置难、处罚难的痛点。因此，对指定区域内的低空飞行器进行快速压制是一项重要研究内容，只有辅助指挥人员快速决策、整合空地处置力量，才能彻底解决低空飞行器乱飞的现象。
[0003]在现有技术中，针对无人机的乱飞现象虽采取了一定的解决方案，但并未对指定时间段内的低空飞行器的数据进行威胁度分析，且分析算法的复杂度高、对数据准确度的要求也较高、技术要求高，无法提高处置低空飞行器的效率，且无法适用多无人机场景，难以进行推广实现。

技术实现思路

[0004]鉴于以上内容，有必要提供一种无人机热度预测方法、装置、设备及介质，能够对指定区域内无人机的热度进行预测，以辅助进行无人机飞行过程中的快速预警。
[0005]一种无人机热度预测方法，所述无人机热度预测方法包括：获取每个侦测区域，并对每个侦测区域进行网格化处理，得到每个侦测区域对应的网格单元；实时采集每个侦测区域内所有无人机的轨迹数据；对每个侦测区域内所有无人机的轨迹数据进行预处理，得到每个无人机的轨迹坐标；获取每个无人机的轨迹坐标的采集时间；基于每个无人机的轨迹坐标、每个无人机的轨迹坐标的采集时间、每个侦测区域对应的网格单元进行编码处理，得到每个侦测区域对应的无人机轨迹编码数据，并将每个侦测区域对应的无人机轨迹编码数据存储至配置数据库；响应于对目标区域的无人机热度预测指令，从所述配置数据库中调取与所述目标区域对应的无人机轨迹编码数据作为目标编码数据，并对所述目标编码数据进行解码处理，得到目标解码数据；调取预先训练的无人机热度等级预测模型，基于所述目标解码数据及所述无人机热度等级预测模型计算所述目标区域内每个无人机的热度等级；根据所述目标区域内每个无人机的热度等级生成所述目标区域的无人机热度地图，并显示所述无人机热度地图。
[0006]根据本专利技术优选实施例，所述对每个侦测区域进行网格化处理，得到每个侦测区域对应的网格单元包括：
对每个侦测区域按照经纬度进行预设轮次的网格划分；将最后一轮网格划分后得到的网格划分结果确定为每个侦测区域对应的网格单元；其中，在每轮划分时，获取当前网格划分结果，在所述当前网格划分结果的基础上继续执行当轮的按照经纬度的网格划分。
[0007]根据本专利技术优选实施例，所述实时采集每个侦测区域内所有无人机的轨迹数据包括：利用被动式无线电设备采集每个侦测区域内所有无人机的电信号；利用光电设备采集每个侦测区域内所有无人机的图像信号；利用阵列型麦克风采集每个侦测区域内所有无人机的声音信号；整合每个侦测区域内所有无人机的电信号、每个侦测区域内所有无人机的图像信号及每个侦测区域内所有无人机的声音信号，得到每个侦测区域内所有无人机的轨迹数据。
[0008]根据本专利技术优选实施例，所述对每个侦测区域内所有无人机的轨迹数据进行预处理，得到每个无人机的轨迹坐标包括：基于卡尔曼滤波平滑算法对每个侦测区域内所有无人机的轨迹数据进行平滑处理，得到待处理数据；获取所述待处理数据中的所述电信号，将所述电信号输入至预先训练的电信号特征提取模型，得到电信号特征图；获取所述待处理数据中的所述图像信号，将所述图像信号输入至预先训练的图像信号特征提取模型，得到图像信号特征图；获取所述待处理数据中的所述声音信号，将所述声音信号输入至预先训练的MFCC模型，得到声音信号特征图；对所述电信号特征图、所述图像信号特征图及所述声音信号特征图进行特征融合，得到融合特征；利用PCA降维算法对所述融合特征进行降维处理，得到每个无人机的轨迹坐标。
[0009]根据本专利技术优选实施例，所述调取预先训练的无人机热度等级预测模型前，所述方法还包括：获取历史无人机轨迹数据作为训练样本；对所述训练样本进行标记，得到标签样本；利用所述标签样本训练卷积神经网络模型；当所述卷积神经网络模型的准确率达到配置准确率时，停止训练，得到所述无人机热度等级预测模型。
[0010]根据本专利技术优选实施例，所述基于所述目标解码数据及所述无人机热度等级预测模型计算所述目标区域内每个无人机的热度等级包括：根据所述无人机热度预测指令确定预测时间段及目标位置；从所述目标解码数据中获取所述预测时间段内每个采集时间点的无人机数量及每个无人机到所述目标位置的直线距离；将所述预测时间段、每个采集时间点的无人机数量及每个无人机到所述目标位置
的直线距离作为输入数据输入至所述无人机热度等级预测模型；获取所述无人机热度等级预测模型的输出数据作为所述目标区域内每个无人机的热度等级。
[0011]根据本专利技术优选实施例，所述根据所述目标区域内每个无人机的热度等级生成所述目标区域的无人机热度地图包括：配置热度等级与显示颜色的对应关系；根据所述对应关系确定所述目标区域内每个无人机的热度等级所对应的目标显示颜色；根据每个无人机的热度等级所对应的目标显示颜色对每个无人机的热度等级进行标记，以生成所述目标区域的无人机热度地图。
[0012]一种无人机热度预测装置，所述无人机热度预测装置包括：网格化单元，用于获取每个侦测区域，并对每个侦测区域进行网格化处理，得到每个侦测区域对应的网格单元；采集单元，用于实时采集每个侦测区域内所有无人机的轨迹数据；预处理单元，用于对每个侦测区域内所有无人机的轨迹数据进行预处理，得到每个无人机的轨迹坐标；获取单元，用于获取每个无人机的轨迹坐标的采集时间；编码单元，用于基于每个无人机的轨迹坐标、每个无人机的轨迹坐标的采集时间、每个侦测区域对应的网格单元进行编码处理，得到每个侦测区域对应的无人机轨迹编码数据，并将每个侦测区域对应的无人机轨迹编码数据存储至配置数据库；解码单元，用于响应于对目标区域的无人机热度预测指令，从所述配置数据库中调取与所述目标区域对应的无人机轨迹编码数据作为目标编码数据，并对所述目标编码数据进行解码处理，得到目标解码数据；计算单元，用于调取预先训练的无人机热度等级预测模型，基于所述目标解码数据及所述无人机热度等级预测模型计算所述目标区域内每个无人机的热度等级；生成单元，用于根据所述目标区域内每个无人机的热度等级生成所述目标区域的无人机热度地图，并显示所述无人机热度地图。
[0013]一种计算机设备，所述计算机设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现所述无人机热度预测方法。
[0014]一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现所述无人机热度预测方法。
[0015]由以上技术方案可以看出，本专利技术能够对每个侦测区域进行网格化处理得到每个侦测区域对应的网格单元，降低了无人机坐标的识别难度，实时采集并对每个侦测区域内所有无人机的轨迹数据进行预处理得到每个无人机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机热度预测方法，其特征在于，所述无人机热度预测方法包括：获取每个侦测区域，并对每个侦测区域进行网格化处理，得到每个侦测区域对应的网格单元；实时采集每个侦测区域内所有无人机的轨迹数据；对每个侦测区域内所有无人机的轨迹数据进行预处理，得到每个无人机的轨迹坐标；获取每个无人机的轨迹坐标的采集时间；基于每个无人机的轨迹坐标、每个无人机的轨迹坐标的采集时间、每个侦测区域对应的网格单元进行编码处理，得到每个侦测区域对应的无人机轨迹编码数据，并将每个侦测区域对应的无人机轨迹编码数据存储至配置数据库；响应于对目标区域的无人机热度预测指令，从所述配置数据库中调取与所述目标区域对应的无人机轨迹编码数据作为目标编码数据，并对所述目标编码数据进行解码处理，得到目标解码数据；调取预先训练的无人机热度等级预测模型，基于所述目标解码数据及所述无人机热度等级预测模型计算所述目标区域内每个无人机的热度等级；根据所述目标区域内每个无人机的热度等级生成所述目标区域的无人机热度地图，并显示所述无人机热度地图。2.如权利要求1所述的无人机热度预测方法，其特征在于，所述对每个侦测区域进行网格化处理，得到每个侦测区域对应的网格单元包括：对每个侦测区域按照经纬度进行预设轮次的网格划分；将最后一轮网格划分后得到的网格划分结果确定为每个侦测区域对应的网格单元；其中，在每轮划分时，获取当前网格划分结果，在所述当前网格划分结果的基础上继续执行当轮的按照经纬度的网格划分。3.如权利要求1所述的无人机热度预测方法，其特征在于，所述实时采集每个侦测区域内所有无人机的轨迹数据包括：利用被动式无线电设备采集每个侦测区域内所有无人机的电信号；利用光电设备采集每个侦测区域内所有无人机的图像信号；利用阵列型麦克风采集每个侦测区域内所有无人机的声音信号；整合每个侦测区域内所有无人机的电信号、每个侦测区域内所有无人机的图像信号及每个侦测区域内所有无人机的声音信号，得到每个侦测区域内所有无人机的轨迹数据。4.如权利要求3所述的无人机热度预测方法，其特征在于，所述对每个侦测区域内所有无人机的轨迹数据进行预处理，得到每个无人机的轨迹坐标包括：基于卡尔曼滤波平滑算法对每个侦测区域内所有无人机的轨迹数据进行平滑处理，得到待处理数据；获取所述待处理数据中的所述电信号，将所述电信号输入至预先训练的电信号特征提取模型，得到电信号特征图；获取所述待处理数据中的所述图像信号，将所述图像信号输入至预先训练的图像信号特征提取模型，得到图像信号特征图；获取所述待处理数据中的所述声音信号，将所述声音信号输入至预先训练的MFCC模型，得到声音信号特征图；
对所述电信号特征图、所述图像信号特征图及所述声音信号特征图进行特征融合，得到融合特征；利用PCA降维算法对所述融合特征进行降维处理，得到每个无人机的轨迹坐标。5.如权利要求1所述的无人机热度预测方法，其特征在于，所述调取预先训练的无人机热度等级预测模型前，所述方...

【专利技术属性】
技术研发人员：王李青，陈晨辉，黄辉，彭亮，钟彦超，孙忠良，
申请(专利权)人：杰能科世智能安全科技杭州有限公司，
类型：发明
国别省市：