【技术实现步骤摘要】
本专利技术涉及无人机追逃，尤其涉及一种无人机追逃方法及系统。
技术介绍
1、无人机追逃是指利用无人机技术来追踪目标的行为，通过搭载的摄像头或其他传感器设备，对目标进行监测和跟踪，无人机具有快速、灵活、高空观察等特点，可以在追逃行动中发挥重要作用。
2、在现有技术中，无人机在追逃时，由于当前的无人机通常具有有限的计算能力和存储容量，难以满足实时处理和分析的需求，因此无人机在处理大规模视频数据时可能会出现延迟，影响无人机的追逃效果和响应速度；同时无人机在追逃过程中可能会遇到复杂的环境干扰，例如建筑物、阴影、遮挡物等，无人机无法智能躲避障碍物，影响目标物体的跟踪，以及追逃的成功率。
3、因此，寻找一种既能够对大规模视频数据进行及时处理，又能够准确识别目标物体，降低干扰因素影响的追逃方法，是本领域技术人员亟待解决的技术问题。
技术实现思路
1、有鉴于此，本专利技术提出了一种无人机追逃方法及系统，其通过地面控制站对视频图像数据进行处理，获取目标物体的运动轨迹，且利用注意力机制、残差注意力和通用注意力对图像进行处理，提高特征图中目标物体的特征表达能力，进而提高目标检测的准确度。
2、本专利技术的技术方案是这样实现的：
3、第一方面，本专利技术提供了一种无人机追逃方法，包括以下步骤：
4、s1、根据卫星定位实时获取无人机的位置信息并发送至地面控制站；
5、s2、无人机通过摄像头实时获取监控区域的视频图像数据，将视频图像数据传
6、s3、地面控制站对位置信息和视频图像数据进行耦合处理，得到目标物体的运动轨迹；
7、s4、根据目标物体的运动轨迹制定追逃策略，无人机根据追逃策略进行智能追逃；
8、s5、无人机通过摄像头捕捉到目标物体后，向地面控制站发送提醒信息，提示地面控制站无人机已经成功捕捉到目标物体的图像。
9、在以上技术方案的基础上，优选的，所述视频图像数据包括若干帧图像，步骤s3具体包括：
10、s31、将视频图像数据的第一帧图像作为模板帧图像，将视频图像数据的剩余帧图像作为检测数据帧图像集{ai}；
11、s32、使用第一网络模型对模板帧图像进行特征提取，并映射为第一特征图；
12、s33、使用第二网络模型对检测数据帧图像集{ai}分别进行特征提取，并映射为第二特征图集{bi}；
13、s34、将第一特征图与第二特征图集{bi}分别进行互相关操作，得到目标物体的加权互相关响应图集，根据加权互相关响应图集构建目标物体的运动轨迹。
14、在以上技术方案的基础上，优选的，第二网络模型包括第一处理分支和第二处理分支，步骤s33具体包括：
15、使用注意力机制对模板帧图像进行处理，生成注意力特征图；
16、将注意力特征图与检测数据帧图像集{ai}进行逐元素相乘，得到关注特征图集{ci}；
17、使用第一处理分支对关注特征图集{ci}分别进行卷积特征提取，得到检测数据帧图像的前景背景分类得分；
18、使用第二处理分支对关注特征图集{ci}分别进行处理，得到检测数据帧图像的候选框集；
19、将关注特征图集{ci}输入至第二处理分支，并对候选框集进行卷积特征提取，得到第二特征图集{bi}。
20、在以上技术方案的基础上，优选的，步骤s34具体包括：
21、s341、使用注意力机制对第二特征图集{bi}分别进行注意力机制处理，得到第二特征图权重集；
22、s342、将关注特征图集{ci}与第二特征图集{bi}分别进行融合，得到第一融合特征集；
23、s343、将第一融合特征集分别与第二特征图权重集进行融合，得到目标物体的加权互相关响应图集；
24、s344、根据加权相关响应图得到目标物体的位置，所述加权互相关响应图集构成目标物体的运动轨迹。
25、在以上技术方案的基础上，优选的，步骤s342具体包括：
26、对第二特征图集{bi}分别进行残差注意力处理，得到残差特征集；
27、将残差特征集分别与第二特征图集{bi}相加，得到残差特征图集；
28、将关注特征图集{ci}与残差特征图集进行逐元素乘法操作，得到第一融合特征集。
29、在以上技术方案的基础上，优选的，步骤s343具体包括：
30、对第二特征图集{bi}进行通用注意力处理，得到通用注意力权重集；
31、将通用注意力权重集与第二特征图集{bi}相加，得到加权特征图集；
32、将第一融合特征集分别与加权特征图集进行逐元素乘法操作，并与偏置项相加得到目标物体的加权互相关响应图集。
33、在以上技术方案的基础上，优选的，互相关操作的计算公式如下：
34、f(z，x)＝(y⊙φ(z))×φ(x)+b1；
35、其中，f(z，x)表示目标物体的加权互相关响应图，y表示关注特征图，φ(z)表示残差特征图，φ(x)表示加权特征图，b1表示偏置项，b1为常数，⊙表示逐元素相乘。
36、更进一步优选的，步骤s4具体包括：
37、根据目标物体的运动轨迹确定目标物体的运动状态；
38、根据无人机的位置信息确定无人机的环境状况；
39、根据目标物体的运动状态和无人机的环境状况规划出无人机的移动路径；
40、无人机根据移动路径进行目标物体追踪。
41、第二方面，本专利技术提供了一种无人机追逃系统，采用如上述所述的无人机智能追逃方法，包括：
42、信息获取模块，用于实时获取无人机的位置和监控区域的视频图像数据；
43、地面控制模块，用于根据视频图像数据进行处理，制定追逃策略；
44、追踪模块，用于无人机根据追逃策略进行目标追踪；
45、其中，地面控制模块包括图像处理单元、策略单元和追踪提醒单元，所述图像处理单元用于对视频图像数据进行处理，得到目标物体的运动轨迹；
46、所述策略单元用于根据目标物体的运动轨迹规划移动路径，生成追逃策略；
47、追踪提醒单元用于无人机成功捕捉到目标物体的图像后，向地面控制模块发送提醒信息。
48、第三方面，本专利技术提供了一种无人机，采用如上述所述的无人机智能追逃方法。
49、本专利技术的无人机智能追逃方法相对于现有技术具有以下有益效果：
50、(1)通过使用卫星定位实时获取无人机的位置信息，将无人机的位置信息和监控区域的视频图像数据发送至地面控制站进行耦合处理，利用地面控制站对大规模视频图像数据进行处理，提高视频图像数据处理速度的同时对目标物体进行实时监测，提高对目标物体的关注度和响应速度；
51、(2)通过设置第一网络模型和第二网络模型对模板帧图像和检测数据帧图像集进行特征提本文档来自技高网...
【技术保护点】
1.一种无人机追逃方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种无人机追逃方法，其特征在于，所述视频图像数据包括若干帧图像，步骤S3具体包括：
3.如权利要求2所述的一种无人机追逃方法，其特征在于，第二网络模型包括第一处理分支和第二处理分支，步骤S33具体包括：
4.如权利要求3所述的一种无人机追逃方法，其特征在于，步骤S34具体包括：
5.如权利要求4所述的一种无人机追逃方法，其特征在于，步骤S342具体包括：
6.如权利要求1所述的一种无人机追逃方法，其特征在于，步骤S343具体包括：
7.如权利要求6所述的一种无人机追逃方法，其特征在于，互相关操作的计算公式如下：
8.如权利要求1所述的一种无人机追逃方法，其特征在于，步骤S4具体包括：
9.一种无人机追逃系统，其特征在于，采用如权利要求1-8任一项所述的无人机智能追逃方法，包括：
10.一种无人机，其特征在于，采用如权利要求1-8任一项所述的无人机智能追逃方法。
【技术特征摘要】
1.一种无人机追逃方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种无人机追逃方法，其特征在于，所述视频图像数据包括若干帧图像，步骤s3具体包括：
3.如权利要求2所述的一种无人机追逃方法，其特征在于，第二网络模型包括第一处理分支和第二处理分支，步骤s33具体包括：
4.如权利要求3所述的一种无人机追逃方法，其特征在于，步骤s34具体包括：
5.如权利要求4所述的一种无人机追逃方法，其特征在于，步骤s342具体包括...
【专利技术属性】
技术研发人员：谈心，郑祺，沈永林，武文奎，赵梦奎，梁立正，王强，冯静，
申请(专利权)人：鸣飞伟业技术有限公司，
类型：发明
国别省市：
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。