一种基于无人机视频数据自然灾害保险处理方法及系统技术方案

本发明专利技术公开了一种基于无人机视频数据自然灾害保险处理方法及系统，包括使用无人机在自然灾害发生后收集航拍视频图像；对图像初步预处理；根据视频图像颜色特征将视频帧图像中的水域、农田、建筑物、道路分开；对于识别出的农田区域，提取关键特征形成特征向量；将形成的特征向量输入至训练好的卷积神经网络进行处理；卷积神经网络输出受灾农田的具体位置、受影响作物的类型和面积、农作物产量损失、洪涝、干旱、虫害；自动化理赔处理流程，将识别结果自动整合到保险公司理赔系统中。本申请将无人机技术与卷积神经网络结合，自动化和精确化传统的灾害损失评估过程，通过这种方法，不仅提高理赔处理的效率，提升评估的准确性和可靠性。

【技术实现步骤摘要】

本专利技术涉及无人机，具体涉及一种基于无人机视频数据自然灾害保险处理方法及系统。

技术介绍

1、在现代农业保险领域，尤其是涉及自然灾害（如洪水、干旱、虫害等）时，准确快速地评估农作物损失至关重要。传统的损失评估方法依赖于地面调查和人工分析，这些方法不仅耗时耗力，而且在大规模灾害发生时效率低下。因此，开发一种高效、自动化的损失评估系统显得尤为迫切。随着无人机技术的发展，无人机成为了农业和灾害管理领域的重要工具。无人机能够快速覆盖大面积区域，收集高分辨率的航拍视频数据，为灾害评估提供了新的视角。然而，如何从海量的无人机视频数据中有效提取有用信息，进而准确评估农作物损失，是当前面临的主要挑战之一。

2、近年来，卷积神经网络（cnn）在图像处理和模式识别领域取得了显著的成就。cnn能够自动学习并提取图像的特征，适用于处理复杂的图像数据。因此，结合无人机技术和cnn，开发一种基于无人机视频数据的自然灾害保险处理方法具有重要意义。然而，卷积神经网络的直接处理导致处理效果并不能够达到理想的效果，需要改进卷积神经网络训练或识别结构以适应无人机视频数据特点，且卷本文档来自技高网...

【技术保护点】

1.一种基于无人机视频数据自然灾害保险处理方法，其特征在于，包括：

2.如权利要求1所述的一种基于无人机视频数据自然灾害保险处理方法，其特征在于，所述步骤S21：进行预处理，包括采用高斯滤波进行去噪处理，将视频格式转换为AVI格式，将降低视频图像的分辨率，即将航拍视频的原始分辨率3840x2160像素降低为1920x1080像素。

3.如权利要求1所述的一种基于无人机视频数据自然灾害保险处理方法，其特征在于，所述步骤S22：使用Canny边缘检测器，根据视频图像颜色特征将视频帧中的水域、农田、建筑物、道路分开，包括：首先采用颜色过滤器根据颜色范围识别不同区域，水域...

【技术特征摘要】

1.一种基于无人机视频数据自然灾害保险处理方法，其特征在于，包括：

2.如权利要求1所述的一种基于无人机视频数据自然灾害保险处理方法，其特征在于，所述步骤s21：进行预处理，包括采用高斯滤波进行去噪处理，将视频格式转换为avi格式，将降低视频图像的分辨率，即将航拍视频的原始分辨率3840x2160像素降低为1920x1080像素。

3.如权利要求1所述的一种基于无人机视频数据自然灾害保险处理方法，其特征在于，所述步骤s22：使用canny边缘检测器，根据视频图像颜色特征将视频帧中的水域、农田、建筑物、道路分开，包括：首先采用颜色过滤器根据颜色范围识别不同区域，水域呈现蓝色或深灰色，农田呈现绿色，建筑物和道路呈现灰色或棕色；其次，应用canny边缘检测算法进行边缘检测；最后使用模板匹配技术，对于每个检测到的边缘轮廓，在模板集合中进行匹配，以识别形状属于自然结构还是人造结构，自然结构包括农田、水域，人造结构包括建筑物、道路。

4.如权利要求1所述的一种基于无人机视频数据自然灾害保险处理方法，其特征在于，所述步骤s21：进行预处理，还包括对视频图像进行稳定化处理，包括：

5.如权利要求1所述的一种基于无人机视频数据自然灾害保险处理方法，其特征在于，所述步骤s32：将形成的特征向量输入至训练好的卷积神经网络对视频图像进行处理，还包括将预处理后的视频图像和形成的特征向量作为两个独立的输入通道输入到卷积神经网络，在卷积神经网络中，对这两个输入进行卷积层和池化层处理，以分别提取视频图像的空间特征和特征向量的抽象特征，在网络的中间层将视频图像的空间特征和特征向量的抽象特征进行融合，形成一个综合特征，通过网络的全连接层对综合特征...

【专利技术属性】
技术研发人员：邓可，高云，肖振峰，
申请(专利权)人：国任财产保险股份有限公司，
类型：发明
国别省市：