基于卷积神经网络的无人机与飞鸟的监测方法技术

本申请公开了基于卷积神经网络的无人机与飞鸟的监测方法。一种基于卷积神经网络的无人机与飞鸟的监测方法，包括如下步骤：步骤1：采用摄像设备对目标空域进行连续监测，获取目标空域按照时间序列的视频信息；步骤2：将视频信息输入到第一外观信息提取模型中，从视频信息中提取出边界特征信息；边界特征信息包括目标空域中的飞行物以及飞行物的边界框。本申请所提供的技术方案中，采用摄像设备不断的对目标空域进行监测，进而获得目标空域的视频信息。从视频信息中提取出飞行物的外形特征和轨迹特征，然后将外形特征和轨迹特征相互融合之后，用于无人机和飞鸟的判断，极大地增加了飞行物判断的准确性。

【技术实现步骤摘要】

本申请涉及神经网络，具体而言，涉及一种基于卷积神经网络的无人机与飞鸟的监测方法。

技术介绍

1、无人机与飞鸟同属“低、慢、小”目标，然而二者对于民航运行安全的影响程度却存在显著差异。由于无人机具有可控性和未知性的特点，其对民航的安全运行带来了不可忽视的严重威胁。而民航在运行过程中，针对飞鸟和无人机是需要采用不同的应对措施的。如此，在发现空中存在不明飞行物时，会基于图像检测技术来分辨无人机和飞鸟。

2、目前的无人机和飞鸟的识别技术一般都是针对无人机或者飞鸟的外形进行识别。但是这种识别方式非常依赖监测设备的图像捕捉能力，在目标比较小，并且距离比较远的情况下，因为无法捕捉到清晰的目标图像，所以会存在漏检和误检的情况。进而导致民航航空器的飞行存在风险。

技术实现思路

1、本申请的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、作为本申请的第一个本文档来自技高网...

【技术保护点】

1.一种基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于：步骤1包括如下步骤：

3.根据权利要求2所述的基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于：第一外观信息提取模型包括MobileNetV3神经网络模型和YOLOv7的头部模块。

4.根据权利要求3所述的基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于：步骤2包括如下步骤：

5.根据权利要求2所述的基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于：步骤3中：第二外观信息提取...

【技术特征摘要】

1.一种基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于：步骤1包括如下步骤：

3.根据权利要求2所述的基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于：第一外观信息提取模型包括mobilenetv3神经网络模型和yolov7的头部模块。

4.根据权利要求3所述的基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于：步骤2包括如下步骤：

5.根据权利要求2所述的基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于：步骤3中：第二外观信息提取模型包括bifpn模块和spd卷积模块。

6.根据权利要求5所述的基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于：步骤3包括如下步骤：

7.根据权利要求6所述的基于卷...

【专利技术属性】
技术研发人员：张强，谢威宇，
申请(专利权)人：中国民用航空飞行学院，
类型：发明
国别省市：