System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及安防无人机,具体为一种智能化无人机安防巡检方法和系统。
技术介绍
1、在当今社会,宠物已成为家庭中不可或缺的一部分。犬是一种活泼且喜欢和人交流的动物,因此很多人首选犬类作为饲养的宠物。但是犬也具有一定的攻击性,尤其是在居民区内,如果不牵绳,犬的行为不受限制,则会出现犬攻击人的情况。
2、目前,对于居民区内宠物犬是否牵绳的检测大多依赖于人工巡逻或依靠宠物主人的宣告,这种方式存在一些显著的缺陷。首先,人工巡逻耗时耗力,难以实现全天候、全地域地检测。其次,依赖宠物主人的宣告容易受到主观因素的影响,可能导致不准确的结果。现有技术中也有采用图像检测识别宠物犬是否牵绳,但是没有依据宠物犬本身的属性、绳子的长度以及周围的环境来检测宠物犬的牵绳是否合理,导致了宠物犬危险度检测的不准确。
3、为此,提出一种智能化无人机安防巡检方法和系统。
技术实现思路
1、本专利技术的目的在于提供一种智能化无人机安防巡检方法和系统,通过采集室外监控摄像头的监控视频,并对监控视频中是否存在犬进行识别。当识别存在犬时,获取犬实时位置。无人机根据所述犬实时位置,拍摄犬实时图像和环境图像。通过犬实时图像识别所述犬是否有牵绳,对于未牵绳的,无人机将所述犬实时位置传送给居民区的值班保安;如果有牵绳,则依据所述犬实时图像和所述环境实时图像计算犬类危险度。当所述犬类危险度大于设定阈值时,无人机将所述犬实时位置传送给居民区的值班保安,并发出提醒信号。
2、为实现上述目的,本专利技术提
3、一种智能化无人机安防巡检方法,包括:
4、采集居民区室外监控摄像头拍摄的居民区室外监控视频,并检测所述居民区室外监控视频中是否存在犬。
5、进一步地,所述居民区中包含n个室外监控摄像头和m个室内监控摄像头;每个所述监控摄像头都具有位置信息,并储存在监控信息库中;当所述室外监控摄像头拍摄的监控视频存在犬时,提取所述监控信息库中的所述室外监控摄像头的位置信息。
6、当所述居民区室外监控视频中存在犬时,依据所述居民区室外监控视频以及所述居民区室外监控视频对应的室外监控摄像头位置,对所述犬进行定位,获得犬实时位置。
7、依据所述犬实时位置,采用无人机拍摄所述犬的犬实时图像和以所述犬为中心,半径为r区域内的环境实时图像。
8、依据所述犬实时图像识别所述犬是否有牵绳,如果没有牵绳,所述无人机将所述犬实时位置传送给居民区的值班保安;如果有牵绳,则依据所述犬实时图像计算所述犬的第一犬类危险度;依据所述环境实时图像计算所述犬的第二犬类危险度。
9、进一步地,所述依据所述犬类实时图像识别所述犬是否有牵绳包括:
10、对所述犬实时图像进行预处理,获得预处理后的犬实时图像;
11、将所述预处理后的犬实时图像输入至犬类检测模型中,获得所述预处理后的犬实时图像中犬的属性信息;所述犬类检测模型包括输入层、第一特征提取层、犬类区域检测层、第二特征提取层、牵绳检测层和输出层;
12、所述输入层用于将所述预处理后的犬实时图像输入至犬类检测模型中;
13、所述第一特征提取层用于根据所述预处理后的犬实时图像提取犬类区域特征,具体步骤包括:
14、将所述预处理后的犬实时图像通过两个1×1的卷积层,获得上采样犬实时图像和下采样犬实时图像;将所述预处理后的犬实时图像、所述上采样犬实时图像和所述下采样犬实时图像分别输入至一个3×3的第一卷积层中,所述第一卷积层的卷积核个数为32,并在所述第一卷积层后添加eca注意力机制,输出第一犬类特征图、第二犬类特征图和第三犬类特征图;
15、将所述第一犬类特征图和所述第二犬类特征图通过一个1×1的卷积层进行拼接,获得第四犬类特征图;将所述第一犬类特征图和所述第三犬类特征图通过一个1×1的卷积层进行拼接,获得第犬类五特征图;
16、将所述第四犬类特征图输入至两个3×3,卷积核个数为64的卷积层中,获得第六犬类特征图和第七犬类特征图;
17、将所述第五犬类特征图、所述第六犬类特征图和所述第七犬类特征图进行特征融合,获得犬类区域特征;所述犬类区域检测层用于根据所述犬类区域特征,生成犬类区域检测框;
18、所述第二特征提取层用于提取所述犬类区域检测框中犬图像的颈部特征和背部特征;
19、将所述颈部特征和所述背部特征输入至牵绳监测层中,通过svm模型识别所述犬是否有牵绳;所述输出层用于输出牵绳识别结果。
20、进一步地,依据所述犬实时图像计算所述犬的第一犬类危险度包括:
21、依据所述犬类检测模型中生成的犬类区域检测框,提取所述犬类区域检测框的犬图像,获得第一犬实时图像;将第一犬实时图像输入犬类状态检测模型中,获得犬实时属性;
22、所述犬实时属性包括所述第一犬实时图像中犬的体型、所述犬是否露出牙齿;
23、所述犬的体型分为超小型、小型、中型、大型、超大型;
24、同时,获取室外监控摄像头拍摄的所述第一犬实时图像中犬的实时监控视频;
25、提取所述实时监控视频中的实时音频;从所述实时音频中识别是否含有犬吠声音;如果不含有犬吠声音实时犬吠情绪评分scqx=0;否则提取犬吠音频;
26、提取所述犬吠音频中的梅尔-频率倒谱系数、共振峰和过零率,获得实时犬吠音频特征;
27、并将所述实时犬吠音频特征和预先采集的犬吠音频数据库中的犬吠音频特征进行比对,获得实时犬吠情绪评分;所述实时犬吠情绪评分越高,则犬的攻击性越强;
28、根据所述犬的体型、所述犬是否露出牙齿和所述犬的实时犬吠情绪评分,计算所述犬的第一犬类危险度,计算公式为:
29、
30、其中,dg1表示为第一犬类危险度;te表示为所述犬的牙齿标注值,当所述犬露出牙齿时te=1;否则te=0;si表示为所述犬的体型标注值,当所述犬的体型为超小型时,si=0.2;当所述犬的体型为小型时,si=0.4;当所述犬的体型为中型时,si=0.6;当所述犬的体型为大型时,si=0.8;当所述犬的体型为超大型时,si=1;η1、η2、η3、η4、η5和η6表示为第一犬类危险度权重系数。
31、进一步地,依据所述环境实时图像计算所述犬的第二犬类危险度包括:
32、根据所述环境实时图像,检测出牵绳属性和所述环境实时图像中的人群属性;
33、所述牵绳属性包括所述牵绳的长度、所述牵绳远离犬的一端连接的是否为人和如果为人时所述人的年龄属性;所述人群属性包括所述环境实时图像中人群的密集度和所述人群的状态评分;根据所述牵绳属性和所述人群属性,得到所述犬的第二犬类危险度;
34、
35、其中,dg2表示为第二犬类危险度;l表示为所述牵绳的长度;ld表示为所述犬的尺寸对应的标准牵绳长度;ch表示为所述牵绳远离犬的一端连接的是否为人的标示值;当本文档来自技高网...
【技术保护点】
1.一种智能化无人机安防巡检方法,其特征在于,包括:
2.根据权利要求1所述的一种智能化无人机安防巡检方法,其特征在于,所述采集居民区室外监控摄像头拍摄的居民区室外监控视频包括:
3.根据权利要求1所述的一种智能化无人机安防巡检方法,其特征在于,所述依据所述犬类实时图像识别所述犬是否有牵绳包括:
4.根据权利要求1所述的一种智能化无人机安防巡检方法,其特征在于,依据所述犬实时图像计算所述犬的第一犬类危险度包括:
5.根据权利要求1所述的一种智能化无人机安防巡检方法,其特征在于,依据所述环境实时图像计算所述犬的第二犬类危险度包括:
6.根据权利要求5所述的一种智能化无人机安防巡检方法,其特征在于:
7.一种智能化无人机安防巡检系统,其特征在于,包括:
8.根据权利要求7所述的一种智能化无人机安防巡检系统,其特征在于,所述危险度计算模块包括第一犬类危险度计算子模块、第二犬类危险度计算子模块和犬类危险度计算子模块;所述第一犬类危险度计算子模块用于计算第一犬类危险度,计算步骤包括:
9.根据权
10.根据权利要求8所述的一种智能化无人机安防巡检系统,其特征在于,所述犬类危险度计算子模块用于根据计算所述犬的犬类危险度;
...【技术特征摘要】
1.一种智能化无人机安防巡检方法,其特征在于,包括:
2.根据权利要求1所述的一种智能化无人机安防巡检方法,其特征在于,所述采集居民区室外监控摄像头拍摄的居民区室外监控视频包括:
3.根据权利要求1所述的一种智能化无人机安防巡检方法,其特征在于,所述依据所述犬类实时图像识别所述犬是否有牵绳包括:
4.根据权利要求1所述的一种智能化无人机安防巡检方法,其特征在于,依据所述犬实时图像计算所述犬的第一犬类危险度包括:
5.根据权利要求1所述的一种智能化无人机安防巡检方法,其特征在于,依据所述环境实时图像计算所述犬的第二犬类危险度包括:
6.根据权利要求5所述的一种智能化无人机安防...
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。