【技术实现步骤摘要】
本申请涉及无人机，尤其涉及一种基于轻量化卷积神经网络的无人机快速识别方法及系统。
技术介绍
1、在低空安防和边境监控场景中，需对高速运动的入侵无人机实现毫秒级精准识别。核心挑战在于三方面：无人机常以低于100米高度飞行，背景中混杂车辆、飞鸟等高频动态干扰物；视频流传输速率因电磁干扰在20-100mbps间剧烈波动，导致帧率稳定性显著下降；目标无人机可执行急转、翻滚等敏捷机动，需同步捕捉其三维形变与旋转特征。
2、当前主流方案采用双流卷积网络融合方法：首先通过空间流网络提取单帧图像的静态轮廓特征，同时通过时间流网络分析连续帧的光流运动轨迹；随后将两类特征通过固定比例的融合矩阵进行拼接；最终基于拼接特征匹配预定义的无人机类型库输出识别结果。
3、该方案存在静态融合机制与动态环境的根本性冲突：当传输速率骤降时，低帧率导致光流特征严重失真，但固定融合比例仍强制使用失真特征，引发旋转姿态误判率显著增加；当传输速率突增时，高帧率包含的形变细节因固定比例限制无法充分激活，导致急转动作漏检率明显上升。在传输速率波动场景下，此类缺...
【技术保护点】
1.一种基于轻量化卷积神经网络的无人机快速识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述连续帧图像中目标无人机的飞行特性，通过图像预处理模块对所述连续帧图像的背景干扰区域进行动态模糊抑制优化，同时增强所述连续帧图像中运动目标的边缘纹理特征，以生成优化连续帧图像，包括：
3.根据权利要求1所述的方法，其特征在于，将所述优化连续帧图像输入轻量化卷积神经网络，利用所述轻量化卷积神经网络中的压缩参数模块对所述优化连续帧图像进行逐层特征映射，生成包含无人机多角度轮廓的特征向量集合，包括：
4.根据权利要求1所...
【技术特征摘要】
1.一种基于轻量化卷积神经网络的无人机快速识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述连续帧图像中目标无人机的飞行特性，通过图像预处理模块对所述连续帧图像的背景干扰区域进行动态模糊抑制优化，同时增强所述连续帧图像中运动目标的边缘纹理特征，以生成优化连续帧图像，包括：
3.根据权利要求1所述的方法，其特征在于，将所述优化连续帧图像输入轻量化卷积神经网络，利用所述轻量化卷积神经网络中的压缩参数模块对所述优化连续帧图像进行逐层特征映射，生成包含无人机多角度轮廓的特征向量集合，包括：
4.根据权利要求1所述的方法，其特征在于，通过轻量化卷积神经网络中的多尺度并行结构对所述特征向量集合进行跨通道特征融合，提取融合结果中目标无人机的旋转不变性特征及动态形变特征，包括：
5.根据权利要求1所述的方法，其特征在于，基于所述旋转不变性特征及动态形变特征，结合所述动态视频流数据的实时传输速率，通过自适应决策模块调整所述轻量化卷积神经网络的参数响应优先级，以输出与所...
【专利技术属性】
技术研发人员：娄山良，杨连臣，李小彤，孙亚宾，杨谕黔，陈传旺，方厚章，
申请(专利权)人：中联德冠科技北京有限公司，
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。