[發明專利]基于深度學習的無人機警察系統

在審

• 申請號: 201610894675.4
• 申請日: 2016-10-13
• 公開（公告）號: CN107038450A
• 公開（公告）日: 2017-08-11
• 發明（設計）人: 成孝剛;宋麗敏;李智;邵文澤;謝世朋;李海波
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司32200
• 代理人: 熊玉瑋

1.基于深度學習的無人機警察系統，其特征在于，包括：

用于采集監控區域圖片的底層結構：具體為多個簇組成的視覺傳感網，每個簇包含多個節點，每個節點包含攝像機陣列和無人機；

用于識別底層結構中各簇所采集圖片中的無人機的中間層結構；及，

用于存儲中間層結構識別結果、調度中間層結構運算任務的頂層結構。

2.根據權利要求1所述基于深度學習的無人機警察系統，其特征在于，所述底層結構中每個節點內的無人機飛行在該節點內攝像機陣列拍攝死角范圍內或拍攝范圍中的重點區域內。

3.根據權利要求1或2所述基于深度學習的無人機警察系統，其特征在于，所述底層結構還包含與每個節點一一對應的預處理芯片，每個預處理芯片對與其對應節點所采集圖像進行數據預處理并傳輸預處理后的圖像至中間層結構。

4.根據權利要求1或2所述基于深度學習的無人機警察系統，其特征在于，所述中間層結構包含與視覺傳感網中簇數目對應的次級處理服務器，每個次級處理服務器識別一個簇所采集圖片中的無人機。

5.根據權利要求4所述基于深度學習的無人機警察系統，其特征在于，所述中間層結構還包括調控各節點的控制服務器，控制服務器一端接收來自主服務器的控制命令，控制服務器的另一端向對應的節點發送控制命令。

6.根據權利要求1所述基于深度學習的無人機警察系統，其特征在于，所述中間層結構采用卷積神經網絡海量訓練各簇采集的圖片得到識別模型，由識別模型識別底層結構中各簇所采集圖片中的無人機。

7.根據權利要求6所述基于深度學習的無人機警察系統，其特征在于，采用卷積神經網絡海量訓練各簇采集的圖片得到識別模型的方法為：根據各簇采集的圖片正向推導卷積神經網絡的輸出和損失，調用反向傳播，在反向傳播的過程中根據損失計算梯度，將梯度帶入權值更新的計算中后進行下一次正向推導，通過周而復始地正向推導和反向傳播得到識別模型。

8.根據權利要求7所述基于深度學習的無人機警察系統，其特征在于，采用卷積神經網絡海量訓練各簇采集的圖片得到識別模型時，采用反射線性單元激勵神經元。

9.根據權利要求8所述基于深度學習的無人機警察系統，其特征在于，所述卷積神經網絡的損失層類型為Softmax。