[發明專利]一種智能無人機載視頻監控方法

有效

• 申請號: 201811228576.8
• 申請日: 2018-10-22
• 公開（公告）號: CN109190602B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 王琦;李學龍;郭元戎
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 常威威

1.一種智能無人機載視頻監控方法，其特征在于步驟如下：

步驟1：對整個場景圖像進行網格化劃分，根據Lucas-Kanade光流算法計算得到每一幀圖像相對于前一幀的光流；

步驟2：利用蔡瑞初等人2015年的工作“基于多尺度時間遞歸神經網絡的人群異常檢測[J].軟件學報,2015,26(11):2884-2896”中的方法計算每個網格的多尺度光流直方圖；

步驟3：將所有網格的多尺度光流直方圖沿著通道方向合并，然后輸入到多尺度時間遞歸神經網絡，利用多尺度時間遞歸神經網絡輸出層定位異常發生的位置；所述的多尺度時間遞歸神經網絡及網絡參數均記載在蔡瑞初等人2015年的工作“基于多尺度時間遞歸神經網絡的人群異常檢測[J].軟件學報,2015,26(11):2884-2896”中；

步驟4：利用無人機上圖像分析模塊得到的人群熱點區域，利用雙目相機測得人群熱點區域到無人機當前位置的距離，利用三角函數計算得出熱點區域位置相對于當前位置坐標；

步驟5：利用ORB特征對齊方法對圖像進行特征對齊，并使用梯度下降法優化目標函數得到最終的位置轉移矩陣T，其中，下標k代表圖像幀數序列，u’_i表示位置坐標，σI表示圖像的像素值變化量；

步驟6：采用三角化方法對步驟1中的所有幀圖像相對于參考幀進行深度估計，得到每一幀的深度值；所述的參考幀為每隔五幀選取一幀，即為參考幀；

步驟7：將所有深度值進行貝葉斯濾波，得到濾波之后的深度，然后利用步驟6得到的位置轉移矩陣T和濾波之后的深度，將每幀點云圖在3D空間中進行拼接，得到點云地圖；

步驟8：對步驟7得到的點云地圖進行柵格處理，得到立方體柵格地圖，再對立方體柵格地圖在垂直空間上進行切割，得到分層的地圖，對每一幅分層的地圖計算已經被占據的格子和沒有被占據的格子比例，并選取比例最大的層，將該層作為傳統平面柵格地圖，得到平面化的柵格地圖；所述的柵格處理具體為：柵格處理當點云落在某個柵格內，該柵格被認為已經被占據，設為1；當柵格內沒有點云時，被認為是空，設為0；

步驟9：以無人機當前位置為起點，以步驟4計算的坐標為終點，利用鄒亮等人2007年的工作“A*算法改進及其在動態最短路徑問題中的應用[J].深圳大學學報理工版2007,24(1):32-35”中的A*算法對步驟8得到的平面化的柵格地圖進行路徑規劃，得到無人機行進路徑，無人機前往觀察最佳地點。