[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

本發明提供了一種智能無人機載視頻監控方法。區別于傳統視頻監控只能把攝像機固定在特定位置，本發明基于視頻智能分析技術，將無人機的機動性與攝像機結合起來，設計一種機動靈活的視頻監控方案。在正常情況下，無人機搭載攝像機停留在固定位置進行視頻監控，一旦攝像機覆蓋區域發生異常而攝像機無法處于最佳拍攝視角，或者其他非覆蓋區域發生異常，利用本發明方法可以智能地規劃無人機路徑，根據視頻分析結果將監控攝像頭自動帶到感興趣的區域，持續監控，靈活快捷便利。

技術領域

本發明屬計算機視覺、機器人技術領域，具體涉及一種智能無人機載視頻監控方法。

背景技術

隨著數字信息時代的到來，數字化高新技術產品日益增加和完善。各行業為了提高和完善生產、管理水平和增加競爭性，都爭先采用完善的高新技術產品，視頻監控系統就是信息時代的產物之一。視頻監控系統是管理人員高質量管理的理想工具，也是公共安全、防盜防范必不可少的強有力的得力助手，利用它可以大大減少不必要的人力，實時監視可視區域，做到控制現場實際工作現狀，實時快速的反映所發生的一切事物，便于管理者及時應付處理突發事件等。目前現有的視頻監控，雖然能夠智能處理攝像頭信息，但是攝像頭固定，場景固定，很不靈活。一旦遇到新情況、場景的變化、感興趣的區域移動，就不得不對監控系統進行位置的調整。而且設備限制，功能比較單一。同時，隨著監控數量的爆發式增長，視頻的數據量也越來越大，使得人工處理這些數據變得非常不便。

隨著科學技術的飛速發展，無人機飛行技術有了巨大的提升。無人機以其優良的性能在各種領域中獲得了廣泛的應用，尤其是在民用領域，無人機承擔了許多特殊環境下的作業工作，國家社會也投入了巨大的財力致力于無人機的相關研究。但是，目前的無人機監控，準確說是無人機攝像系統，基本原理是飛手操作無人機，裝在無人機上的圖傳系統將圖片返回，飛手根據攝像頭返回的區域來手動控制，飛向熱點區域。目前的研究局限于圖傳系統以及算法處理攝像頭抖動，并沒有自動的控制過程。即無人機和攝像頭只是局限在航拍、追蹤，大部分要靠人力分析圖像，這樣很難處理大批量數據，而且時間緩慢，人為操作會錯過熱點區域。

發明內容

為了克服現有技術的不足，本發明提供一種智能無人機載視頻監控方法。不同于傳統視頻監控只能把攝像機固定在特定位置的做法，本發明基于視頻智能分析技術，將無人機的機動性與攝像機結合起來，設計一種機動靈活的視頻監控方案。在正常情況下，無人機搭載攝像機停留在固定位置進行視頻監控，一旦攝像機覆蓋區域發生異常而攝像機無法處于最佳拍攝視角，或者其他非覆蓋區域發生異常，無人機可以自主飛行到目標區域進行最佳視角視頻采集，實現動態監控分析。本發明方法分為異常行為分析和自主尋路兩部分。

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。