[發明專利]一種基于類別激活映射技術的空域安全態勢評估方法

有效

• 申請號: 201911148779.0
• 申請日: 2019-11-21
• 公開（公告）號: CN110991502B
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 杜文博;曹先彬;郭通;張晉通;李宇萌
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 冀學軍

1.一種基于類別激活映射技術的空域安全態勢評估方法，其特征在于，具體步驟如下：

步驟一、針對某無人機，收集歷史機載圖片構建數據集；

步驟二、對收集到的機載圖片進行人工標簽處理，并將標簽處理后的數據集分為訓練集、驗證集和測試集；

步驟三、構建殘差網絡結構作為感知網絡主體模型，并輸入訓練集進行訓練，利用驗證集進行驗證；

步驟四、將測試集輸入訓練好的感知網絡主體模型中，當準確率達到90％以上結束；

步驟五、針對實際的飛行無人機，利用訓練好的感知網絡主體模型進行判斷，對當前無人機的態勢進行實時評估；

具體過程如下：

步驟501、實際飛行中，攝像頭每隔一秒對當前圖像進行實時采集；

步驟502、對采集的當前圖像的尺寸裁剪成320×200，滿足感知網絡主體模型的輸入尺寸；

步驟503、將裁剪后的圖像輸入感知網絡主體模型中，在輸出層上得到當前圖像的類別C，同時在最后一個殘差卷積塊的合并層上得到N張特征圖；

當前圖像經過感知網絡主體模型，得到輸出層的最終輸出y^C；同時，經過感知網絡主體模型中的所有卷積核后，在殘差卷積塊3的合并層上得到N張特征圖，記為A^k；

k＝{1,2,3,....,N}；

步驟504、利用輸出層的輸出y^C對各特征圖分別計算對應的輸出梯度矩陣；

針對第k張特征圖A^k上位于(i,j)的像素點，輸出結果y^C在該像素點上的梯度值為該特征圖A^k共得到320×200個梯度值，所有梯度值構成特征圖A^k的尺寸為320×200的梯度矩陣；

A_i,j^k表示第k張特征圖A^k上(i,j))處的像素值；

同理，得到N張特征圖各自對應的尺寸為320×200的梯度矩陣；

步驟505、通過對每個特征圖的梯度矩陣求平均值，將N個梯度矩陣映射為N個特征值，每個特征值分別代表各特征圖所對應的權重；

特征圖A^k對應的權重表達式如下：

Z＝i×j表示特征圖A^k中的所有像素總數；

步驟506、利用所有特征圖的權重，對N張特征圖進行加權和，進一步得到感知網絡主體模型的結果；

特征圖加權和表示為：

結果Result是一個尺寸為320×200的矩陣，計算公式如下：

X為采集的當前圖像的數據；

步驟507、利用類別激活映射技術對感知結果Result的值進行可視化標定，得到無人機當前圖像的實時態勢評估圖；

步驟六、根據每一時刻圖像的實時評估可視化結果，指引無人機遠離危險區域并向安全區域行進。

2.如權利要求1所述的一種基于類別激活映射技術的空域安全態勢評估方法，其特征在于，步驟二中所述的標簽包括危險和安全；標簽處理為：判斷圖片中障礙物與無人機之間的距離是否在閾值范圍之內，如果是，將這張圖片打上危險標簽，標記為0；否則，將這張圖片打上安全標簽，標記為1；

在每一個集合內，標簽為0的危險圖片和標簽為1的安全圖片比例為1:1。

3.如權利要求1所述的一種基于類別激活映射技術的空域安全態勢評估方法，其特征在于，步驟三中所述的殘差網絡結構包括：輸入層，卷積層，池化層，殘差卷積塊1，殘差卷積塊2，殘差卷積塊3和輸出層。

4.如權利要求1所述的一種基于類別激活映射技術的空域安全態勢評估方法，其特征在于，步驟507中所述的標定過程如下：

首先，設定閾值T為感知結果Result中峰值的三分之二；即

然后，根據當前圖像中的像素點與感知結果Result矩陣中一一對應的元素，判斷感知結果Result中各元素的數值是否大于閾值T，如果是，則在當前圖像中以深色標出與Result矩陣中元素對應位置上的像素點；反之，在當前圖像中以淺色標出與Result矩陣中元素對應位置上的像素點；

深色標記代表該像素點所在的位置比較危險；

同理，得到無人機每一時刻采集的圖像的實時態勢評估圖。