[發明專利]一種基于深度學習的無人機疫情監測輔助方法及其裝置

在審

• 申請號: 202011124832.6
• 申請日: 2020-10-20
• 公開（公告）號: CN112153352A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 張偉;王亞剛;徐國駿;張賽;張濤;李開言
• 申請（專利權）人: 上海理工大學
• 主分類號: H04N7/18
• 分類號: H04N7/18;H04N5/225;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海邦德專利代理事務所(普通合伙) 31312
• 代理人: 梁劍

本發明公開了一種基于深度學習的無人機疫情監測裝置，包括：無人機，設置于所述無人機上的無人機飛控，所述無人機無人飛控用于用來控制無人機的飛行以及傳輸接收信號；設置于所述無人飛控上的高清攝像頭，所述高清攝像頭用于來采集地面人群視頻圖像；計算機，所述計算機上設置有圖像接模塊及無線通信發送端；設置于所述無人機上的報警電路、圖像傳輸端及無線通信接收端，所述報警電路用于對人群做出語音報警提示，所述圖像傳輸端用于將采集到的視頻圖像傳輸至計算機。根據本發明，通過無人機的移動性強，對大型公共場所或者人群密集處做到實時監測，減少人力資源的浪費，監測效率高。

技術領域

本發明涉及無人機監控的技術領域，特別涉及一種基于深度學習的無人機疫情監測輔助方法及其裝置。

背景技術

基于當前疫情全球還在持續且暫時未研制出有效疫苗的背景下，提出的一種基于深度學習的無人機疫情檢測人群社交距離和人群佩戴口罩情況的方法，無人機平臺實現的功能除飛行功能外，還具有語音播報、自穩、定高、視覺以及巡航等功能。所運用到的技術主要有圖像采集技術、圖像傳輸技術以及無線通信等技術，PC端處理實時圖像所用到的技術主要是基于深度學習yolov3算法。

現有技術只能實現單一地檢測行人佩戴口罩情況，效率較低，且經過查閱可知沒有一項檢測人群社交距離的專利，與此同時，現有技術的檢測設備一般都是固定的設備，移動性較差，對于大型公共場所或者人群密集處，很難能夠做到實時監測。并且，現有技術在使用過程中，還需要工作人員的配合，這樣不僅浪費大量的人力資源，還會增加工作人員被感染病毒的風險，并且使用的檢測設備一般都是固定的設備，無法做到移動檢測，檢測范圍較窄，效率較低。

發明內容

針對現有技術中存在的不足之處，本發明的目的是提供一種基于深度學習的無人機疫情監測輔助方法，無人機的移動性強，對大型公共場所或者人群密集處做到實時監測，減少人力資源的浪費，監測效率高。為了實現根據本發明的上述目的和其他優點，提供了一種基于深度學習的無人機疫情監測裝置，包括：

無人機，設置于所述無人機上的無人機飛控，所述無人機無人飛控用于用來控制無人機的飛行以及傳輸接收信號；

設置于所述無人飛控上的高清攝像頭，所述高清攝像頭用于來采集地面人群視頻圖像；

計算機，所述計算機上設置有圖像接模塊及無線通信發送端；

設置于所述無人機上的報警電路、圖像傳輸端及無線通信接收端，所述報警電路用于對人群做出語音報警提示，所述圖像傳輸端用于將采集到的視頻圖像傳輸至計算機。

優選的，所述計算機通過圖像接模塊接受無人機端傳輸過來的視頻圖像，計算機對接收的視頻圖像進行處理，對人群中未佩戴口罩現象和人群社交距離進行識別判斷。

優選的，計算機對未佩戴口罩和社交距離過近現象，則對此違規行為進行標記，通過無線通信發送端將報警指令發送至無人機，所述無人機通過無線通信接收端接收報警指令對報警電路進行控制，報警電路做出語音報警提示。

一種基于深度學習的無人機疫情監測輔助方法，包括以下方法步驟：

S1、無人機端高清攝像頭初始化，高清攝像頭開始采集視頻圖像；

S2、無人機將采集實時視頻圖像通過圖像傳輸端發送計算機；

S3、系統軟件平臺從視頻中讀取每幀畫面；

S4、在下一幀通過計算機的目標檢測神經網絡，構建先驗錨框，對每個被檢測到的人找到對應的錨框；

S5、計算每個人之間的距離，對該距離進行判斷；

S6、如果判斷低于最小距離閾值，則在每對最小值點之間呈紅色框顯示；

S7、通過計算機發送指令至無人機啟動報警電路進行報警提示。