[發明專利]一種基于人工智能的航拍場景下果凍效應預防方法及系統

在審

• 申請號: 202110355358.6
• 申請日: 2021-04-01
• 公開（公告）號: CN112926530A
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 黃海源;桑藍奇;孫俊
• 申請（專利權）人: 黃海源
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06T7/62;B64C39/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工智能的航拍場景下果凍效應預防方法，其特征在于，該方法包含以下步驟：

將無人機的飛行速度、相機的快門時間以及IMU的讀數輸入時序預測網絡預測未來幀圖像的果凍效應指標；所述時序預測網絡的標簽為對每幀圖像中的靜止像素點的光流信息進行分析獲取的果凍效應指標，所述靜止像素點是根據所述圖像的光流信息和無人機的飛行速度獲得；

以每幀圖像中運動像素點的面積和靜止像素點的面積比作為動態特征，根據所述動態特征與預設閾值進行比較，判斷所述靜止像素點和所述運動像素點的權重；

根據所述時序預測網絡得到的果凍效應指標和所述每幀圖像的動態特征，確定調整模式及時調整無人機相關參數；

所述調整模式的選取方法為：當所述靜止像素點的所述權重高時，將掛件阻尼調節至目標阻尼；當所述運動像素點的所述權重高時，計算所述運動像素點的平均運動速度，根據所述平均運動速度調節無人機的飛行速度，并將掛件阻尼調節至目標阻尼；所述目標阻尼是根據以所述果凍效應指標為輸入、以所述目標阻尼為輸出的掛件阻尼調節網絡獲取。

2.根據權利要求1所述的一種基于人工智能的航拍場景下果凍效應預防方法，其特征在于，所述對每幀圖像中的靜止像素點的光流信息進行分析獲取的果凍效應指標的步驟包括：

根據所述每幀圖像中的每行靜止像素點的光流信息，獲得每幀圖像的光流信息序列；

根據所述光流信息序列，計算相鄰行之間光流信息的差異，得到光流信息變化序列；

根據所述光流信息變化序列的均值和方差，確定所述果凍效應指標。

3.根據權利要求1所述的一種基于人工智能的航拍場景下果凍效應預防方法，其特征在于，所述以每幀圖像中運動像素點的面積和靜止像素點的面積比作為動態特征的步驟包括：

對所述圖像的二值圖進行連通域分析，得到所述靜止像素點的面積；

對所述圖像的二值圖進行轉置，進行連通域分析，得到所述運動像素點的面積；

根據所述圖像中所述運動像素點的面積和所述靜止像素點的面積構建動態特征。

4.根據權利要求1所述的一種基于人工智能的航拍場景下果凍效應預防方法，其特征在于，所述掛件阻尼調節網絡的訓練步驟包括：

以所述掛件阻尼為標簽，以所述無人機的IMU讀數和所述果凍效應指標為訓練集，訓練掛件阻尼調節網絡，損失函數采用均方差損失函數，不斷迭代，更新模型參數。

5.一種基于人工智能的航拍場景下果凍效應預防系統，其特征在于，該系統包含以下單元：

時序預測網絡單元，用于將無人機的飛行速度、相機的快門時間以及IMU的讀數輸入時序預測網絡預測未來幀圖像的果凍效應指標；所述時序預測網絡的標簽為對每幀圖像中的靜止像素點的光流信息進行分析獲取的果凍效應指標，所述靜止像素點是根據所述圖像的光流信息和無人機的飛行速度獲得；

動態特征構建單元，用于以每幀圖像中運動像素點的面積和靜止像素點的面積比作為動態特征，根據所述動態特征與預設閾值進行比較，判斷所述靜止像素點和所述運動像素點的權重；

調整模式確定單元，用于根據所述時序預測網絡得到的果凍效應指標和所述每幀圖像的動態特征，確定調整模式及時調整無人機相關參數；

調整模式操作單元，用于當所述靜止像素點的所述權重高時，將掛件阻尼調節至目標阻尼；當所述運動像素點的所述權重高時，計算所述運動像素點的平均運動速度，根據所述平均運動速度調節無人機的飛行速度，并將掛件阻尼調節至目標阻尼；所述目標阻尼是根據以所述果凍效應指標為輸入、以所述目標阻尼為輸出的掛件阻尼調節網絡獲取。

6.根據權利要求5所述的一種基于人工智能的航拍場景下果凍效應預防系統，其特征在于，所述時序預測網絡預測單元包括：

光流信息序列獲取模塊，用于根據所述每幀圖像中的每行靜止像素點的光流信息，獲得每幀圖像的光流信息序列；

光流信息變化序列獲取模塊，用于根據所述光流信息序列，計算相鄰行之間光流信息的差異，得到光流信息變化序列；

果凍效應指標確定模塊，用于根據所述光流信息變化序列的均值和方差，確定所述果凍效應指標。