[發明專利]無人機智能跟隨目標確定方法、無人機和遙控器

有效

• 申請號: 202110960187.X
• 申請日: 2017-08-18
• 公開（公告）號: CN113762252B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 梅江元
• 申請（專利權）人: 深圳市道通智能航空技術股份有限公司
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/70;G06V10/82;G06N3/0464;G06N3/047;G06N3/08
• 代理公司: 深圳市六加知識產權代理有限公司 44372
• 代理人: 劉臨利

1.一種無人機智能跟隨目標確定方法，應用于電子設備，其特征在于，所述方法包括：

獲取無人機傳回的圖像，并根據用戶對所述無人機傳回的圖像的點擊獲取用戶在屏幕上的點擊位置；

根據所述點擊位置獲取感興趣的區域圖片；

將區域圖片輸入深度學習網絡模型后，獲取所述圖像中目標的候選外接框及所述候選外接框內的目標屬于預設類別的概率；

獲取該候選外接框內的目標屬于各個預設類別的概率中概率最大的預設類別作為該候選外接框內的目標所屬的類別，并將最大概率大于第二預設閾值的目標作為可能目標圖像；

計算所述可能目標圖像與所述用戶點擊位置的距離系數；

獲取各個可能目標圖像的距離系數與其所屬的類別的概率的乘積并找出所述乘積的最大值，如果該最大值大于第三預設閥值，則將該乘積的最大值對應的可能目標圖像作為所述目標圖像，并記錄所述目標圖像所屬的類別；

如果存在目標圖像，則發送目標跟隨命令給所述無人機。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

如果不存在目標圖像，所述電子設備提示用戶所述圖像內無感興趣的目標。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

如果不存在目標圖像，所述電子設備提示用戶重新點擊所述圖像以重新選擇感興趣目標。

4.根據權利要求1中任一所述的方法，其特征在于，還包括：

針對每一個所述預設類別，獲取屬于該預設類別概率最大的目標對應的候選外接框；

分別計算該預設類別的候選外接框與該預設類別的其他各個候選外接框的重合率，將重合率大于第一預設閥值的候選外接框內的目標屬于該預設類別的概率置為零；

獲取該候選外接框內的目標屬于各個預設類別的概率中概率最大的預設類別作為該候選外接框內的目標所屬的類別，并將最大概率大于第二預設閾值的目標作為可能目標圖像；

所述距離系數δ表示為：

其中，可能目標圖像的坐標為(x_o，y_o)，點擊位置坐標為(x_p，y_p)。

5.根據權利要求4中任一所述的方法，其特征在于，所述深度學習網絡模型包括至少2個卷積層和至少2個采樣層。

6.根據權利要求5中任一所述的方法，其特征在于，所述深度學習網絡模型依次包括：

第一卷積層、第一下采樣層、第二卷積層、第二下采樣層、第三卷積層、第三下采樣層、第四卷積層、第四下采樣層、第五卷積層、第五下采樣層、第六卷積層、第六下采樣層、第七卷積層、第八卷積層和區域層。

7.根據權利要求6所述的方法，其特征在于，所述第一卷積層、所述第二卷積層、所述第三卷積層、所述第四卷積層、所述第五卷積層和所述第六卷積層中，后一個卷積層的濾波器數量是前一個卷積層濾波器數量的2倍，所述第六卷積層和所述第七卷積層的濾波器數量相等；

所述第一下采樣層、所述第二下采樣層、所述第三下采樣層、所述第四下采樣層和所述第五下采樣層的窗口尺寸為2*2像素，跳躍間隔為2，所述第六下采樣層的窗口尺寸為2*2像素，跳躍間隔為1。

8.根據權利要求6或7所述的方法，其特征在于，所述第一卷積層的濾波器數量為4，所述第一下采樣層、所述第二下采樣層、所述第三下采樣層、所述第四下采樣層、所述第五下采樣層和所述第六下采樣層均采用最大值下采樣法。

9.根據權利要求8中任一所述的方法，其特征在于，各個所述卷積層均使用3*3像素的濾波器。

10.根據權利要求1-6中任一所述的方法，其特征在于，所述區域圖片大小為288*288像素，利用所述深度學習網絡模型共獲得9*9*5個所述候選外接框。