[發明專利]一種視頻監控和無人機空地聯動的異常目標檢測方法

有效

• 申請號: 202111135520.X
• 申請日: 2021-09-27
• 公開（公告）號: CN114035604B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 鄒莉丹;韓任權;廖國銘
• 申請（專利權）人: 廣州賦安數字科技有限公司
• 主分類號: G05D1/10
• 分類號: G05D1/10
• 代理公司: 廣州圣理華知識產權代理有限公司 44302
• 代理人: 張凱

本發明公開了一種視頻監控和無人機空地聯動的異常目標檢測方法，包括以下步驟：步驟S1：對歷史異常目標視頻數據進行特征提取作為輸入參數，導入構建好的模型中進行訓練；訓練完成后，將新的異常目標數據導入該模型中，得到判斷結果；同時根據異常目標類型和置信度F計算異常目標的權重值；步驟S2：根據蟻群算法規劃出無人機完成巡航異常目標點任務的最優路徑；步驟S3：結合視頻監控的異常目標檢測結果和無人機的異常目標檢測結果，校驗同一位置異常目標的異常類型及檢測結果是否一致，若相互校驗結果為一致，則返回異常目標信息并存儲到服務器后臺；若校驗結果不一致，則由相關負責人進行人工校驗，并將校驗結果返回并存儲到服務器后臺。

技術領域

本發明涉及異常目標檢測領域，具體涉及視頻監控和無人機空地聯動的異常目標檢測方法。

背景技術

近年來，隨著科技的高速發展和人們對安全的需求與關注，監控裝置的應用越來越廣泛。視頻中異常行為檢測是計算機視覺領域中的一個重要問題，目的在于給定一個視頻或者在在線系統中實時處理視頻并及時發現視頻中的異常目標。

在國土資源監管或海洋資源監測中，由于監測場地寬廣，通常設立多個監控攝像頭進行監測或設置無人機定期巡航監測。監控攝像頭雖可以全天候對監測點進行檢測，卻存在視覺盲區；而無人機巡航監測雖然可以解決監控視頻監測盲區的問題，但是無人機的續航能力有限且無法全天候對監測點巡航監測，容易對監測點的異常目標漏檢，從而造成不可挽回的損失。為解決單一檢測方法顯露的缺點，現需要一種將視頻監控和無人機空地聯動的異常目標檢測方法，以提高異常目標檢測的準確性與穩定性。

近年來，提出了一些結合監控視頻和無人機的異物識別檢測方法，例如：

公開號為CN111814721A的發明專利公開了一種基于無人機高低空聯合掃描的機場跑道異物檢測分類方法，通過對Yolo神經網絡模型進行訓練，并采用兩輪高低空粗細檢測相結合的方法去獲得精細的檢測區域，再對精細的檢測區域進行拍照，并將圖片輸入訓練完成的Yolo神經網絡模型中進行檢測異物和分類，現對異物的準確檢測和分類。但是該方法中主要是通過對Yolo神經網絡模型進行訓練，并采用兩輪高低空粗細檢測相結合的方法去獲得精細的檢測區域，再對精細的檢測區域進行拍照，并將圖片輸入訓練完成的Yolo神經網絡模型中進行檢測異物和分類，實現對異物的準確檢測和分類，根據待檢測點的分布的疏密，自適應設置細檢測時無人機的飛行高度，其無法做到基于異物位置對飛機的路徑進行最優規劃，也無法做到對高空快速粗檢測和低空細檢測之間的相互校驗，且由于需要高低空切換飛行，無法滿足無人機的長時間飛行，以達到減少無人機的損耗的要求。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種視頻監控和無人機空地聯動的異常目標檢測方法，通過卷積神經網絡訓練異常目標檢測模型，實現自動化識別及檢測異常目標，降低異常目標檢測的誤判、漏報等情況；然后通過基于蟻群算法的路線規劃，實現對異常目標點做無人機巡航動態路線規劃，減少無人機的損耗。最終將融合無人機異常目標檢測結果與監控異常目標檢測結果進行相互校驗，以提高檢測的準確性與穩定性。

為實現上述發明目的，本發明采取的技術方案如下：

一種視頻監控和無人機空地聯動的異常目標檢測方法，包括以下步驟：

步驟S1：通過視頻監控獲取監控視頻數據，所述監控視頻數據中包括異常目標視頻數據，所述視頻監控可實時對異常目標進行檢測，對所述視頻數據中的歷史異常目標視頻數據進行特征提取作為輸入參數，將所述輸入參數導入構建好的模型中進行訓練；訓練完成后，將新的異常目標數據導入該模型中，得到判斷結果，從而進行預測檢驗；同時根據得到的異常目標類型和置信度F計算異常目標的權重值，所述異常目標根據權重值由高到低進行排序劃分；

步驟S2：將步驟S1獲取的各個所述異常目標的權重值作為初始信息素濃度，基于所述初始信息素濃度，根據蟻群算法規劃出無人機完成巡航異常目標點任務的最優路徑，以使無人機在最優路徑上完成對所述異常目標的檢測；