无人机目标识别定位方法与流程

本发明涉及图像识别领域，尤其涉及一种无人机目标识别定位方法。

背景技术：

图像识别技术，在近十年中已经取得了迅速的发展。但这个领域的研究还远没有结束，技术还没有成熟，新的理论和新的方法层出不穷。无人机动态图像的识别在无人机自动着陆导航、无人机的监视、无人机的跟踪等方面有很好的应用前景。

无人机在天空中飞行时其图像有其特定的特征，那就是背景相对简单，该图像识别的任务就是要将无人机和其飞行的背景分割开，同时计算出无人机的重心位置作为识别的结果。

技术实现要素：

为了解决上述问题，本发明提供了一种无人机目标识别定位方法，引入了图像数据统计模式和小波滤波模式，在上述两种模式的基础上，引入了基于无人机载体高度和图像中目标的相对位置确定实际环境中人体目标的真实高度的识别机制，从而准确获取到了被搜救的人体目标的实时高度。

本发明至少具有以下多个重要发明点：

(1)基于无人机载体高度和图像中目标的相对位置确定实际环境中人体目标的真实高度，从而为营救中心的救援提供重要的参考数据；

(2)建立基于已捕获图像内容分析结果的自适应小波滤波机制，提升了对图像执行小波滤波的针对性；

(3)将所述机体下方图像中四个角所在区域和所述机体下方图像中的中心区域一起作为待分析区域，对待分析区域中的各个像素点进行颜色通道数据分析，从而能够获取准确的图像亮度数据。

根据本发明的一方面，提供了一种无人机目标识别定位方法，该方法包括提供无人机目标识别定位系统，在图像数据统计模式和小波滤波模式的基础上，引入了基于无人机载体高度和图像中目标的相对位置确定实际环境中人体目标的真实高度的识别机制，从而准确获取到了被搜救的人体目标的实时高度，所述无人机目标识别定位系统包括：

航拍设备，设置在无人机上，面向所述无人机的下方进行拍摄，以获取并输出机体下方图像；

评估值提取设备，与所述航拍设备连接，用于接收所述机体下方图像，将所述机体下方图像中四个角所在区域和所述机体下方图像中的中心区域一起作为待分析区域，解析出所述待分析区域中每一个像素点的青色分量、品红色分量、黄色分量和黑色分量，确定各个像素点的青色分量的总和以作为青色评估值，确定各个像素点的品红色分量的总和以作为品红色评估值，确定各个像素点的黄色分量的总和以作为黄色评估值，确定各个像素点的黑色分量的总和以作为黑色评估值；

评估值分析设备，与所述评估值提取设备连接，用于接收所述青色评估值、所述品红色评估值、所述黄色评估值和所述黑色评估值，将所述青色评估值、所述品红色评估值、所述黄色评估值和所述黑色评估值相加并除以四以获得评估均值，将所述评估均值除以所述黑色评估值以获得评估参考值，并在所述评估参考值大于等于预设评估限值时，发出亮度超限信号，否则，发出亮度低限信号；

高度测量仪，设置在无人机上，用于基于气压检测原理获取所述无人机的高度以作为机体高度输出；

相对位置检测设备，分别与下方人体分析设备和高度测量仪连接，用于接收所述机体高度，还用于接收所述人体目标分块和所述机体下方图像，并基于所述人体目标分块在所述机体下方图像中的相对位置以及所述机体高度确定所述人体目标对应的人体高度；

图像叠加设备，与所述相对位置检测设备连接，用于接收所述人体高度、所述人体目标分块和所述机体下方图像，在所述机体下方图像上以红色高亮显示所述人体目标分块，并在所述机体下方图像上、所述人体目标分块的附近以绿色高亮显示所述人体高度，以输出叠加图像；

图像压缩设备，与所述图像叠加设备连接，用于接收所述叠加图像，并对所述叠加图像执行基于mpeg-4标准的压缩处理，以获得并输出压缩图像；

无线发射设备，与所述图像压缩设备连接，用于接收所述压缩图像，并将所述压缩图像通过航空短波通信链路无线发送到远端的营救中心服务器处。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明实施方案示出的无人机目标识别定位系统的航拍设备的结构示意图。

图2为根据本发明实施方案示出的固定无人机目标识别定位系统的航拍设备的航拍连接件的结构示意图。

具体实施方式

下面将参照附图对本发明的实施方案进行详细说明。

户外救援多由户外爱好者组成的救援队进行搜救，有许多成功的例子。但也经常出现一窝蜂涌向事故区域的情况，客观上造成搜救的困难。

如2008年北京一名教师独自去野外活动失踪，武警、俱乐部的救援队、户外爱好者等纷纷赶赴可能的区域，由于参加搜救的人数很多，导致无法有效辨别痕迹，甚至造成线索的混乱，而且造成该地区人满为患，致使警方不得不强行禁止进山搜救。该事故的自发搜救行动持续了数月，至今未发现失踪者踪迹。

因此，在救援过程中，被搜救的人体目标的经纬度的定位或者高度定位都很关键，然而，目前缺少对被搜救的人体目标的实时高度进行定位的机制，无法为后期的救援提供有价值的参考数据。

为了克服上述不足，本发明搭建了一种无人机目标识别定位方法，该方法包括提供无人机目标识别定位系统，在图像数据统计模式和小波滤波模式的基础上，引入了基于无人机载体高度和图像中目标的相对位置确定实际环境中人体目标的真实高度的识别机制，从而准确获取到了被搜救的人体目标的实时高度，所述无人机目标识别定位系统为搜救方提供被搜救者的实时高度。

根据本发明实施方案的无人机目标识别定位系统包括：

航拍设备，如图1所示，面向所述无人机的下方进行拍摄，以获取并输出机体下方图像；

航拍连接件，如图2所示，设置在无人机上，用于固定所述航拍设备；

评估值提取设备，与所述航拍设备连接，用于接收所述机体下方图像，将所述机体下方图像中四个角所在区域和所述机体下方图像中的中心区域一起作为待分析区域，解析出所述待分析区域中每一个像素点的青色分量、品红色分量、黄色分量和黑色分量，确定各个像素点的青色分量的总和以作为青色评估值，确定各个像素点的品红色分量的总和以作为品红色评估值，确定各个像素点的黄色分量的总和以作为黄色评估值，确定各个像素点的黑色分量的总和以作为黑色评估值。

接着，继续对本发明的无人机目标识别定位系统的具体结构进行进一步的说明。

在所述无人机目标识别定位系统中，还包括：

评估值分析设备，与所述评估值提取设备连接，用于接收所述青色评估值、所述品红色评估值、所述黄色评估值和所述黑色评估值，将所述青色评估值、所述品红色评估值、所述黄色评估值和所述黑色评估值相加并除以四以获得评估均值，将所述评估均值除以所述黑色评估值以获得评估参考值，并在所述评估参考值大于等于预设评估限值时，发出亮度超限信号，否则，发出亮度低限信号。

在所述无人机目标识别定位系统中，还包括：

高度测量仪，设置在无人机上，用于基于气压检测原理获取所述无人机的高度以作为机体高度输出；

相对位置检测设备，分别与下方人体分析设备和高度测量仪连接，用于接收所述机体高度，还用于接收所述人体目标分块和所述机体下方图像，并基于所述人体目标分块在所述机体下方图像中的相对位置以及所述机体高度确定所述人体目标对应的人体高度；

图像叠加设备，与所述相对位置检测设备连接，用于接收所述人体高度、所述人体目标分块和所述机体下方图像，在所述机体下方图像上以红色高亮显示所述人体目标分块，并在所述机体下方图像上、所述人体目标分块的附近以绿色高亮显示所述人体高度，以输出叠加图像；

图像压缩设备，与所述图像叠加设备连接，用于接收所述叠加图像，并对所述叠加图像执行基于mpeg-4标准的压缩处理，以获得并输出压缩图像；

无线发射设备，与所述图像压缩设备连接，用于接收所述压缩图像，并将所述压缩图像通过航空短波通信链路无线发送到远端的营救中心服务器处；

小波滤波处理设备，分别与所述航拍设备和所述评估值分析设备连接，用于接收所述评估参考值以及所述机体下方图像，还用于在接收到所述亮度超限信号时，将所述机体下方图像进行基于所述评估参考值的弱化小波滤波幅度的图像小波滤波处理，以获得并输出已滤波图像，以及在接收到所述亮度低限信号时，将所述机体下方图像进行基于所述评估参考值的强化小波滤波幅度的图像小波滤波处理，以获得并输出已滤波图像；

下方人体分析设备，与所述小波滤波处理设备连接，用于分析出所述已滤波图像中的人体所在位置的人体目标分块，并将所述人体目标分块从所述已滤波图像处分割并输出。

在所述无人机目标识别定位系统中，还包括：

sd存储设备，与所述评估值分析设备连接，用于预先存储所述预设评估限值。

在所述无人机目标识别定位系统中：

基于所述评估参考值的弱化小波滤波幅度对应的小波滤波模式中选择的小波基的维度，小于基于所述评估参考值的强化小波滤波幅度对应的小波滤波模式中选择的小波基的维度。

在所述无人机目标识别定位系统中：

所述评估参考值越大，基于所述评估参考值的弱化小波滤波幅度对应的小波滤波模式中选择的小波基的维度越少。

以及在所述无人机目标识别定位系统中：

所述评估参考值越大，基于所述评估参考值的弱化小波滤波幅度对应的小波滤波模式中选择的小波基的维度越少。

另外，小波滤波模式涉及到的图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。

由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外，在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息。对于数字图像信号，噪声表为或大或小的极值，这些极值通过加减作用于图像像素的真实灰度值上，对图像造成亮、暗点干扰，极大降低了图像质量，影响图像复原、分割、特征提取、图像识别等后继工作的进行。要构造一种有效抑制噪声的滤波器必须考虑两个基本问题：能有效地去除目标和背景中的噪声；同时，能很好地保护图像目标的形状、大小及特定的几何和拓扑结构特征。

常用的图像滤波模式中的一种是，非线性滤波器，一般说来，当信号频谱与噪声频谱混叠时或者当信号中含有非叠加性噪声时如由系统非线性引起的噪声或存在非高斯噪声等)，传统的线性滤波技术，如傅立变换，在滤除噪声的同时，总会以某种方式模糊图像细节(如边缘等)进而导致像线性特征的定位精度及特征的可抽取性降低。而非线性滤波器是基于对输入信号的一种非线性映射关系，常可以把某一特定的噪声近似地映射为零而保留信号的要特征，因而其在一定程度上能克服线性滤波器的不足之处。

采用本发明的无人机目标识别定位系统，针对现有技术中被搜救者的实时高度无法确定的技术问题，通过对相关图像的高精度的分析和处理，基于无人机载体高度和图像中目标的相对位置确定实际环境中人体目标的真实高度，在图像上以红色高亮显示人体目标分块，并在图像上、所述人体目标分块的附近以绿色高亮显示人体高度，最后输出叠加图像，从而为营救中心的救援提供重要的参考数据。

可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。