基于缓冲冷却的无人机及其人脸识别系统的制作方法

本发明涉及无人机技术领域，具体地说，基于缓冲冷却的无人机及其人脸识别系统。

背景技术：

无人机是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器，因此在城市公安被广泛使用，但无人机在下落后需要进行降温处理，不然长时间处于高温状态下的无人机，其内部线路很容易发生老化，大大缩短了使用寿命，可是通过人工进行降温很难使机体内部快速降温，而且也非常的繁琐。

警用无人机底部通常会安装有摄像头，通过摄像头拍摄的画面传输给地面基站，从而实现远程的观察，但通过肉眼观察很难观察仔细，无法精确的对人像进行识别及其动作的预判，使警务人员不能做出提前反应，耽误警情的处理。

技术实现要素：

本发明的目的在于提供了基于缓冲冷却的无人机及其人脸识别系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明目的之一在于，提供了基于缓冲冷却的无人机，包括机架和设置在所述机架底部的缓冲底座，所述机架包括机体，所述机体顶部周围呈环形开设有多个推进槽，所述推进槽内部设有推进装置，所述推进装置包括支撑架，所述支撑架与所述推进槽的内壁固定连接，所述支撑架的顶部圆心处设有电机，所述电机的设有桨翼，所述缓冲底座至少包括：

滑动架，所述滑动架的顶部周围呈环形设有多个连接架，所述连接架顶端与所述机体通过螺栓连接固定，所述连接架底端与所述滑动架固定连接，所述连接架用于将所述滑动架与所述机体连接固定，所述滑动架的横截面为“t”形结构；

缓冲壳体，所述缓冲壳体包括缓冲空腔，所述缓冲壳体的顶部开设有滑槽，所述滑动架与所述滑槽滑动连接，所述滑动架底部设有密封板，所述密封板紧贴所述缓冲空腔的内壁；

导流管，所述导流管呈环形设置在所述缓冲壳体的内侧周围，所述机体的内部开设有冷却空腔，所述导流管与所述冷却空腔活动连接，所述导流管顶端与所述冷却空腔连通，所述导流管底端与所述缓冲空腔连通，所述导流管用于将所述缓冲空腔内的液体导入到所述冷却空腔内。

作为本技术方案的进一步改进，所述机体顶部的圆心处设有信号壳体，所述机体底部圆心处设有识别壳体，所述机体、信号壳体和识别壳体均为“流线型”结构。

作为本技术方案的进一步改进，所述推进槽位于所述推进装置顶部的位置设有滤网，所述滤网的孔径为1.0-2.0cm。

作为本技术方案的进一步改进，所述缓冲壳体的外侧壁设有注液管，所述缓冲壳体的底部向内侧弯折。

作为本技术方案的进一步改进，所述缓冲壳体的底部周围呈环形设有多个弹性元件，所述弹性元件包括滑杆，所述滑杆与所述缓冲壳体固定连接，所述滑杆的底部滑动连接有滑套，所述滑套与所述滑杆之间设有弹簧。

作为本技术方案的进一步改进，所述滑套的底部设有垫片。

本发明目的之二在于，提供了基于缓冲冷却的无人机人脸识别系统，包括上述任意一项所述的基于缓冲冷却的无人机，包括人脸识别平台，所述人脸识别平台包括人脸识别单元、动作预判单元、信号传输单元和地面接收单元；所述人脸识别单元用于对无人机拍摄范围内的人脸进行识别；所述动作预判单元用于对无人机拍摄范围内人的动作进行预判，并产生预判结果；信号传输单元用于将人脸识别单元和动作预判单元的输出结果传送给地面接收单元；所述地面接收单元用于将接收的结果显示出来。

作为本技术方案的进一步改进，所述人脸识别单元包括特征描述模块和特征提取模块；所述特征描述模块用于对人脸的轮廓特征进行描述；所述特征提取模块用于提取所述特征描述模块中的脸部轮廓特征，并进行分析。

作为本技术方案的进一步改进，所述特征描述模块的提取采用pca法进行降维处理。

作为本技术方案的进一步改进，所述特征提取模块采用深度信念网络对脸部轮廓特征提取，并对提取后的脸部轮廓特征进行预训练。

与现有技术相比，本发明的有益效果：

1、该基于缓冲冷却的无人机及其人脸识别系统，通过设置的密封板使其底部空腔的体积减小，压强骤增，从而使缓冲空腔内的自来水进入到冷却空腔内，进而实现下落过程中对机体内部进行降温冷却的目的，而且缓冲空腔内的自来水受到压强的作用同时会产生一个反作用力，然后抵消部分下落时的冲击力，起到缓冲保护的作用，避免冲击力过大使缓冲壳体发生变形。

2、该基于缓冲冷却的无人机及其人脸识别系统，机体、信号壳体和识别壳体均为“流线型”结构，“流线型”的结构可以降低机体在飞行过程中风的阻力，从而降低能量的消耗。

3、该基于缓冲冷却的无人机及其人脸识别系统，通过设置的弹簧形变产生的作用力使滑杆沿滑套内壁滑动，从而实现缓冲壳体高度的调节，以适应凹凸不平的地面，防止降落后机体发生的倾斜角度过大。

4、该基于缓冲冷却的无人机及其人脸识别系统，通过设置的人脸识别单元和动作预判单元配合，将识别以及预判结果传输给地面接收单元，从而直接得出识别以及预判结果，进而提前做出反应，及时应对警情。

附图说明

图1为实施例1的整体结构示意图；

图2为实施例1的整体结构拆分图；

图3为实施例1的机体结构爆炸图；

图4为实施例1的推进装置结构示意图；

图5为实施例1的缓冲底座结构拆分图；

图6为实施例1的弹性元件结构爆炸图；

图7为实施例1的整体结构剖视图；

图8为实施例1的图7的a处结构放大图；

图9为实施例1的人脸识别平台模块框图；

图10为实施例1的人脸识别单元模块框图。

图中各个标号意义为：

100、机架；

110、机体；

111、推进槽；1111、滤网；

112、推进装置；1121、支撑架；1122、电机；1123、桨翼；

113、冷却空腔；

120、信号壳体；

130、识别壳体；

200、缓冲底座；

210、滑动架；211、密封板；212、连接架；

220、缓冲壳体；

221、缓冲空腔；2211、注液管；2212、导流管；

222、滑槽；

223、弹性元件；2231、滑杆；2232、弹簧；2233、滑套；2234、垫片；

300、人脸识别平台；

310、人脸识别单元；311、特征描述模块；312、特征提取模块；

320、动作预判单元；330、信号传输单元；340、地面接收单元。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

实施例1

请参阅图1-图10所示，本实施例目的之一在于，提供了基于缓冲冷却的无人机，包括机架100和设置在机架100底部的缓冲底座200，机架100包括机体110，机体110顶部周围呈环形开设有多个推进槽111，推进槽111内部设有推进装置112，推进装置112包括支撑架1121，支撑架1121与推进槽111的内壁固定连接，支撑架1121的顶部圆心处设有电机1122，电机1122的设有桨翼1123，桨翼1123与电机1122的传动轴固定连接，从而通过传动轴带动桨翼1123转动。

本实施例的电机1122单相电容电机，其工作原理问本领域技术人员所公知的那样，当运行绕组和启动绕组通过单相交流电时，由于电容器作用使启动绕组中的电流在时间上比运行绕组的电流超前90°角，先到达最大值；在时间和空间上形成两个相同的脉冲磁场，使定子与转子之间的气隙中产生了一个旋转磁场，在旋转磁场的作用下，电机转子中产生感应电流，电流与旋转磁场互相作用产生电磁场转矩，使传动轴旋转起来。

本实施中的推进装置112具体使用时，将电机1122接通电源，使其传动轴转动，并带动桨翼1123旋转，桨翼1123旋转带动气流对空气产生一个作用力，同时空气反向推动桨翼1123，使其带动机架100进行移动，在移动过程中通过电机1122的打开与关闭以及正转与反转来实现机架100方向和角度上的改变。

此外，缓冲底座200至少包括滑动架210，滑动架210的顶部周围呈环形设有多个连接架212，连接架212顶端与机体110通过螺栓连接固定，连接架212底端与滑动架210固定连接，连接架212用于将滑动架210与机体110连接固定，滑动架210的横截面为“t”形结构，从而增大滑动架210顶部与连接架212的接触面积，提高连接的稳定性，缓冲壳体220包括缓冲空腔221，缓冲空腔221内填充有冷却液，优选采用自来水，缓冲壳体220的顶部开设有滑槽222，滑动架210与滑槽222滑动连接，滑动架210底部设有密封板211，密封板211紧贴缓冲空腔221的内壁，从而避免缓冲空腔221内的自来水进入到密封板211顶部，进而使密封板211底部形成一个活动的空腔。

其中，导流管2212呈环形设置在缓冲壳体220的内侧周围，机体110的内部开设有冷却空腔113，冷却空腔113为“环形”结构，导流管2212与冷却空腔113活动连接，导流管2212顶端与冷却空腔113连通，导流管2212底端与缓冲空腔221连通，导流管2212用于将缓冲空腔221内的液体导入到冷却空腔113内。

本实施例中缓冲底座200具体使用时，在无人机降落的过程中，缓冲壳体220先与地面接触，此时机体110受到无人机下落时的冲击力以及自身的重力作用推动滑动架210向下移动，滑动架210带动密封板211做同步移动，此时密封板211底部空腔的体积减小，压强骤增，然后缓冲空腔221内的自来水受到压强的作用进入导流管2212，再通过导流管2212进入到冷却空腔113内，“环形”结构的冷却空腔113内的水吸收周围机体110散发出来的热量，从而实现下落过程中对机体110内部进行降温冷却的目的，而且缓冲空腔221内的自来水受到压强的作用同时会产生一个反作用力，从而抵消部分下落时的冲击力，起到缓冲保护的作用，避免冲击力过大使缓冲壳体220发生变形。

进一步的，机体110顶部的圆心处设有信号壳体120，机体110底部圆心处设有识别壳体130，信号壳体120和识别壳体130内分别用于安装人脸识别平台300和摄像机，通过摄像机对人脸进行拍摄，机体110、信号壳体120和识别壳体130均为“流线型”结构，“流线型”的结构可以降低机体110在飞行过程中风的阻力(以下简称：风阻)，从而降低能量的消耗，且缓冲壳体220的外侧壁设有注液管2211，缓冲壳体220的底部向内侧弯折，从而使机体110和缓冲壳体220形成一个具有“流线型”的整体轮廓，进一步降低风阻的影响。

再进一步的，推进槽111位于推进装置112顶部的位置设有滤网1111，滤网1111用于对外界不明飞行物起到一定的阻挡作用，避免桨翼1123与不明飞行物发生碰撞导致损坏，滤网1111的孔径为1.0-2.0cm，孔径小于1.0cm时对气流的阻力较大，从而降低桨翼1123旋转产生的推力，孔径大于2.0cm时可通过的不明飞行物较多，无法起到保护的作用。

此外，缓冲壳体220的底部周围呈环形设有多个弹性元件223，弹性元件223包括滑杆2231，滑杆2231与缓冲壳体220固定连接，滑杆2231的底部滑动连接有滑套2233，滑套2233与滑杆2231之间设有弹簧2232。

本实施例中弹性元件223具体使用时，下落过程中，滑套2233与地面接触，此时凹凸不平的地面作用在滑套2233上的作用力大小不同，因此弹簧2232形变的程度不同，通过弹簧2232形变产生的作用力使滑杆2231沿滑套2233内壁滑动，从而实现缓冲壳体220高度的调节，以适应凹凸不平的地面，防止降落后机体110发生的倾斜角度过大，同时对缓冲壳体220起到一定的缓冲作用。

除此之外，滑套2233的底部设有垫片2234，垫片2234通过自身的弹性对滑套2233底面起到保护作用，延长其使用寿命。

本实施例目的之二在于，提供了基于缓冲冷却的无人机人脸识别系统，包括上述中任意一项的基于缓冲冷却的无人机，包括人脸识别平台300，人脸识别平台300包括人脸识别单元310、动作预判单元320、信号传输单元330和地面接收单元340；人脸识别单元310用于对无人机拍摄范围内的人脸进行识别；动作预判单元320用于对无人机拍摄范围内人的动作进行预判，并产生预判结果；信号传输单元330用于将人脸识别单元310和动作预判单元320的输出结果传送给地面接收单元340；地面接收单元340用于将接收的结果显示出来，从而通过动作预判单元320输出的结果准确的做出提前反应，及时应对警情。

其中，人脸识别单元310包括特征描述模块311和特征提取模块312；特征描述模块311用于对人脸的轮廓特征进行描述；特征提取模块312用于提取特征描述模块311中的脸部轮廓特征，并进行分析；特征描述模块311的提取采用pca法进行降维处理，特征提取模块312采用深度信念网络(以下简称：dbn)对脸部轮廓特征提取，并对提取后的脸部轮廓特征进行预训练。

本实施例中pca法降维的具体步骤如下：

s1.1、将样本集图像按照像素首尾相连组成n维数据，将含有m个类别的样本集d＝(x⁽¹⁾，x⁽²⁾，…，x^(m))进行中心化，中心化公式如下：

s1.2、对样本的协方差矩阵进行特征值分解，取出n'个相对应的特征向量(w1，w2，…，wn′)，对所有特征向量进行标准化，组成特征向量矩阵w；

s1.3、对样本集中每个样本x⁽ⁱ⁾，用式z⁽ⁱ⁾＝w^tx⁽ⁱ⁾转化到底维子空间，得到降维后的样本集d＝(z⁽¹⁾，z⁽²⁾，…，z^(m))；

s1.4、根据全部成分的n个特征向值和主成分的n'个特征向量值(γ1≥γ2≥…≥γn′)，然后计算主成分比重t，计算公式如下：

本实施例中人脸识别过程如下：

s2.1、纹理特征输入第一层rbm以进行无监督训练，获得最佳参数；

s2.2、高层rbm以低一层rbm输出数据为输入，获得rbm网络最佳参数；

s2.3、最后利用全局训练的方法对各层参数进行微调，使得dbn收敛到全局最佳；

s2.4、通过sqi-pca和dbn判断是否具有遮挡，并对有遮挡人脸图像进行分块；

s2.5、将测试样本和训练样本通过sqi处理；

s2.6、测试样本和训练样本使用pca降维至30到100维之间；

s2.7、在dbn可视层输入训练样本的纹理特征，逐层训练深度网络以获取最佳的网络参数；

其中，dbn层数为2层，学习效率为0.00001，迭代次数为30。

s2.8、完成深度网络训练后，在dbn的可视层输入测试样本的sqi-pca纹理特征，利用本算法优化后的网络自下而上的多层次地学习测试样本的抽样特征，在顶层网络使用softmax回归分类，获得样本的类标识后计算识别率。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。