本发明涉及民用无人机防御领域，特别涉及一种多目标反无人机方法。
背景技术：
近年来，无人机民用领域发展迅速，无人机应用在为人们生活带来便利的同时，也带来了各种威胁。无人机若为恐怖分子或不法分子使用，会对人们日常生活、交通工具运输安全、重要基础设施安全运行造成严重威胁。现有的反制无人机方案仅针对单个无人机目标进行监控和反制，无法应对编队式或非编队式多无人机带来的威胁。无人机使用成本的降低和使用范围的普及，使得多无人机威胁变得更为普遍，而其带来的威胁相比单无人机威胁有过之而无不及。
进一步地，对于多无人机目标，如果同时采取反制措施，需要的技术成本过大，不利于在民用低空防御领域推广应用，如何从多目标中优选出威胁最大或较大的无人机实施反制是多目标无人机防御的关键。
此外，民用无人机反制又有其自身特点，在保证反制成功率的同时，需要符合相关法律要求，不能对周边设施产生连带伤害。
技术实现要素：
本发明的目的在于克服现有技术中所存在的上述不足，提供一种基于动态图像识别的反无人机方法。本发明提供的反无人机方法图像识别过程采用动态模板，所述动态模板根据实时采集的监控图像定期更新，显著提高无人机图像识别精度。
为了实现上述发明目的，本发明提供了以下技术方案：
一种多目标反无人机方法，包括：
S1，获取无人机可视和/或红外监控图像；
S2，判别监控图像中的无人机数量，对无人机进行危险评级；
S3，根据危险评级对一个或多个无人机进行跟踪；
S4，根据危险评级对一个或多个无人机释放干扰信号。
进一步地，步骤S1中，同时采集无人机可视和红外图像后，进行可视、红外图像融合重构。采用红外监控摄像机对无人机禁飞区实施监控，红外监控摄像机CCD传感器采集可视图像信息，红外热成像传感器采集红外图像信息，可视图像与红外图像经过配准、融合、重构后的新图像用于无人机识别和跟踪。
作为一种优选的方案，可视、红外图像融合重构采用基于小波变换的图像融合算法。
作为可选的实施方案，可视、红外图像融合重构还可以采用像素灰度值选大算法、像素灰度值选小算法、加权平均融合算法或拉普拉斯图像金字塔分解融合算法。
进一步地，监控图像中的无人机多目标分割基于目标在图像中的欧式距离。
进一步地，步骤S2中，判别监控图像中的无人机数量包括：
S2a，图像背景去噪，并进行二值化处理。
具体地，计算背景图像的背景阈值滤掉背景噪声，利用中值滤波或邻域平均滤波消除背景噪声，对去噪后的图像进行二值处理，处理后的图像记为p(i,j)。
S2b，采用二值腐蚀算法搜索去噪图像中的候选目标。
具体地，p(i,j)是二值图像，设t(x,y)是二值腐蚀后的图像，H是结构元素，作为搜索模板。在某像素邻域，用结构元素与其覆盖的二值图像做逻辑与运算，如果结果都为1，则t(x,y)图像中该像素为1，否则为0，如此遍历二值图像p(i,j)，得到二值腐蚀后的图像t(x,y)。
S2c，若图像中存在多个目标，设定距离分割阈值，图像中任意两个候选目标距离超过所述分割阈值，则判定为两个无人机。
具体地，如果原p(i,j)二值图像在结构元素覆盖的某区域腐蚀运算结果t(x,y)均为1，即：对于任意(x，y)，0≤x≤L，0≤y≤W，t(x,y)＝1。其中，L、W为结构元素H的图像尺寸。若满足上述条件，记为1个候选目标。对于二值图像t(x,y)中存在的2个以上所述候选目标，设定距离分割阈值S，若每2个所述候选目标间的欧式距离小于等于所述分割阈值S，则判定为同一无人机目标；若每2个所述候选目标间的欧式距离大于所述分割阈值S，则判定为两个无人机目标。
进一步地，如果图像中存在多个无人机目标，需要对所述多个无人机目标进行危险评级，以便在跟踪设备和干扰设备有限的条件下优选选择跟踪目标或干扰目标。
具体地，步骤S2中，无人机危险评级为R，其中K1、K2、K3为加权系数，D为无人机与监控设备的相对距离评分，V为无人机相对监控设备的飞行速度评分，为无人机相对监控设备的飞行方位评分。相对距离评分D从监控设备最远可监控距离起算，最远距离设置为0分，监控设备处设置为100分；飞行速度评分以相对静止设为0分，以预设的无人机飞行速度上限为100分；飞行方位评分以无人机当前位置与监控设备连线为基准，飞向(0°)监控设备方位设为100分，飞离监控设备(180°)设为0分，侧向飞行(90°)为50分。
需要说明的是，上述危险评级参数选择包括但不限于相对距离、飞行速度和飞行方位，还可包括无人机形态特征、结构特征等从监控图像中可以识别的无人机外观属性或功能属性(如配置摄像头数量)。各参数在危险评级中所占的权重即可以由试验统计获得，也可由认为设定，认为设定可依据应用场景的不同有限考虑容易造成威胁的参数。各参数评分分数分布也不一定呈等差分布，例如，对于相对距离参数，越靠近监控设备，相对距离评分递增越快。
进一步地，对于多个无人机目标危险评级之后，对危险评级超过R0的无人机实施跟踪，预设跟踪目标上限数Nm，当存在超过Nm的无人机时，对危险评级前Nm的无人机进行跟踪。
进一步地，步骤S4中，对危险评级超过R1的无人机释放数据链路或导航信号定向干扰信号。
进一步地，干扰方式包括：瞄准式干扰、阻塞式干扰、时分多路干扰或扫频干扰。
瞄准式干扰用于已获得无人机通信频率的情形，将干扰能量集中于无人机通信系统的很窄的频带内，该方式因此具有很高的干扰效率。
阻塞式干扰无需准确地掌握无人机通信信道频率，将干扰能量分散在某个预定的频率范围内的众多的信道内。
时分多路干扰实现从一个频率迅速转换到另一个频率，短暂而有规律地干扰每一个目标信道，该方式可使干扰设备有足够的功率干扰几个通信信道。
扫频式干扰结合了瞄准式干扰和阻塞式干扰的特点，在任意时刻，干扰设备产生的杂波信号带宽与瞄准式干扰一样，但杂波信号频率又在一个更宽的频率范围周期变化，相当于以杂波的带宽在大频率内扫描。只要无人机的工作频率落入扫频范围，就有机会对其实现干扰目的。
与现有技术相比，本发明的有益效果：
本发明提供的多目标反无人机方法，通过图像处理腐蚀算法结合基于欧式距离的目标判别实现对监控图像中的多目标无人机有效分离，进而对多目标无人机进行有效跟踪和有效干扰。此外，通过对多目标无人机建立危险评级模式，选取基于无人机监控图像可提取的无人机威胁参数建立无人机危险评级，对于后续的无人机跟踪、干扰提供优先选择的目标，有效提高了反制多无人机的效率和成功率。
附图说明：
图1为本发明多目标反无人机方法流程图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
一种多目标反无人机方法，包括：
S1，获取无人机可视和/或红外监控图像；
S2，判别监控图像中的无人机数量，对无人机进行危险评级；
S3，根据危险评级对一个或多个无人机进行跟踪；
S4，根据危险评级对一个或多个无人机释放干扰信号。
进一步地，步骤S1中，同时采集无人机可视和红外图像后，进行可视、红外图像融合重构。采用红外监控摄像机对无人机禁飞区实施监控，红外监控摄像机CCD传感器采集可视图像信息，红外热成像传感器采集红外图像信息，可视图像与红外图像经过配准、融合、重构后的新图像用于无人机识别和跟踪。
作为一种优选的方案，可视、红外图像融合重构采用基于小波变换的图像融合算法。
作为可选的实施方案，可视、红外图像融合重构还可以采用像素灰度值选大算法、像素灰度值选小算法、加权平均融合算法或拉普拉斯图像金字塔分解融合算法。
进一步地，监控图像中的无人机多目标分割基于目标在图像中的欧式距离。
进一步地，步骤S2中，判别监控图像中的无人机数量包括：
S2a，图像背景去噪，并进行二值处理。
具体地，计算背景图像的背景阈值滤掉背景噪声，利用中值滤波或邻域平均滤波消除背景噪声，对去噪后的图像进行二值处理，处理后的图像记为p(i,j)。
S2b，采用二值腐蚀算法搜索去噪图像中的候选目标。
具体地，p(i,j)是二值图像，设t(x,y)是二值腐蚀后的图像，H是结构元素，作为搜索模板。在某像素邻域，用结构元素与其覆盖的二值图像做逻辑与运算，如果结果都为1，则t(x,y)图像中该像素为1，否则为0，如此遍历二值图像p(i,j)，得到二值腐蚀后的图像t(x,y)。
S2c，若图像中存在多个目标，设定距离分割阈值，图像中任意两个候选目标距离超过所述分割阈值，则判定为两个无人机。
具体地，如果原p(i,j)二值图像在结构元素覆盖的某区域腐蚀运算结果t(x,y)均为1，即：对于任意(x，y)，0≤x≤L，0≤y≤W，t(x,y)＝1。其中，L、W为结构元素H的图像尺寸。若满足上述条件，记为1个候选目标。对于二值图像t(x,y)中存在的2个以上所述候选目标，设定距离分割阈值S，若每2个所述候选目标间的欧式距离小于等于所述分割阈值S，则判定为同一无人机目标；若每2个所述候选目标间的欧式距离大于所述分割阈值S，则判定为两个无人机目标。腐蚀运算有利于消除无关的、细微的边界差异，突出目标特征。计算欧式距离时，以两无人机形心为重点进行度量，优选地，所述分割阈值为2倍无人机距离。
进一步地，如果图像中存在多个无人机目标，需要对所述多个无人机目标进行危险评级，以便在跟踪设备和干扰设备有限的条件下优选选择跟踪目标或干扰目标。
具体地，步骤S2中，无人机危险评级为R，其中K1、K2、K3为加权系数，D为无人机与监控设备的相对距离评分，V为无人机相对监控设备的飞行速度评分，为无人机相对监控设备的飞行方位评分。相对距离评分D从监控设备最远可监控距离起算，最远距离设置为0分，监控设备处设置为100分；飞行速度评分以相对静止设为0分，以预设的无人机飞行速度上限为100分；飞行方位评分以无人机当前位置与监控设备连线为基准，飞向(0°)监控设备方位设为100分，飞离监控设备(180°)设为0分，侧向飞行(90°)为50分。
需要说明的是，上述危险评级参数选择包括但不限于相对距离、飞行速度和飞行方位，还可包括无人机形态特征、结构特征等从监控图像中可以识别的无人机外观属性或功能属性(如配置摄像头数量)。各参数在危险评级中所占的权重即可以由试验统计获得，也可由认为设定，认为设定可依据应用场景的不同有限考虑容易造成威胁的参数。各参数评分分数分布也不一定呈等差分布，例如，对于相对距离参数，越靠近监控设备，相对距离评分递增越快。
进一步地，对于多个无人机目标危险评级之后，对危险评级超过R0的无人机实施跟踪，预设跟踪目标上限数Nm，当存在超过Nm的无人机时，对危险评级前Nm的无人机进行跟踪。
进一步地，步骤S4中，对危险评级超过R1的无人机释放数据链路或导航信号定向干扰信号。
进一步地，干扰方式包括：瞄准式干扰、阻塞式干扰、时分多路干扰或扫频干扰。
瞄准式干扰用于已获得无人机通信频率的情形，将干扰能量集中于无人机通信系统的很窄的频带内，该方式因此具有很高的干扰效率。
阻塞式干扰无需准确地掌握无人机通信信道频率，将干扰能量分散在某个预定的频率范围内的众多的信道内。
时分多路干扰实现从一个频率迅速转换到另一个频率，短暂而有规律地干扰每一个目标信道，该方式可使干扰设备有足够的功率干扰几个通信信道。
扫频式干扰结合了瞄准式干扰和阻塞式干扰的特点，在任意时刻，干扰设备产生的杂波信号带宽与瞄准式干扰一样，但杂波信号频率又在一个更宽的频率范围周期变化，相当于以杂波的带宽在大频率内扫描。只要无人机的工作频率落入扫频范围，就有机会对其实现干扰目的。
优选地，干扰方式选择扫频干扰模式。
作为一种具体的实施方案，针对多个无人机目标的监控方案包括多套监控设备以及多套干扰设备，所述多套监控设备和多套干扰设备能够同时实现对多个空中目标实现水平0°-360°，俯仰-30°-90°实时监控和干扰。