一种基于计算机视觉的无人机监控系统的制作方法

1.本发明涉及无人机监控技术领域，尤其涉及一种基于计算机视觉的无人机监控系统。


背景技术：

2.计算机视觉是一门研究如何使机器看的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量的机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像，其可以应用于无人机监控系统，提高监控效率。
3.经检索，中国专利号cn201811309875.4公开了无人机监控系统和电力场所监控系统，虽然采用了无人机监控系统，但是其监控系统的图像识别能力较低，同时识别图像的准确度较低，无法对系统做出调整，且一般的无人机监控系统只能用于一种途径，无法同时监控两种事物，使得系统的应用受限，带来了系统缺陷的问题，为此，我们提出了一种基于计算机视觉的无人机监控系统。


技术实现要素：

4.本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种基于计算机视觉的无人机监控系统。
5.为了实现上述目的，本发明采用了如下技术方案：
6.一种基于计算机视觉的无人机监控系统，包括无人机摄像模块、计算机视觉模块、提取模块、指令输入模块、人脸采集模块、数据采集模块、数据库、判断模块、报警模块、显示模块、图像集导入模块和人工校对模块；
7.其中，所述计算机视觉模块包括识别单元和迭代单元；所述无人机摄像模块与计算机视觉模块通过云服务器连接。
8.进一步地，所述图像集导入模块用于导入预设图像集，并将预设图像集分别发送至人工校对模块和迭代单元；所述人工校对模块用于人工标注预设图像集，生成人工标注结果，并发送至迭代单元；所述迭代单元用于迭代计算机视觉模块的参数，其具体的迭代操作为：
9.s1、通过图像识别模型框架识别预设图像集，生成第一识别结果；
10.s2、根据识别结果分类预设图像集，并通过正态分布概率模型选取各分类下的至少部分预设图像；
11.s3、整合至少部分预设图像，生成样本图像集；
12.s4、再次通过图像识别模型框架识别样本图像集，生成第二识别结果；
13.s5、将第二识别结果与人工标注结果对比，得到差异值，并根据差异值迭代计算机视觉模块的参数。
14.进一步地，所述图像识别模型框架主要有resnet残差网络和 inception网络。
15.进一步地，所述无人机摄像模块用于无人机拍摄图像，生成目标图像，并将目标图像发送至识别单元；所述识别单元用于识别目标图像，生成目标识别结果，并发送至提取模块；所述指令输入模块用于输入监控指令，并发送至提取模块。
16.进一步地，所述提取模块用于提取目标识别结果，生成目标图像数据，并分类目标图像数据；其中，分类目标图像数据的具体操作为：
17.ss1、爬取监控指令，并提取关键词；
18.ss2、计算关键词与目标图像数据的关联度值，即a1、a2、a3……ꢀ
a
n
；
19.ss3、判断关联度值是否合格，具体为：
20.a、若关联度值＜70％，则不合格，整合不合格关联度值所对应的目标图像数据，记为e；
21.b、若关联度值≥70％，则合格，整合合格关联度值所对应的目标图像数据，记为f；
22.ss4、排除e所对应的目标图像数据，并进一步判断f所对应的目标图像数据，具体判断为：
[0023]ⅰ、若f所对应的目标图像数据符合人脸数据，则属于人脸目标图像数据，并发送至人脸采集模块；
[0024]ⅱ、若f所对应的目标图像数据符合环境数据，则属于环境目标图像数据，并发送至数据采集模块；
[0025]
所述人脸采集模块用于采集人脸目标图像数据，并解码人脸目标图像数据，同时过滤背景和分割人像，生成人像特征数据，并发送至判断模块；所述数据采集模块用于采集环境目标图像数据，并解码环境目标图像数据，生成环境特征数据，并发送至判断模块。
[0026]
进一步地，步骤ss1中所述监控指令包括时间指令、地点指令和范围指令，所述a1+a2+a3+
……
+a
n
＝e+f。
[0027]
进一步地，所述数据库用于存储目标人员特征数据和环境标准数据，并发送至判断模块；所述判断模块用于判断是否有目标人员，或者判断环境是否恶化；具体判断过程为：
[0028]
sss1、依据目标人员特征数据和环境标准数据分别对比人像特征数据和环境特征数据，并分别计算相似度值，分别得到人像相似度值和环境相似度值；
[0029]
sss2、若出现下列三种情况之一，则判断模块生成报警指令，并发送至报警模块；具体为：
[0030]
a、人像相似度值全部＜85％，环境相似度值＜90％；
[0031]
b、人像相似度值全部≥85％，环境相似度值≥90％；
[0032]
c、人像相似度值全部≥85％，环境相似度值＜90％；
[0033]
sss3、若人像相似度值全部＜85％，环境相似度值≥90％，则判断结束并返回识别单元；
[0034]
所述报警模块用发出警报，并将人像特征数据和环境特征数据发送至显示模块；所述显示模块用于显示人像特征数据和环境特征数据。
[0035]
相比于现有技术，本发明的有益效果在于：
[0036]
1、本发明通过人工校对模块对预设图像集进行人工标注，得到人工标注结果，从而为后面的对比定制了标准，同时迭代单元识别预设图像集，并依据第一识别结果分类预
设图像集，再根据正态分布概率模型选取各分类下的至少部分预设图像，形成样本图像集，再次识别样本图像集，并将第二识别结果与人工标注结果对比，得到差异值，并根据差异值迭代计算机视觉模块的参数，从而达到对计算机视觉模块调整的目的，不仅提高了图像识别的能力，还使得图像识别的准确度提高。
[0037]
2、本发明的提取模块依据目标识别结果提取目标图像数据，并依据监控指令分类目标图像数据，得到人脸目标图像数据和环境目标图像数据，再分别通过人脸采集模块和数据采集模块处理，最后交由判断模块判断是否有目标人员，或者判断环境是否恶化，达到同时监控两种事物的目的，避免了监控的单一，扩大了系统的应用范围。
附图说明
[0038]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
[0039]
图1为本发明提出的一种基于计算机视觉的无人机监控系统的模块框图。
具体实施方式
[0040]
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。
[0041]
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”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装置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。
[0042]
实施例1：
[0043]
请参阅图1，本发明提供一种技术方案：一种基于计算机视觉的无人机监控系统，包括无人机摄像模块、计算机视觉模块、提取模块、指令输入模块、人脸采集模块、数据采集模块、数据库、判断模块、报警模块、显示模块、图像集导入模块和人工校对模块；
[0044]
其中，计算机视觉模块包括识别单元和迭代单元；无人机摄像模块与计算机视觉模块通过云服务器连接，图像集导入模块用于导入预设图像集，并将预设图像集分别发送至人工校对模块和迭代单元；人工校对模块用于人工标注预设图像集，生成人工标注结果，并发送至迭代单元；迭代单元用于迭代计算机视觉模块的参数；
[0045]
本实施例进一步公开了迭代操作，具体为：首先通过图像识别模型框架识别预设图像集，生成第一识别结果；根据识别结果分类预设图像集，并通过正态分布概率模型选取各分类下的至少部分预设图像；其次整合至少部分预设图像，生成样本图像集，再次通过图像识别模型框架识别样本图像集，生成第二识别结果，最后将第二识别结果与人工标注结果对比，得到差异值，并根据差异值迭代计算机视觉模块的参数；
[0046]
本实施例中图像识别模型框架为resnet残差网络和inception 网络。
[0047]
需要进一步说明的是，在调整计算机视觉模块的过程中，通过提前采集一组预设图像集，并通过图像集导入模块导入系统，并分别发送至迭代单元和人工校对模块，工作人员通过人工校对模块对预设图像集进行标注，并将人工标注结果发送至迭代单元，此过程中，迭代单元识别预设图像集，并依据第一识别结果分类预设图像集，再根据正态分布概率
模型选取各分类下的至少部分预设图像，形成样本图像集，再次识别样本图像集，并将第二识别结果与人工标注结果对比，得到差异值，并根据差异值迭代计算机视觉模块的参数，从而达到对计算机视觉模块调整的目的，不仅提高了图像识别的能力，还使得图像识别的准确度提高。
[0048]
实施例2：
[0049]
请参阅图1，无人机摄像模块用于无人机拍摄图像，本实施例除与上述模块相同外，主要还公开了分类目标图像数据与判断模块的具体过程；
[0050]
其中，无人机摄像模块用于无人机拍摄图像，生成目标图像，并将目标图像发送至识别单元；识别单元用于识别目标图像，生成目标识别结果，并发送至提取模块；指令输入模块用于输入监控指令，并发送至提取模块，提取模块用于提取目标识别结果，生成目标图像数据，并分类目标图像数据；
[0051]
具体的，分类目标图像数据的具体操作为：首先通过爬取监控指令，并提取关键词，接着计算关键词与目标图像数据的关联度值，即 a1、a2、a3……
a
n
，判断关联度值是否合格，排除整合不合格关联度值所对应的目标图像数据，并进一步判断整合合格关联度值所对应的目标图像数据；
[0052]
此外，判断关联度值是否合格中，若关联度值＜70％，则不合格，整合不合格关联度值所对应的目标图像数据，记为e；若关联度值≥ 70％，则合格，整合合格关联度值所对应的目标图像数据，记为f；
[0053]
进一步判断f，具体判断为：
[0054]ⅰ、若f所对应的目标图像数据符合人脸数据，则属于人脸目标图像数据，并发送至人脸采集模块；
[0055]ⅱ、若f所对应的目标图像数据符合环境数据，则属于环境目标图像数据，并发送至数据采集模块；
[0056]
在具体使用时，首先通过人脸采集模块采集人脸目标图像数据，并解码人脸目标图像数据，同时过滤背景和分割人像，生成人像特征数据，并发送至判断模块；并通过数据采集模块采集环境目标图像数据，并解码环境目标图像数据，生成环境特征数据，并发送至判断模块，判断模块判断是否有目标人员，或者判断环境是否恶化；具体判断过程为：首先依据目标人员特征数据和环境标准数据分别对比人像特征数据和环境特征数据，并分别计算相似度值，分别得到人像相似度值和环境相似度值；若出现下列三种情况之一，则判断模块生成报警指令，并发送至报警模块；具体为：
[0057]
a、人像相似度值全部＜85％，环境相似度值＜90％；
[0058]
b、人像相似度值全部≥85％，环境相似度值≥90％；
[0059]
c、人像相似度值全部≥85％，环境相似度值＜90％；
[0060]
若人像相似度值全部＜85％，环境相似度值≥90％，则判断结束并返回识别单元；
[0061]
其中，报警模块用于发出警报，并将人像特征数据和环境特征数据发送至显示模块，并通过显示模块显示人像特征数据和环境特征数据。
[0062]
在监控的过程中，通过无人机摄像模块拍摄目标图像，并由计算机视觉模块内的识别单元识别，生成目标识别结果，此时再通过指令输入模块向提取模块发出监控指令，再由提取模块依据目标识别结果提取目标图像数据，并依据监控指令分类目标图像数据，得
到人脸目标图像数据和环境目标图像数据，再分别通过人脸采集模块和数据采集模块处理，最后交由判断模块判断是否有目标人员，或者判断环境是否恶化，达到同时监控两种事物的目的，避免了监控的单一，扩大了系统的应用范围。
[0063]
本实施例中监控指令包括时间指令、地点指令和范围指令，a1+ a2+a3+
……
+a
n
＝e+f，数据库用于存储目标人员特征数据和环境标准数据，并发送至判断模块。
[0064]
本发明的工作原理及使用流程：提前采集一组预设图像集，并通过图像集导入模块导入系统，并分别发送至迭代单元和人工校对模块，工作人员通过人工校对模块对预设图像集进行标注，并将人工标注结果发送至迭代单元，此过程中，迭代单元识别预设图像集，并依据第一识别结果分类预设图像集，再根据正态分布概率模型选取各分类下的至少部分预设图像，形成样本图像集，再次识别样本图像集，并将第二识别结果与人工标注结果对比，得到差异值，并根据差异值迭代计算机视觉模块的参数，从而达到对计算机视觉模块调整的目的，不仅提高了图像识别的能力，还使得图像识别的准确度提高，当工作时，通过无人机摄像模块拍摄目标图像，并由计算机视觉模块内的识别单元识别，生成目标识别结果，此时再通过指令输入模块向提取模块发出监控指令，再由提取模块依据目标识别结果提取目标图像数据，并依据监控指令分类目标图像数据，得到人脸目标图像数据和环境目标图像数据，再分别通过人脸采集模块和数据采集模块处理，最后交由判断模块判断是否有目标人员，或者判断环境是否恶化，达到同时监控两种事物的目的，避免了监控的单一，扩大了系统的应用范围，完成操作。
[0065]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。