本发明属于无人机群队形识别，具体涉及一种基于图卷积-注意力机制的无人机群队形识别方法、介质及设备。
背景技术：
1、从军事角度而言，无人机群技术的快速发展蕴含着对传统联合防空系统的挑战，甚至将引发防空装备体系的颠覆性变革。随着无人机群作战概念与技术的不断成熟，反无人机群作战更为复杂，发展对抗能力刻不容缓。对于数量较少的无人机群，可以采取导航欺骗、物理捕获和物理摧毁等反制措施，但对于大规模的无人机群很难进行有效反制。因此识别出无人机群的队形，结合相关信息，找出无人机群中重要通讯节点无人机，有助于制定合理的无人机群反制策略，提升反制效果。当前无人机群队形识别领域处于起步阶段，无人机群队形识别方法的相关研究仍在发展中，从目前已有研究成果来看，尚无公开技术阐述无人机群队形识别方法，而将现有的图像级队形识别算法用于无人机群队形识别时，由于卷积神经网络在提取无人机群队形特征的过程中，很容易丢失无人机群成员特征，得到很少的无人机群队形特征信息，难以用于判别无人机群队形类型，所以识别效果差。
技术实现思路
1、本发明的目的在于克服现有技术的不足，提供一种基于图卷积-注意力机制的无人机群队形识别方法、介质及设备。
2、本发明的第一个目的是提供一种基于图卷积-注意力机制的无人机群队形识别方法，包括以下步骤：
3、s1、获取无人机群目标的位置信息；
4、s2、根据步骤s1得到的无人机群目标的位置信息，构建无人机群图节点数据，并根据构建得到的无人机群图节点数据，对无人机群图节点数据进行提取，得到无人机群图节点特征；
5、s3、利用图卷积-注意力机制网络对步骤s2得到的无人机群图节点特征进行提取，实现无人机群队形识别。
6、优选的，步骤s1包含以下步骤：
7、s11、通过对无人机群目标进行捕捉，得到无人机群飞行视频，通过跨帧截取无人机群飞行视频，得到无人机群飞行图像；
8、s12、将步骤s11得到的无人机群飞行图像输入到yolov5目标检测算法中，输出得到无人机群目标的位置信息。
9、优选的，s2包含以下步骤：
10、s21、根据步骤s1得到的无人机群目标的位置信息，通过networkx库构建得到无人机群图节点数据；
11、s22、将步骤s21得到的无人机群图节点数据规范化，得到规范化后的无人机群图节点数据，即无人机群图节点数据通过仿射变换进行规范化，来保证规范化后的图节点的维度与多层感知机的维度一致，便于后续提取无人机群图节点特征；
12、s23、将步骤s22得到的规范化后的无人机群图节点数据输入到64维的多层感知机中，得到无人机群图节点特征。
13、优选的，步骤s3中，所述图卷积-注意力机制网络由四层网络、图池化层和softmax函数组成。
14、优选的，每层网络均由图卷积层和具有不同卷积核的多层感知机组成。
15、优选的，四个多层感知机的神经元个数依次为64、128、256、512。
16、优选的，步骤s3包含以下步骤：
17、s31、将步骤s2得到的无人机群图节点特征输入到图卷积-注意力机制网络中的四层网络中，得到具有节点关联的无人机群图节点特征信息；
18、s32、将步骤s31得到的无人机群图节点特征信息输入到图卷积-注意力机制网络中的图池化层中，得到无人机群图节点的特征向量；
19、s33、通过softmax函数对步骤s32得到的无人机群图节点的特征向量进行计算，得到每种无人机群队形类型的概率，则最大概率所对应的无人机群队形类型即为无人机群所代表的队形类别，实现无人机群队形识别。
20、本发明的第二个目的是提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述的无人机群队形识别方法的步骤。
21、本发明的第三个目是提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述的无人机群队形识别方法的步骤。
22、本发明与现有技术相比，其有益效果在于：
23、本发明所提供的方法是在检测得到无人机群成员位置信息的基础上，将图卷积神经网络应用到低空无人机群队形识别中，除了检测过程涉及无人机群目标的特征提取，其他阶段未使用无人机群目标在图像中的特征，所以，本发明不用考虑无人机群成员目标特征对网络的影响，因此，本发明在无人机群成员目标纹理特征不突出的情况下，能有效提高无人机群队形的识别率。
1.一种基于图卷积-注意力机制的无人机群队形识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图卷积-注意力机制的无人机群队形识别方法，其特征在于，步骤s1包含以下步骤：
3.根据权利要求1所述的基于图卷积-注意力机制的无人机群队形识别方法，其特征在于，s2包含以下步骤：
4.根据权利要求1所述的基于图卷积-注意力机制的无人机群队形识别方法，其特征在于，步骤s3中，所述图卷积-注意力机制网络由四层网络、图池化层和softmax函数组成。
5.根据权利要求4所述的基于图卷积-注意力机制的无人机群队形识别方法，其特征在于，每层网络均由图卷积层和具有不同卷积核的多层感知机组成。
6.根据权利要求5所述的基于图卷积-注意力机制的无人机群队形识别方法，其特征在于，四个多层感知机的神经元个数依次为64、128、256、512。
7.根据权利要求6所述的基于图卷积-注意力机制的无人机群队形识别方法，其特征在于，步骤s3包含以下步骤：
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-7任一项所述的无人机群队形识别方法的步骤。
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1-7任一项所述的无人机群队形识别方法的步骤。