[发明专利]一种基于深度学习技术的无人机巡航及追踪系统和方法

说明书

本发明涉及一种基于深度学习技术的无人机巡航及追踪系统和方法，包括巡航模式和追踪模式，巡航模式包括图像实时采集模块；危险物品、危险行为、危险人员检测模块；以及发现危险之后对地面指挥站的告警模块。追踪模式包括实时视频采集模块；已检测到的危险人员追踪模块；检测危险人员与无人机间距的激光测距模块；调整无人机飞行速度、方向的飞行控制模块；向地面指挥站共享无人机实时位置与实时拍摄视频的数据传输模块。本发明提供的无人机巡航系统和无人机追踪系统运行速度快、检测精度高、检测区域灵活，因此能保障告警的及时性，能弥补现有监控的不足之处，为广场等区域的人员安全提供实时保障。

技术领域

本发明涉及公安、园区、广场等区域的安防监控领域及人员追踪领域，具体涉及一种基于深度学习技术的无人机巡航及追踪系统和方法。

背景技术

在火车站广场，商业广场，公园广场等区域内，由于人员相对密集，人群较为活跃，一旦出现危险物品、危险人员或危险行为，将带来较大危害，因此需要针对人员的安全隐患进行实时监控。

目前大多数广场都安装有固定相机，实现二十四小时监控。但还存在以下几点不足：首先，由于相机安装限制，一般多安装在广场边缘位置，中心区域很难清晰监测；其次相机安装往往有死角，死角区域无法监测，带来较高的安全隐患；最后，若出现需要特别关注目标人员，相机往往难以持续进行追踪。

除硬件上的缺陷以外，软件层面也有不足。依靠人工24小时现场值班看守或远程紧盯屏幕值班看守已经不是一个高效的解决方法。随着图像处理技术和计算机视觉技术的发展和应用推广，近年来利用基于机器视觉技术的智能视频分析系统已经应用到图像、视频检测中。但目前还未有有效手段对广场区域内的危险物品、危险人员或危险行为进行及时有效的检测与告警。

发明内容

针对现有技术存在的不足，本发明提供一种基于深度学习技术的无人机巡航及追踪系统，它弥补固定相机在监控方面的不足，利用无人机搭载的可见光摄像头，按设定频率获取实时图像，将图像输入到深度神经网络模型，通过前向运算检测图像中目标的类别，若检测到图像中有危险物品、危险行为，则立刻像指挥站告警；若检测到危险人员，则无人机切换为追踪模式，对危险人员进行高空追踪，并实时将图像与位置发给指挥站。

为实现上述目的，本发明采用的技术方案包括：一种基于深度学习技术的无人机巡航及追踪系统，其特征在于：包括图像实时采集模块，用于从无人机搭载的可见光摄像头（即可见光摄像机）中获取巡航监测区域的实时图像；

危险检测模块，用于检测危险物品、危险行为、危险人员；

实时告警模块，用于在危险检测模块检测到危险物品、危险行为时向地面指挥站告警；

实时视频采集模块，用于在无人机追踪模式下实时采集视频；

人员追踪模块，用于追踪危险人员；

激光测距模块，用于检测危险人员与无人机间距；

飞行控制模块，用于调整无人机飞行速度、方向；

数据传输模块，用于向地面指挥站共享无人机信息和/或危险人员信息；

图像实时采集模块、危险检测模块、实时告警模块在无人机巡航模式下运行；

实时视频采集模块、人员追踪模块、激光测距模块、飞行控制模块、数据传输模块在无人机追踪模式下运行；

无人机巡航模式为无人机初始化模式，无人机在巡航模式下检测到危险人员时切换为无人机追踪模式。