[发明专利]基于云边协同技术的无人机集群的目标识别系统及方法

权利要求书

1.一种基于云边协同技术的无人机集群的目标识别系统，其特征在于，包括图像采集设备、边缘计算设备及云平台；其中图像采集设备及边缘计算设备设置在无人机上；图像采集设备用于采集环境图像；边缘计算设备用于对采集的环境图像进行处理并从中识别出目标图像；边缘计算设备内置有图像目标识别系统，图像目标识别系统包括神经网络模型A；云平台用于优化神经网络模型A的模型参数，其与边缘计算设备及图像采集设备通过无线网络连接。

2.根据权利要求1所述的基于云边协同技术的无人机集群的目标识别系统，其特征在于，云平台包括与神经网络模型A同样结构的神经网络模型B。

3.根据权利要求2所述的基于云边协同技术的无人机集群的目标识别系统，其特征在于，神经网络模型A及神经网络模型B采用深度可分离卷积并基于YOLOv3网络结构搭建。

4.根据权利要求1所述的基于云边协同技术的无人机集群的目标识别系统，其特征在于，边缘计算设备包括处理器及现场可编程门阵列逻辑器件。

5.一种基于云边协同技术的无人机集群的目标识别方法，其特征在于，该方法包括设置图像采集设备、边缘计算设备及云平台；将图像采集设备及边缘计算设备设置在无人机上；使图像采集设备采集环境图像；采用边缘计算设备对采集的环境图像进行处理并从中识别出目标图像；在边缘计算设备内设置图像目标识别系统，在图像目标识别系统中设置神经网络模型A；采用云平台优化神经网络模型A的模型参数，使云平台与边缘计算设备及图像采集设备通过无线网络连接。

6.根据权利要求5所述的基于云边协同技术的无人机集群的目标识别方法，其特征在于，在云平台设置与神经网络模型A同样结构的神经网络模型B。

7.根据权利要求6所述的基于云边协同技术的无人机集群的目标识别方法，其特征在于，采用深度可分离卷积并基于YOLOv3网络结构搭建神经网络模型A及神经网络模型B。

8.根据权利要求7所述的基于云边协同技术的无人机集群的目标识别方法，其特征在于，该方法包括如下步骤：

步骤1，设置神经网络模型A的初始模型参数；设置迭代循环总次数；

步骤2，图像采集设备采集环境图像，并将采集的图像数据发送至边缘计算设备；

步骤3，边缘计算设备的神经网络模型A对输入图像进行卷积处理以提取图像特征并进行目标识别，其将图像信息以及识别精度发送至云平台；

步骤4，云平台将来自边缘计算设备的图像信息输入到神经网络模型B中，对神经网络模型B进行训练及参数优化；

步骤5，云平台将神经网络模型B训练优化后的模型参数发送至边缘计算设备，边缘计算设备使用该模型参数对神经网络模型A的模型参数进行更新；

步骤6，当前迭代次数加1，判断迭代次数是否大于迭代循环总次数；如果为是，则结束当前目标识别任务，如果为否，则返回步骤2。

9.根据权利要求8所述的基于云边协同技术的无人机集群的目标识别方法，其特征在于，步骤3中，神经网络模型A将输入图像划分成n×n个栅格，通过栅格中心点与栅格尺寸预测边界框尺寸，筛选出三个候选边界框，计算三个候选边界框的置信度，对置信度最高的边界框中的目标加上标签；结合目标栅格与图像左上角的边距以及目标栅格所在候选框的宽度及高度尺寸，预测出边界框的四个坐标值及目标存在置信度值。

10.根据权利要求9所述的基于云边协同技术的无人机集群的目标识别方法，其特征在于，按照下式计算预测边界框的四个坐标值及目标存在置信度值：

B_x＝σ(T_x)+C_x；

B_y＝σ(T_y)+C_y；

P_r(obj)×IOU(box,obj)＝σ(T_o)；

式中：

σ为将归一化值转化为真实值的函数；

B_x为边界框与图像左上角的相对横坐标；

B_y为边界框与图像左上角的相对纵坐标；

T_x为预测边界框中心相对于图像左上角的横坐标的归一化值；

T_y为预测边界框中心相对于图像左上角的纵坐标的归一化值；

C_x为目标栅格与图像左上角的相对横坐标；

C_y为目标栅格与图像左上角的相对纵坐标；

B_w为边界框的宽；

B_h为边界框的高；

T_w为预测边界框的宽；

T_h为预测边界框的高；

P_w为候选框的宽；

P_h为候选框的高；

obj代指目标；

box代指边界框；

T_o为目标存在的可能性得分的归一化值；

σ(T_o)为表示预测边界框的置信度值；

σ(T_x)为T_x反归一化后的真实值；

σ(T_y)为T_y反归一化后的真实值；

P_r(obj)为目标属于某一类的概率；

IOU(box，obj)为目标与边界框的交并比；

为真实标注框与算法检测框的交并比；

confidence为目标置信度函数；

目标置信度函数的值表示该处是否有目标，若置信度为0则认为该处不存在目标，若置信度不为0，则显示该处目标置信度的数值；T_x和T_y用sigmod函数归一化处理，使其取值在0～1之间，σ参数将归一化值转化为真实值。