CN108710126A - 自动化探测驱逐目标方法及其系统 - Google Patents
自动化探测驱逐目标方法及其系统 Download PDFInfo
- Publication number
- CN108710126A CN108710126A CN201810211282.8A CN201810211282A CN108710126A CN 108710126 A CN108710126 A CN 108710126A CN 201810211282 A CN201810211282 A CN 201810211282A CN 108710126 A CN108710126 A CN 108710126A
- Authority
- CN
- China
- Prior art keywords
- target
- target acquisition
- image
- module
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013459 approach Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 title claims description 42
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims description 39
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000000877 morphologic effect Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000011897 real-time detection Methods 0.000 claims description 3
- 230000002940 repellent Effects 0.000 abstract description 32
- 239000005871 repellent Substances 0.000 abstract description 32
- 230000005622 photoelectricity Effects 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 10
- 238000012706 support-vector machine Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000002156 mixing Methods 0.000 description 5
- 241000894007 species Species 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 244000144992 flock Species 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 206010052804 Drug tolerance Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000026781 habituation Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000003034 coal gas Substances 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 208000018459 dissociative disease Diseases 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种自动化探测驱逐目标方法，包括如下步骤：目标探测步骤：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；目标捕捉步骤：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；信息融合步骤：将目标探测图像与目标捕捉图像融合，确定目标位置。本发明提供的方法通过设计一种同时结合雷达、全景光电相机、可变焦光电相机的系统，能够在探知鸟的位置、数量等信息的前提下，自动驱动驱鸟设备，将鸟类赶走，从而起到自动化驱鸟的目的。
Description
技术领域
本发明涉及一种方法，具体地，涉及一种自动化探测驱逐目标方法及其系统。
背景技术
鸟撞是长期以来困扰人类，威胁飞行安全的一个国际性的难题，随着航空事业的发展，飞机数量、航线增多，而随着人们保护环境、爱鸟、护鸟意识的增强，鸟类数量逐年增加，同时，随着人类活动范围的扩大，使适合鸟类生活、栖息、繁衍的自然环境大幅度减少，机场便成为鸟类生活、栖息、繁衍的理想场所一旦发生鸟撞，轻则造成一定的经济损失，重则机毁人亡。鸟类是人类的朋友，在生态平衡中有着重要作用，人类应该在不伤害或尽可能少伤害鸟类的前提下去解决机场鸟害。这无形中又对机场驱鸟对策的实施增加了难度。目前，不伤害鸟类的驱赶，多是依靠对于鸟类来说危险的信号刺激，使鸟类对刺激信号产生逃避反应.当鸟类受到重复刺激后，逃避反应会逐渐减弱，最后可能完全消失，这就是习惯化。目前国际上普遍采用的无伤害驱鸟方法都会面临习惯化的问题。所以如何解决信号刺激与习惯化的矛盾是解决无伤害驱鸟成败的关键。
申请号为201420163073.8，公告号为CN203841004U的专利文献公开了一种机场红外探鸟驱鸟器，包括红外镜头、红外焦平面探测器、红外图像采集电路、信号处理装置、高能定向声波发生装置、图像显示装置；所述红外镜头将成像传给焦平面探测器后，经红外图像采集电路、信号处理装置，一路传给高能定向声波发生装置，另一路传给显示屏显示。本实用新型能克服恶劣环境、具有探鸟和驱鸟功能、有鸟时才启动驱鸟设备，同时具有图像监视的功能，广泛应用于机场安全领域。
上述专利文献公开的机场红外探鸟驱鸟器中，红外焦平面探测器连接育基于比例-积分-微分控制器(Proportion Integration Differentiation，PID)调节的探测器衬底温控电路。该方法的精确性还有待商榷，因为PID控制的精髓是“以误差来消除误差”，这种直接取目标与实际行为之间的误差并不完全合理，因为系统输出存在一定的惯性，不可能发生跳变，而目标值是系统外部给定的，可以跳变，直接采用它们之间的误差来消除误差，就意味着让不可能跳变的量来跟踪可以跳变的量，这显然是不尽合理的。这种“直接取目标与实际行为之间的误差来消除误差”的方式常常会造成初始控制力太大而使系统行为出现超调，这也是PID控制在闭环系统中产生“快速性”和“超调”之间矛盾的主要原因。
申请号为201610896104.4，公告号为CN106530189A公开了一种基于支持向量机的机场驱鸟智能决策方法，该专利文献提出的机场驱鸟智能决策方法基于大量历史鸟情信息以及专家知识，利用支持向量机建立驱鸟策略分类模型，实现了机场驱鸟实时智能决策。该方法包括训练和测试两部分，其中，训练部分基于历史鸟情信息和专家知识，通过数据预处理与支持向量机训练两个步骤，建立驱鸟策略分类模型，测试部分根据驱鸟实时智能决策结果，对驱鸟策略分类模型进行修正与优化。该申请克服了传统驱鸟方法中驱鸟设备长期单调重复运行的缺点，通过智能决策方法，针对实时鸟情信息，实现了多种驱鸟设备的实时优化组合。
该方案提出了一种基于向量机的机场智能能驱鸟决策算法，支持向量机(SupportVector Machine，SVM)，它在解决小样本、非线性以及高维模式识别中有许多优势，但是其有两个缺点：(1)SVM算法对于大规模训练样本难以实施，由于SVM是借助二次规划来求解支持向量的，而求解二次规划需要涉及m阶矩阵的计算(m为样本的个数)，当m数目很大时该矩阵的存储和计算就会耗费大量的及其内存和时间。(2)用SVM解决多分类问题存在困难，经典的支持向量机算法只给出了二类分类算法，而在数据挖掘实际应用中，一般要解决多类的分类问题。且该方案只给出了算法层面的方案，实际应用中并不一定适合。
申请号为201210007284.8，公告号为CN102524237A的专利文献公开了一种飞机场鸟情监控驱鸟系统及方法，包括远程鸟情监控装置、驱鸟终端和桌面监控中心；其中远程鸟情监控装置的输出端连接桌面监控中心的输入端，桌面监控中心的输出端与驱鸟终端相连；通过远程鸟情监控装置对机场停机坪附件的鸟情进行实时监测，桌面监控中心进行数据处理，根据当前鸟目标情况发出驱鸟信号至驱鸟终端，实现主动驱鸟，并可对鸟情数据进行记录与统计，便于对机场周边鸟情环境的分析和预测。
该方案使用的的方式是固定的被动驱鸟方式，不具备根据鸟类在机场活动的情况有目的的实施驱赶的能力，存在费时费力、易虚警和误警的弊端且使用时间长之后鸟类容易产生习惯性反射，从而使驱鸟设备失效。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种自动化探测驱逐目标方法及其系统。
根据本发明提供的一种自动化探测驱逐目标方法，包括如下步骤：
目标探测步骤：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；
目标捕捉步骤：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；
信息融合步骤：将目标探测图像与目标捕捉图像融合，确定目标位置。
优选地，还包括如下步骤：
天气干扰步骤：若当天天气为雨雪雾天，则目标捕捉图像作为参考信息；
信息综合处理步骤：当确认目标位置时，自动触发驱鸟设备；
目标数据积累步骤：根据目标探测图像、目标捕捉图像，对目标识别信息进行统计，并储存至数据库中；
其中，所述目标识别信息包括目标种类信息、目标活动地点信息、目标飞行高度信息、目标活动时间信息、目标行为信息以及目标数量信息中的任一种或任多种信息。
优选地，所述目标探测步骤包括如下任一个或任多个子步骤：
数据积累步骤：连续收集预设时间内的雷达信号数据，并获取雷达信号数据规律作为所述数据库数据；其中，所述雷达信号数据包括多个雷达信号；
逐像素建模步骤：根据雷达信号的像素，建立第一模型，并获取第一模型的平均值和标准差作为建模参数；对于相邻两个像素，将雷达信号的相邻两个像素归一化后，建立第二模型；根据第二模型，获取第二模型的平均值和标准差作为建模参数；
实时检测步骤：根据建模参数，在已获取的目标探测图像中提取前景像素；
相邻像素分析步骤：根据前景像素，确定背景像素，即图像处理。
优选地，所述目标捕捉步骤包括可见光目标捕捉步骤、红外目标捕捉步骤以及远目标捕捉步骤；
所述可见光目标捕捉步骤：通过可见光相机，获取目标捕捉图像；
所述红外目标捕捉步骤：通过红外相机，获取目标捕捉图像；
所述远目标捕捉步骤：通过可变焦相机，获取目标捕捉图像。
优选地，所述可见光目标捕捉步骤包括如下子步骤：
布控设置步骤：在预设区域安装可见光相机，形成布控；
背景建模步骤：对可见光相机进行背景建模、实时背景更新，来获取实时图像；
前景像素获取步骤：根据当前实时图像，提取前景像素点；
形态学操作步骤：对前景像素点进行形态学操作，滤噪，修补漏洞；
连通域处理步骤：对实时图像中的前景连通域进行扫描，来对前景连通域进行目标跟踪；
确定目标位置步骤：记录目标所在方位角；根据目标的方位角、可见光相机坐标信息，获取目标地理坐标；
控制执行步骤：根据目标地理坐标，触发驱逐目标装置进行目标驱逐。
优选地，所述信息融合步骤包括如下子步骤：
目标定位步骤：当检测到目标时，根据检测到的当前目标的位置所对应的全景相机的位置，来获取当前目标地理位置坐标；所述全景相机包括能够获取目标捕捉图像的可见光相机、红外相机；
飞机过滤步骤：在已获取的目标探测图像中，过滤飞机连通域，保留目标连通域作为最终目标探测图像；在已获取的目标捕捉图像中，截取图像，对飞机进行过滤，获取最终目标捕捉图像；
图像融合步骤：将已获取的最终目标探测图像、最终目标捕捉图像进行融合，得到融合图像，确定目标位置。
本发明还提供了一种自动化探测驱逐目标系统，包括如下模块：
目标探测模块：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；
目标捕捉模块：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；
信息融合模块：将目标探测图像与目标捕捉图像融合，确定目标位置。
优选地，还包括如下模块：
天气干扰模块：若当天天气为雨雪雾天，则目标捕捉图像作为参考信息；
信息综合处理模块：当确认目标位置时，自动触发驱鸟设备；
目标数据积累模块：根据目标探测图像、目标捕捉图像，对目标识别信息进行统计，并储存至数据库中；
其中，所述目标识别信息包括目标种类信息、目标活动地点信息、目标飞行高度信息、目标活动时间信息、目标行为信息以及目标数量信息中的任一种或任多种信息。
优选地，所述目标探测模块包括如下任一个或任多个子模块：
数据积累模块：连续收集预设时间内的雷达信号数据，并获取雷达信号数据规律作为所述数据库数据；其中，所述雷达信号数据包括多个雷达信号；
逐像素建模模块：根据雷达信号的像素，建立第一模型，并获取第一模型的平均值和标准差作为建模参数；对于相邻两个像素，将雷达信号的相邻两个像素归一化后，建立第二模型；根据第二模型，获取第二模型的平均值和标准差作为建模参数；
实时检测模块：根据建模参数，在已获取的目标探测图像中提取前景像素；
相邻像素分析模块：根据前景像素，确定背景像素，即图像处理；
所述目标捕捉模块包括可见光目标捕捉模块、红外目标捕捉模块以及远目标捕捉模块；
所述可见光目标捕捉模块：通过可见光相机，获取目标捕捉图像；
所述红外目标捕捉模块：通过红外相机，获取目标捕捉图像；
所述远目标捕捉模块：通过可变焦相机，获取目标捕捉图像；
所述可见光目标捕捉模块包括如下子模块：
布控设置模块：在预设区域安装可见光相机，形成布控；
背景建模模块：对可见光相机进行背景建模、实时背景更新，来获取实时图像；
前景像素获取模块：根据当前实时图像，提取前景像素点；
形态学操作模块：对前景像素点进行形态学操作，滤噪，修补漏洞；
连通域处理模块：对实时图像中的前景连通域进行扫描，来对前景连通域进行目标跟踪；
确定目标位置模块：记录目标所在方位角；根据目标的方位角、可见光相机坐标信息，获取目标地理坐标；
控制执行模块：根据目标地理坐标，触发驱逐目标装置进行目标驱逐。
优选地，所述信息融合模块包括如下子模块：
目标定位模块：当检测到目标时，根据检测到的当前目标的位置所对应的全景相机的位置，来获取当前目标地理位置坐标；所述全景相机包括能够获取目标捕捉图像的可见光相机、红外相机；
飞机过滤模块：在已获取的目标探测图像中，过滤飞机连通域，保留目标连通域作为最终目标探测图像；在已获取的目标捕捉图像中，截取图像，对飞机进行过滤，获取最终目标捕捉图像；
图像融合模块：将已获取的最终目标探测图像、最终目标捕捉图像进行融合，得到融合图像，确定目标位置。
与现有技术相比，本发明具有如下的有益效果：
1、本发明提供了通过设计一种同时结合雷达、全景光电相机、可变焦光电相机的系统，能够在探知鸟的位置、数量等信息的前提下，自动驱动驱鸟设备，将鸟类赶走，从而起到自动化驱鸟的目的。
2、在完成自动化驱鸟的同时，本发明提供的系统还能够对鸟类的信息进行检测和记录，为实现大数据鸟类信息的积累提供帮助。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提供的自动化探测驱逐目标方法的流程图。
图2为本发明提供的自动化探测驱逐目标方法的可见光相机目标检测时的流程图。
图3为本发明提供的自动化探测驱逐目标系统在机场的分布图。
图4为本发明提供的自动化探测驱逐目标系统框架图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1至4所示，本发明提供了一种自动化探测驱逐目标方法，包括如下步骤：目标探测步骤：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；目标捕捉步骤：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；信息融合步骤：将目标探测图像与目标捕捉图像融合，确定目标位置。具体地说，在所述目标探测步骤中，优选地使用雷达探测，雷达在侦测移动目标方面，具有较好的灵敏度。尤其是近年来在低慢小目标检测方面的飞速发展，使得像鸟类、无人机、气球等小目标，也具备了一定的探测的可能性。
本发明提供的自动化探测驱逐目标方法，还包括如下步骤：天气干扰步骤：若当天天气为雨雪雾天，则目标捕捉图像作为参考信息；具体地说，本发明提供的方法、及后面提到的系统安装在户外，因此肯定会受到风雨、大雾、大雪等的干扰，导致视觉检测出现虚假目标。采用如下方式防止误触发：1、安装气象仪，或者通过互联网的天气信息，对整体系统进行控制；2、一旦当前是雨雪雾天，或者有大风，则光学检测的结果，不再作为驱鸟的信息，只作为参考信息；3、在光学系统不作为参考信息时，采用雷达回波得到的飞鸟信息进行驱鸟。信息综合处理步骤：当确认目标位置时，自动触发驱鸟设备；具体地说，传统的驱鸟设备，比如煤气炮、超声波等设备，都跟整体控制系统有连接。一旦检测到某个位置有飞鸟，就可以通过本发明提供的整体系统，调动驱鸟设备进行驱鸟操作；虚警与漏警的控制虚警与漏警的控制，要以危害程度和驱鸟成本作为衡量标准。在驱鸟成本较低(煤气炮、超声波等成本并不高)时，可以提高虚警的比例，比如100％的虚警率是可以接受的。漏警方面，也需要考虑本系统是作为辅助手段，还是唯一的驱鸟手段。如果还有人工驱鸟、传统驱鸟等方式，则可以接受20％的漏警率。漏检的鸟类可以通过其他方式进行弥补。目标数据积累步骤：根据目标探测图像、目标捕捉图像，对目标识别信息进行统计，并储存至数据库中；其中，所述目标识别信息包括目标种类信息、目标活动地点信息、目标飞行高度信息、目标活动时间信息、目标行为信息以及目标数量信息中的任一种或任多种信息。具体地说，在进行机场探鸟、驱鸟以及防鸟的过程中，利用图像信息，及时记录各种鸟类的信息，可以为全方位大数据研究提供信息。这些信息将来在对机场防鸟进行深度研究时，将有很大帮助。具体地说，上述的目标优选的为鸟，本发明提供的方法及系统可以优选地记录鸟类的活动地点，即目标活动地点信息：鸟类的活动地点，对于机场防鸟来说，是非常重要的信息。在积累了长时间的鸟类活动地点数据之后，就可以通过统计，分析出哪些区域，是鸟类高度密集、活动频繁的地方。此外，在知道了鸟类活动的地点特性之后，就可以在这些区域进行高密度驱鸟，降低低密度区域的驱鸟频率，从而提高整体效率，降低成本。也使得驱鸟更有针对性。进而可以通过人力考察的方式，对该区域的环境、植被等进行深度分析，从而降低鸟类出现的概率。也使得驱鸟更有针对性；鸟类飞行高度统计，即目标飞行高度信息：统计鸟类的飞行高度，也是为了能够预知机场的鸟群对飞机起降的危险。同时，在知道了鸟群的高度之后，就可以使驱鸟器更有针对性，能够专门针对该高度位置进行驱鸟，提高效率；鸟类的活动时间，即目标活动时间信息：对于机场防鸟来说，也是是非常重要的信息。在积累了长时间的鸟类活动时间数据之后，就可以通过统计，分析出哪些时间段，是鸟类高度密集、活动频繁的。这样就可以在这些时间段投入更多的人力、设备等，提高驱鸟的效率；鸟群行为分析，即目标行为信息：鸟类在不同时刻、不同位置，具有不同的行为；针对不同行为，机场管理人员将会采取不同的措施。通过录制的视频，对鸟群呈现的不同行为进行分类和识别，可以为整体管理提供信息进行指导；鸟群行为识别方法如下：1)提取每一帧图像中的飞鸟的前景连通域；2)进行飞鸟跟踪；3)分析鸟群中，飞鸟的轨迹特性(速度、方向变动量、运动量)；将特征送入SVM分类器进行分类。鸟类数量统计，即目标数量信息：机场的防鸟措施，往往都是比较复杂系统的。但是很多防鸟措施，未必能够立刻看到效果。因此必须有一种方法能够进行定量衡量，从而为防鸟措施的效果提供依据。机场中每天飞鸟数量的统计方法如下：1)每天分成6个时间段进行统计。2)每个时间段，记录下每一个相机，每一帧图像中飞鸟的数目。3)计算当前时刻，所有相机中飞鸟的总数目。4)每个时间段中的飞鸟数量，计算平均值。5)将6个平均值，作为一天的飞鸟统计量进行记录。1、鸟类的种类识别，即目标种类信息以及危害程度区分；由于不同的鸟类，具有不同的习性、活动规律等，因此需要区别对待。比如以前撞机过的鸟，或者经常进入危险区域、危险高度的鸟类，以及以前没有见过的鸟，就需要重点预防。鸟类的识别方法如下：1)在全景相机或者雷达，探知到飞鸟的位置和方位之后，转动可变焦相机，对飞鸟进行观测。2)检测定位飞鸟，并且提取图像。3)对飞鸟图像，采用深度神经网络进行分类。在得到飞鸟的类别信息之后，就需要记录下对应的坐标位置、时间信息、高度信息，为后续分析提供信息。
所述目标探测步骤包括如下任一个或任多个子步骤：数据积累步骤：连续收集预设时间内的雷达信号数据，并获取雷达信号数据规律作为所述数据库数据；其中，所述雷达信号数据包括多个雷达信号；具体地说，为了便于分析雷达探测到的雷达信号图像中，不同像素位置处的亮度变化规律，需要积累较长时间的数据。比如针对某个机场，连续收集1个小时以上的雷达信号数据。然后对该数据中的每一个像素位置，进行精细分析，找到其中的规律；逐像素建模步骤：根据雷达信号的像素，建立第一模型，并获取第一模型的平均值和标准差作为建模参数；对于相邻两个像素，将雷达信号的相邻两个像素归一化后，建立第二模型；根据第二模型，获取第二模型的平均值和标准差作为建模参数；具体地说，由于雷达回波信号本身存在一定的不稳定性，需要对其进行逐像素的统计建模，否则在提取前景信息时，很容易受到背景信号本身的波动，导致大量错误检测。本发明优选地采用的是混合高斯建模，即第二模型。具体过程如下：1)收集当前像素位置的所有的不同时刻的信号强度值；2)优选地，设定3个模型；3)对所有的信号强度值，进行聚类，汇聚到三个聚类中心。4)计算每个模型的均值、标准差，即第一迷行的均值、标准差。实时检测步骤：根据建模参数，在已获取的目标探测图像中提取前景像素；相邻像素分析步骤：根据前景像素，确定背景像素，即图像处理；具体地说，雷达回波信号，并不是每个像素位置都完全孤立的。相邻像素之间也存在较强的关联性。对水平位置相邻的两个像素之间的关联性进行建模分析。同时也对垂直位置相邻的两个像素之间的关联性进行建模分析。下面以水平位置相邻像素建模为例进行讲述：1)将当前像素的右侧像素，作为它的配对像素。2)以左边像素为基准，对两个像素的亮度进行归一化。3)记录下归一化后的右边像素。4)在积累的所有时刻的数据中，分析右边的归一化之后像素的规律，建立高斯概率模型，即第二模型；对雷达回波信号，按照背景差分的策略，提取前景像素。具体如下：1)当前像素值，与背景强度值进行比较；2)根据高斯模型，计算当前像素值属于背景的概率；3)优选地，选出三个概率，在三个概率中，将最大的概率值作为背景概率；4)若背景概率优选的高于50％，则作为背景像素，否则为前景像素；在利用单个像素上的分析，得到前景像素之后，还需要进一步分析相邻位置的像素。方法如下：1)对相邻的两个像素，进行归一化；2)提取归一化之后的右侧像素；3)右侧的归一化像素，按照高斯模型，计算属于背景的概率；如果右侧像素此时属于背景的概率低于50％，则当前像素，也不能作为背景。
所述目标捕捉步骤包括可见光目标捕捉步骤、红外目标捕捉步骤以及远目标捕捉步骤；所述可见光目标捕捉步骤：通过可见光相机，获取目标捕捉图像；所述红外目标捕捉步骤：通过红外相机，获取目标捕捉图像；具体地说，全景可见光相机，可以在白天情形下，对雷达的缺陷进行弥补。但是，在夜间情形，必须采用红外相机，否则无法观察飞鸟的轨迹。红外全景相机监控飞鸟与可见光相机完全一致，具体细节下面会进行描述；所述远目标捕捉步骤：通过可变焦相机，获取目标捕捉图像；具体地说，由于全景相机能够监控的距离范围有限，在飞鸟距离较远时，其在画面中的尺寸就很容易小到不适合监控的程度。为了提高整体系统的观测效果，本发明还采用了可变焦相机，可以随时对可疑目标进行放大观测。该相机在本发明提供的整体系统中的作用和使用方法如下：可以自动转动云台，对准飞鸟，同时缩小视野，调节焦距，使用户能够观测到飞鸟的情况。
所述可见光目标捕捉步骤包括如下子步骤：布控设置步骤：在预设区域安装可见光相机，形成布控；背景建模步骤：对可见光相机进行背景建模、实时背景更新，来获取实时图像；前景像素获取步骤：根据当前实时图像，提取前景像素点；形态学操作步骤：对前景像素点进行形态学操作，滤噪，修补漏洞；连通域处理步骤：对实时图像中的前景连通域进行扫描，来对前景连通域进行目标跟踪；确定目标位置步骤：记录目标所在方位角；根据目标的方位角、可见光相机坐标信息，获取目标地理坐标；控制执行步骤：根据目标地理坐标，触发驱逐目标装置进行目标驱逐。具体地说，雷达回波信号，能够在背景回波信号较弱的区域，检测到运动目标。但是，雷达回波也很容易受到其他背景的干扰。比如在草地上，草地造成的回波干扰，就导致飞鸟的检测受到影响。为了弥补雷达在探鸟方面的不足，本发明采用全景可见光相机进行联合探测。具体如下：1、在雷达信号容易受到干扰的区域，比如草地上，安装一系列的全景可见光相机；2、每个可见光的监控半径控制在优选的为100米左右；3、每相邻200米的距离，安装一个摄像头，形成网格式布控；4、为每个全景相机进行背景建模，以及实时背景更新；5、对当前实时图像利用背景差分法，进行前景检测，提取前景像素点；1)差分阈值设定为20；2)对前景检测结果进行形态学操作，过滤噪声，修补漏洞。6、连通域扫描。7、由于系统的虚警成本较低，因此对于图像中的所有前景连通域，都可以当做飞鸟候选区域进行处理。8、对连通域进行目标跟踪。跟踪过程如图2所示：1)判断前后两帧，哪些连通域是交叠的。2)有交叠的连通域，可以作为同一个目标进行跟踪，从而实现轨迹更新。3)新出现的连通域，需要判断，是否与之前的轨迹，有交集。如果有，则认为轨迹瞬时断裂。否则，作为新的飞鸟进行跟踪。4)某个轨迹无法进行匹配，则暂时保留，观察后续帧是否能够匹配。5)某个轨迹一段时间无法匹配，则删除，说明此时该飞鸟超出视野。9、记录下飞鸟所在的方位角。将飞鸟的方位角，以及所在相机的坐标信息，传输到本发明提供的整体系统，得到飞鸟所在的大致地理坐标，然后触发驱鸟设备，进行驱鸟。
所述信息融合步骤包括如下子步骤：目标定位步骤：当检测到目标时，根据检测到的当前目标的位置所对应的全景相机的位置，来获取当前目标地理位置坐标；所述全景相机包括能够获取目标捕捉图像的可见光相机、红外相机；飞机过滤步骤：在已获取的目标探测图像中，过滤飞机连通域，保留目标连通域作为最终目标探测图像；在已获取的目标捕捉图像中，截取图像，对飞机进行过滤，获取最终目标捕捉图像；图像融合步骤：将已获取的最终目标探测图像、最终目标捕捉图像进行融合，得到融合图像，确定目标位置。具体地说，1、雷达与光电信息的融合；雷达图像中检测到的飞鸟，需要与光电图像中检测到的飞鸟，通过坐标换算之后，进行融合。这样可以防止一只鸟被多次检测，从而造成虚警。此外，雷达信号发现的飞鸟，也需要调用可变焦相机进行观测。因此将雷达坐标换与光电坐标进行换算，是系统的重要步骤。二者的坐标的换算方法如下：1)在安装光电摄像头时，需要记录下全景相机的每个子相机，所在的坐标，以及对应的方位角；2)相机中每个像素对应的方位角，可以通过标定的方式得到；3)目标在相机中的俯仰角度，也可以通过标定的方式得到；2、飞鸟的定位：一旦检测到飞鸟，可以迅速定位到具体是哪个全景相机所在位置；飞鸟位置包括横坐标、纵坐标、高度三个方面的信息；3、飞机的排除：由于机场上飞机比较繁忙，因此需要将飞机造成干扰信息过滤掉，否则会导致错误报警；飞机信息的顾虑方法如下：1)对于雷达回波信号，在雷达地图上，对飞机跑道进行标注；2)在跑道区域内，统计飞机对应的连通域的尺寸；3)在检测飞鸟时，利用尺寸对连通域进行过滤，只保留小尺寸连通域；4)利用模式识别的方法，对飞机对应的回波信息进行识别，从而进一步确定是否为飞鸟；5)在光电图像中，也对跑道区域进行标注。光电图像中运动目标，截取图像，进行识别；如果发现是飞机，则过滤。
本发明还提供了一种自动化探测驱逐目标系统，包括如下模块：目标探测模块：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；目标捕捉模块：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；信息融合模块：将目标探测图像与目标捕捉图像融合，确定目标位置。
本发明提供的自动化探测驱逐目标系统，还包括如下模块：天气干扰模块：若当天天气为雨雪雾天，则目标捕捉图像作为参考信息；信息综合处理模块：当确认目标位置时，自动触发驱鸟设备；目标数据积累模块：根据目标探测图像、目标捕捉图像，对目标识别信息进行统计，并储存至数据库中；其中，所述目标识别信息包括目标种类信息、目标活动地点信息、目标飞行高度信息、目标活动时间信息、目标行为信息以及目标数量信息中的任一种或任多种信息。
所述目标探测模块包括如下任一个或任多个子模块：数据积累模块：连续收集预设时间内的雷达信号数据，并获取雷达信号数据规律作为所述数据库数据；其中，所述雷达信号数据包括多个雷达信号；逐像素建模模块：根据雷达信号的像素，建立第一模型，并获取第一模型的平均值和标准差作为建模参数；对于相邻两个像素，将雷达信号的相邻两个像素归一化后，建立第二模型；根据第二模型，获取第二模型的平均值和标准差作为建模参数；实时检测模块：根据建模参数，在已获取的目标探测图像中提取前景像素；相邻像素分析模块：根据前景像素，确定背景像素，即图像处理；所述目标捕捉模块包括可见光目标捕捉模块、红外目标捕捉模块以及远目标捕捉模块；所述可见光目标捕捉模块：通过可见光相机，获取目标捕捉图像；所述红外目标捕捉模块：通过红外相机，获取目标捕捉图像；所述远目标捕捉模块：通过可变焦相机，获取目标捕捉图像；所述可见光目标捕捉模块包括如下子模块：布控设置模块：在预设区域安装可见光相机，形成布控；背景建模模块：对可见光相机进行背景建模、实时背景更新，来获取实时图像；前景像素获取模块：根据当前实时图像，提取前景像素点；形态学操作模块：对前景像素点进行形态学操作，滤噪，修补漏洞；连通域处理模块：对实时图像中的前景连通域进行扫描，来对前景连通域进行目标跟踪；确定目标位置模块：记录目标所在方位角；根据目标的方位角、可见光相机坐标信息，获取目标地理坐标；控制执行模块：根据目标地理坐标，触发驱逐目标装置进行目标驱逐。
所述信息融合模块包括如下子模块：目标定位模块：当检测到目标时，根据检测到的当前目标的位置所对应的全景相机的位置，来获取当前目标地理位置坐标；所述全景相机包括能够获取目标捕捉图像的可见光相机、红外相机；飞机过滤模块：在已获取的目标探测图像中，过滤飞机连通域，保留目标连通域作为最终目标探测图像；在已获取的目标捕捉图像中，截取图像，对飞机进行过滤，获取最终目标捕捉图像；图像融合模块：将已获取的最终目标探测图像、最终目标捕捉图像进行融合，得到融合图像，确定目标位置。
需要说明的是，本发明使用的序数形容词“第一”、“第二”及“第三”等用来描述共同的对象，仅表示指代相同对象的不同实例，而并不是要暗示这样描述的对象必须采用给定的顺序，无论是时间地、空间地、排序地或任何其它方式。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种自动化探测驱逐目标方法，其特征在于，包括如下步骤：
目标探测步骤：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；
目标捕捉步骤：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；
信息融合步骤：将目标探测图像与目标捕捉图像融合，确定目标位置。
2.根据权利要求1所述的自动化探测驱逐目标方法，其特征在于，还包括如下步骤：
天气干扰步骤：若当天天气为雨雪雾天，则目标捕捉图像作为参考信息；
信息综合处理步骤：当确认目标位置时，自动触发驱鸟设备；
目标数据积累步骤：根据目标探测图像、目标捕捉图像，对目标识别信息进行统计，并储存至数据库中；
其中，所述目标识别信息包括目标种类信息、目标活动地点信息、目标飞行高度信息、目标活动时间信息、目标行为信息以及目标数量信息中的任一种或任多种信息。
3.根据权利要求1所述的自动化探测驱逐目标方法，其特征在于，所述目标探测步骤包括如下任一个或任多个子步骤：
数据积累步骤：连续收集预设时间内的雷达信号数据，并获取雷达信号数据规律作为所述数据库数据；其中，所述雷达信号数据包括多个雷达信号；
逐像素建模步骤：根据雷达信号的像素，建立第一模型，并获取第一模型的平均值和标准差作为建模参数；对于相邻两个像素，将雷达信号的相邻两个像素归一化后，建立第二模型；根据第二模型，获取第二模型的平均值和标准差作为建模参数；
实时检测步骤：根据建模参数，在已获取的目标探测图像中提取前景像素；
相邻像素分析步骤：根据前景像素，确定背景像素，即图像处理。
4.根据权利要求1所述的自动化探测驱逐目标方法，其特征在于，所述目标捕捉步骤包括可见光目标捕捉步骤、红外目标捕捉步骤以及远目标捕捉步骤；
所述可见光目标捕捉步骤：通过可见光相机，获取目标捕捉图像；
所述红外目标捕捉步骤：通过红外相机，获取目标捕捉图像；
所述远目标捕捉步骤：通过可变焦相机，获取目标捕捉图像。
5.根据权利要求4所述的自动化探测驱逐目标方法，其特征在于，所述可见光目标捕捉步骤包括如下子步骤：
布控设置步骤：在预设区域安装可见光相机，形成布控；
背景建模步骤：对可见光相机进行背景建模、实时背景更新，来获取实时图像；
前景像素获取步骤：根据当前实时图像，提取前景像素点；
形态学操作步骤：对前景像素点进行形态学操作，滤噪，修补漏洞；
连通域处理步骤：对实时图像中的前景连通域进行扫描，来对前景连通域进行目标跟踪；
确定目标位置步骤：记录目标所在方位角；根据目标的方位角、可见光相机坐标信息，获取目标地理坐标；
控制执行步骤：根据目标地理坐标，触发驱逐目标装置进行目标驱逐。
6.根据权利要求1所述的自动化探测驱逐目标方法，其特征在于，所述信息融合步骤包括如下子步骤：
目标定位步骤：当检测到目标时，根据检测到的当前目标的位置所对应的全景相机的位置，来获取当前目标地理位置坐标；所述全景相机包括能够获取目标捕捉图像的可见光相机、红外相机；
飞机过滤步骤：在已获取的目标探测图像中，过滤飞机连通域，保留目标连通域作为最终目标探测图像；在已获取的目标捕捉图像中，截取图像，对飞机进行过滤，获取最终目标捕捉图像；
图像融合步骤：将已获取的最终目标探测图像、最终目标捕捉图像进行融合，得到融合图像，确定目标位置。
7.一种自动化探测驱逐目标系统，其特征在于，包括如下模块：
目标探测模块：获取目标探测图像；根据数据库数据和/或建模参数，对目标探测图像进行图像处理；
目标捕捉模块：获取目标捕捉图像，根据目标捕捉图像捕捉目标地理坐标，并根据目标地理坐标对目标进行驱逐；
信息融合模块：将目标探测图像与目标捕捉图像融合，确定目标位置。
8.根据权利要求7所述的自动化探测驱逐目标系统，其特征在于，还包括如下模块：
天气干扰模块：若当天天气为雨雪雾天，则目标捕捉图像作为参考信息；
信息综合处理模块：当确认目标位置时，自动触发驱鸟设备；
目标数据积累模块：根据目标探测图像、目标捕捉图像，对目标识别信息进行统计，并储存至数据库中；
其中，所述目标识别信息包括目标种类信息、目标活动地点信息、目标飞行高度信息、目标活动时间信息、目标行为信息以及目标数量信息中的任一种或任多种信息。
9.根据权利要求7所述的自动化探测驱逐目标系统，其特征在于，所述目标探测模块包括如下任一个或任多个子模块：
数据积累模块：连续收集预设时间内的雷达信号数据，并获取雷达信号数据规律作为所述数据库数据；其中，所述雷达信号数据包括多个雷达信号；
逐像素建模模块：根据雷达信号的像素，建立第一模型，并获取第一模型的平均值和标准差作为建模参数；对于相邻两个像素，将雷达信号的相邻两个像素归一化后，建立第二模型；根据第二模型，获取第二模型的平均值和标准差作为建模参数；
实时检测模块：根据建模参数，在已获取的目标探测图像中提取前景像素；
相邻像素分析模块：根据前景像素，确定背景像素，即图像处理；
所述目标捕捉模块包括可见光目标捕捉模块、红外目标捕捉模块以及远目标捕捉模块；
所述可见光目标捕捉模块：通过可见光相机，获取目标捕捉图像；
所述红外目标捕捉模块：通过红外相机，获取目标捕捉图像；
所述远目标捕捉模块：通过可变焦相机，获取目标捕捉图像；
所述可见光目标捕捉模块包括如下子模块：
布控设置模块：在预设区域安装可见光相机，形成布控；
背景建模模块：对可见光相机进行背景建模、实时背景更新，来获取实时图像；
前景像素获取模块：根据当前实时图像，提取前景像素点；
形态学操作模块：对前景像素点进行形态学操作，滤噪，修补漏洞；
连通域处理模块：对实时图像中的前景连通域进行扫描，来对前景连通域进行目标跟踪；
确定目标位置模块：记录目标所在方位角；根据目标的方位角、可见光相机坐标信息，获取目标地理坐标；
控制执行模块：根据目标地理坐标，触发驱逐目标装置进行目标驱逐。
10.根据权利要求7所述的自动化探测驱逐目标系统，其特征在于，所述信息融合模块包括如下子模块：
目标定位模块：当检测到目标时，根据检测到的当前目标的位置所对应的全景相机的位置，来获取当前目标地理位置坐标；所述全景相机包括能够获取目标捕捉图像的可见光相机、红外相机；
飞机过滤模块：在已获取的目标探测图像中，过滤飞机连通域，保留目标连通域作为最终目标探测图像；在已获取的目标捕捉图像中，截取图像，对飞机进行过滤，获取最终目标捕捉图像；
图像融合模块：将已获取的最终目标探测图像、最终目标捕捉图像进行融合，得到融合图像，确定目标位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810211282.8A CN108710126B (zh) | 2018-03-14 | 2018-03-14 | 自动化探测驱逐目标方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810211282.8A CN108710126B (zh) | 2018-03-14 | 2018-03-14 | 自动化探测驱逐目标方法及其系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108710126A true CN108710126A (zh) | 2018-10-26 |
| CN108710126B CN108710126B (zh) | 2020-12-18 |
Family
ID=63866128
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810211282.8A Active CN108710126B (zh) | 2018-03-14 | 2018-03-14 | 自动化探测驱逐目标方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108710126B (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110033490A (zh) * | 2019-04-12 | 2019-07-19 | 南京理工大学 | 一种基于光电图像自动识别的机场低慢小目标防控方法 |
| CN110188832A (zh) * | 2019-05-08 | 2019-08-30 | 中国民航科学技术研究院 | 基于探鸟雷达的机场留鸟活动节律统计分析方法 |
| CN110197231A (zh) * | 2019-06-04 | 2019-09-03 | 南京华格信息技术有限公司 | 基于可见光和红外光图像融合的鸟情探测设备及识别方法 |
| CN110515084A (zh) * | 2019-07-29 | 2019-11-29 | 生态环境部南京环境科学研究所 | 一种基于声成像技术的野外鸟类目标数量估计方法 |
| CN110940993A (zh) * | 2019-12-20 | 2020-03-31 | 湖南傲英创视信息科技有限公司 | 一种光电探测雷达及其探测方法 |
| CN111027522A (zh) * | 2019-12-30 | 2020-04-17 | 华通科技有限公司 | 基于深度学习的探鸟定位系统 |
| CN111493055A (zh) * | 2020-03-25 | 2020-08-07 | 深圳威阿科技有限公司 | 一种多机场协同的空域智能驱鸟系统及方法 |
| CN111709374A (zh) * | 2020-06-18 | 2020-09-25 | 深圳市赛为智能股份有限公司 | 鸟情检测方法、装置、计算机设备及存储介质 |
| CN111953874A (zh) * | 2020-07-31 | 2020-11-17 | 哈尔滨工业大学（深圳） | 一种基于超广角镜头360°凝视型智能驱鸟器及其标定方法 |
| CN112633375A (zh) * | 2020-12-23 | 2021-04-09 | 深圳市赛为智能股份有限公司 | 鸟类检测方法、装置、计算机设备及存储介质 |
| CN113468947A (zh) * | 2021-04-16 | 2021-10-01 | 中国民航科学技术研究院 | 一种多雷达站鸟情信息融合以及成像方法 |
| CN113507071A (zh) * | 2021-06-02 | 2021-10-15 | 深圳供电局有限公司 | 清除架空线路上移动物体的方法、系统、装置和设备 |
| CN113554836A (zh) * | 2021-06-25 | 2021-10-26 | 国网山东省电力公司汶上县供电公司 | 一种架空电缆电路防外破预警方法 |
| CN113642384A (zh) * | 2021-06-25 | 2021-11-12 | 国网山东省电力公司济宁市任城区供电公司 | 基于大数据的野外输电线路智能驱鸟方法和系统 |
| CN114027288A (zh) * | 2020-12-29 | 2022-02-11 | 深圳国金电力新能设计院有限公司 | 基于风电场的多信源综合处理护鸟装置和方法 |
| CN114638975A (zh) * | 2022-05-12 | 2022-06-17 | 天津滨海国际机场有限公司 | 一种用于机场的鸟类和非鸟类驱赶方法及系统 |
| CN115015903A (zh) * | 2022-06-02 | 2022-09-06 | 北京航空航天大学 | 一种雷达序贯图像动目标检测方法及系统 |
| CN115980739A (zh) * | 2023-03-21 | 2023-04-18 | 安徽隼波科技有限公司 | 一种雷达引导光电跟踪的自动布防方法 |
| CN117351425A (zh) * | 2023-10-23 | 2024-01-05 | 国网山东省电力公司青岛市即墨区供电公司 | 一种用于变电站的鸟类对象驱逐方法、装置、介质及设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101414006A (zh) * | 2008-11-28 | 2009-04-22 | 北京航空航天大学 | 一种基于雷达图像的飞鸟目标识别与跟踪方法 |
| US20140185414A1 (en) * | 2010-11-09 | 2014-07-03 | Eminent Technology Incorporated | Active non-lethal avian denial infrasound systems and methods of avian denial |
| CN104536058A (zh) * | 2015-01-08 | 2015-04-22 | 西安费斯达自动化工程有限公司 | 图像/雷达/激光测距机场跑道异物监控一体化系统 |
| CN105548970A (zh) * | 2015-12-11 | 2016-05-04 | 无锡市雷华科技有限公司 | 一种飞鸟探测雷达处理机 |
| CN105739335A (zh) * | 2015-12-29 | 2016-07-06 | 中国民航科学技术研究院 | 一种机场鸟类探测预警与驱赶联动系统 |
| CN106101590A (zh) * | 2016-06-23 | 2016-11-09 | 上海无线电设备研究所 | 雷达视频复合数据探测与处理系统及探测与处理方法 |
| CN106405540A (zh) * | 2016-08-31 | 2017-02-15 | 上海鹰觉科技有限公司 | 基于雷达和光电设备互补的探测识别装置及方法 |
| CN107232175A (zh) * | 2017-06-01 | 2017-10-10 | 北京中安航信科技有限公司 | 基于鸟类特征识别的驱鸟装置及其驱鸟方法 |
-
2018
- 2018-03-14 CN CN201810211282.8A patent/CN108710126B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101414006A (zh) * | 2008-11-28 | 2009-04-22 | 北京航空航天大学 | 一种基于雷达图像的飞鸟目标识别与跟踪方法 |
| US20140185414A1 (en) * | 2010-11-09 | 2014-07-03 | Eminent Technology Incorporated | Active non-lethal avian denial infrasound systems and methods of avian denial |
| CN104536058A (zh) * | 2015-01-08 | 2015-04-22 | 西安费斯达自动化工程有限公司 | 图像/雷达/激光测距机场跑道异物监控一体化系统 |
| CN105548970A (zh) * | 2015-12-11 | 2016-05-04 | 无锡市雷华科技有限公司 | 一种飞鸟探测雷达处理机 |
| CN105739335A (zh) * | 2015-12-29 | 2016-07-06 | 中国民航科学技术研究院 | 一种机场鸟类探测预警与驱赶联动系统 |
| CN106101590A (zh) * | 2016-06-23 | 2016-11-09 | 上海无线电设备研究所 | 雷达视频复合数据探测与处理系统及探测与处理方法 |
| CN106405540A (zh) * | 2016-08-31 | 2017-02-15 | 上海鹰觉科技有限公司 | 基于雷达和光电设备互补的探测识别装置及方法 |
| CN107232175A (zh) * | 2017-06-01 | 2017-10-10 | 北京中安航信科技有限公司 | 基于鸟类特征识别的驱鸟装置及其驱鸟方法 |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110033490B (zh) * | 2019-04-12 | 2022-09-13 | 南京理工大学 | 一种基于光电图像自动识别的机场低慢小目标防控方法 |
| CN110033490A (zh) * | 2019-04-12 | 2019-07-19 | 南京理工大学 | 一种基于光电图像自动识别的机场低慢小目标防控方法 |
| CN110188832A (zh) * | 2019-05-08 | 2019-08-30 | 中国民航科学技术研究院 | 基于探鸟雷达的机场留鸟活动节律统计分析方法 |
| CN110188832B (zh) * | 2019-05-08 | 2020-12-08 | 中国民航科学技术研究院 | 基于探鸟雷达的机场留鸟活动节律统计分析方法 |
| CN110197231A (zh) * | 2019-06-04 | 2019-09-03 | 南京华格信息技术有限公司 | 基于可见光和红外光图像融合的鸟情探测设备及识别方法 |
| CN110197231B (zh) * | 2019-06-04 | 2023-06-27 | 南京华格信息技术有限公司 | 基于可见光和红外光图像融合的鸟情探测设备及识别方法 |
| CN110515084A (zh) * | 2019-07-29 | 2019-11-29 | 生态环境部南京环境科学研究所 | 一种基于声成像技术的野外鸟类目标数量估计方法 |
| CN110940993A (zh) * | 2019-12-20 | 2020-03-31 | 湖南傲英创视信息科技有限公司 | 一种光电探测雷达及其探测方法 |
| CN111027522A (zh) * | 2019-12-30 | 2020-04-17 | 华通科技有限公司 | 基于深度学习的探鸟定位系统 |
| CN111027522B (zh) * | 2019-12-30 | 2023-09-01 | 华通科技有限公司 | 基于深度学习的探鸟定位系统 |
| CN111493055A (zh) * | 2020-03-25 | 2020-08-07 | 深圳威阿科技有限公司 | 一种多机场协同的空域智能驱鸟系统及方法 |
| CN111709374A (zh) * | 2020-06-18 | 2020-09-25 | 深圳市赛为智能股份有限公司 | 鸟情检测方法、装置、计算机设备及存储介质 |
| CN111709374B (zh) * | 2020-06-18 | 2023-06-27 | 深圳市赛为智能股份有限公司 | 鸟情检测方法、装置、计算机设备及存储介质 |
| CN111953874A (zh) * | 2020-07-31 | 2020-11-17 | 哈尔滨工业大学（深圳） | 一种基于超广角镜头360°凝视型智能驱鸟器及其标定方法 |
| CN112633375A (zh) * | 2020-12-23 | 2021-04-09 | 深圳市赛为智能股份有限公司 | 鸟类检测方法、装置、计算机设备及存储介质 |
| CN114027288A (zh) * | 2020-12-29 | 2022-02-11 | 深圳国金电力新能设计院有限公司 | 基于风电场的多信源综合处理护鸟装置和方法 |
| CN113468947A (zh) * | 2021-04-16 | 2021-10-01 | 中国民航科学技术研究院 | 一种多雷达站鸟情信息融合以及成像方法 |
| CN113468947B (zh) * | 2021-04-16 | 2023-07-18 | 中国民航科学技术研究院 | 一种多雷达站鸟情信息融合以及成像方法 |
| CN113507071A (zh) * | 2021-06-02 | 2021-10-15 | 深圳供电局有限公司 | 清除架空线路上移动物体的方法、系统、装置和设备 |
| CN113642384A (zh) * | 2021-06-25 | 2021-11-12 | 国网山东省电力公司济宁市任城区供电公司 | 基于大数据的野外输电线路智能驱鸟方法和系统 |
| CN113554836A (zh) * | 2021-06-25 | 2021-10-26 | 国网山东省电力公司汶上县供电公司 | 一种架空电缆电路防外破预警方法 |
| CN114638975A (zh) * | 2022-05-12 | 2022-06-17 | 天津滨海国际机场有限公司 | 一种用于机场的鸟类和非鸟类驱赶方法及系统 |
| CN115015903A (zh) * | 2022-06-02 | 2022-09-06 | 北京航空航天大学 | 一种雷达序贯图像动目标检测方法及系统 |
| CN115015903B (zh) * | 2022-06-02 | 2024-04-09 | 北京航空航天大学 | 一种雷达序贯图像动目标检测方法及系统 |
| CN115980739A (zh) * | 2023-03-21 | 2023-04-18 | 安徽隼波科技有限公司 | 一种雷达引导光电跟踪的自动布防方法 |
| CN117351425A (zh) * | 2023-10-23 | 2024-01-05 | 国网山东省电力公司青岛市即墨区供电公司 | 一种用于变电站的鸟类对象驱逐方法、装置、介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108710126B (zh) | 2020-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108710126A (zh) | 自动化探测驱逐目标方法及其系统 | |
| AU2021103526A4 (en) | Imaging array for bird or bat detection and identification | |
| CN108037770B (zh) | 基于人工智能的无人机输电线路巡检系统和方法 | |
| CN101751744B (zh) | 一种烟雾检测和预警方法 | |
| Hosseini et al. | Intelligent damage classification and estimation in power distribution poles using unmanned aerial vehicles and convolutional neural networks | |
| CN112068111A (zh) | 一种基于多传感器信息融合的无人机目标侦测方法 | |
| CN108319926A (zh) | 一种工地现场的安全帽佩戴检测系统及检测方法 | |
| CN109255286B (zh) | 基于深度学习网络框架的无人机光学快速检测识别方法 | |
| CN106203265A (zh) | 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法 | |
| CN104123544A (zh) | 基于视频分析的异常行为检测方法及系统 | |
| CN101465033A (zh) | 一种自动追踪识别系统及方法 | |
| CN108802758A (zh) | 一种基于激光雷达的智能安防监控装置、方法和系统 | |
| CN105844659A (zh) | 运动部件的跟踪方法和装置 | |
| CN116846059A (zh) | 一种用于电网巡检和监控的边缘检测系统 | |
| CN114898238A (zh) | 一种野生动物遥感识别方法及装置 | |
| CN118298377A (zh) | 基于视频联合采集的周界入侵识别方法及系统 | |
| CN115493457B (zh) | 一种低空无人机监管方法及系统 | |
| Nithyashree et al. | Visualizing and analyzing forest fire using YOLOv8 Algorithm | |
| CN111222411A (zh) | 一种激光发射安全快速报警方法和装置 | |
| Lazarevic | Improving the efficiency and accuracy of nocturnal bird surveys through equipment selection and partial automation | |
| Sage et al. | Estimating performance limits for an intelligent scene monitoring system (ISM) as a perimeter intrusion detection system (PIDS) | |
| CN118672298A (zh) | 一种堤坝病害的无人机自动巡检与数据处理方法 | |
| CN117746218A (zh) | 一种智慧校园的安全管理方法及装置 | |
| Talorete Jr et al. | Intelligent Machine Vision for Automated Fence Intruder Detection Using Self-organizing Map |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method and system of automatic detection and expulsion of targets Effective date of registration: 20220624 Granted publication date: 20201218 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI YINGJUE TECHNOLOGY CO.,LTD. Registration number: Y2022310000083 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230728 Granted publication date: 20201218 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI YINGJUE TECHNOLOGY CO.,LTD. Registration number: Y2022310000083 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Automated detection and expulsion of targets method and system Effective date of registration: 20230801 Granted publication date: 20201218 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI YINGJUE TECHNOLOGY CO.,LTD. Registration number: Y2023310000419 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20201218 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI YINGJUE TECHNOLOGY CO.,LTD. Registration number: Y2023310000419 |