CN108828599B - 一种基于救援无人机的受灾人员搜寻方法 - Google Patents
一种基于救援无人机的受灾人员搜寻方法 Download PDFInfo
- Publication number
- CN108828599B CN108828599B CN201810302822.3A CN201810302822A CN108828599B CN 108828599 B CN108828599 B CN 108828599B CN 201810302822 A CN201810302822 A CN 201810302822A CN 108828599 B CN108828599 B CN 108828599B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- audio signal
- rescue unmanned
- rescue
- 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.)
- Active
Links
Images
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/04—Systems determining presence of a target
Abstract
本发明公开一种基于救援无人机的受灾人员搜寻方法,其特点是:救援无人机在飞行进入指定搜索区域后,收集音频信号;在根据音频信号的谱熵检测出音频信号为语音信号时,对音频信号的发声源进行定位以获得受灾人员位置;控制救援无人机的机头始终指向目标位置,目标位置与受灾人员位置位于同一竖直方向上,且目标位置与受灾人员位置之间的距离为第一指定距离;控制救援无人机的机头与目标位置之间保持第二指定距离;救援无人机按照预设的绕飞速度和第二指定距离围绕目标位置进行绕点飞行监控。能够快速锁定受灾人员,以便于加速救援行动,在有限时间内拯救更多生命。
Description
技术领域
本发明数据处理技术领域,尤其涉及一种基于救援无人机的受灾人员搜寻方法。
技术领域 自然灾害很多时候会造成人命伤亡,因此搜救必须争分夺秒。然而,当自然灾害发生后,地表的地理地貌环境较之前通常会发生很大变化,尤其是道路受阻、通讯中断之后会给后续的救援工作带来严重阻碍。因此,在救灾过程中,如何快速锁定受灾人员,以便于加速救援行动,在有限时间内拯救更多生命,一直是人们亟需解决的技术难题。
发明内容
本发明实施例公开了一种基于救援无人机的受灾人员搜寻方法,能够快速锁定受灾人员,以便于加速救援行动,在有限时间内拯救更多生命。
其中,一种基于救援无人机的受灾人员搜寻方法,所述方法包括:
所述救援无人机在飞行进入指定搜索区域后,收集音频信号;
所述救援无人机对所述音频信号进行快速傅里叶变换得到频域信号;
所述救援无人机根据所述频域信号计算谱幅度值;
所述救援无人机根据所述谱幅度值计算概率密度;
所述救援无人机根据所述概率密度计算所述音频信号的谱熵;
所述救援无人机根据所述谱熵确定所述音频信号是否为语音信号,若是,对所述音频信号的发声源进行定位,以获得受灾人员位置;
所述救援无人机控制所述救援无人机的机头始终指向目标位置,所述目标位置与所述受灾人员位置位于同一竖直方向上,且所述目标位置与所述受灾人员位置之间的距离为第一指定距离;
所述救援无人机控制所述救援无人机的机头与所述目标位置之间保持第二指定距离;
所述救援无人机按照预设的绕飞速度和所述第二指定距离围绕所述目标位置进行绕点飞行监控。
作为一种可选的实施方式,在本发明实施例中,所述救援无人机根据所述频域信号计算谱幅度值,包括:
所述救援无人机根据所述频域信号并结合以下公式计算谱幅度值,即:
其中,所述X(k,y)表示第y个音频信号所在帧的第k个频段的谱幅度值,所述z(n,y)表示第y个音频信号所在帧的音频中的第n个点的幅度,所述N表示快速傅里叶变换的变化长度,所述k小于或等于N,所述exp(-j2πkn/N)表示幅角为2π的kn/N倍的复数。
作为一种可选的实施方式,在本发明实施例中,所述救援无人机根据所述谱幅度值计算概率密度,包括:
所述救援无人机根据所述谱幅度值计算第y个音频信号所在帧的带噪语音功率谱总能量;
所述救援无人机根据所述带噪语音功率谱总能量以及所述谱幅度值计算概率密度。
作为一种可选的实施方式,在本发明实施例中,所述带噪语音功率谱总能量的计算方式为:
作为一种可选的实施方式,在本发明实施例中,所述概率密度的计算方式为:
D(k,y)=|X(k,y)|2/Esum(y),其中,所述D(k,y)表示第y个音频信号所在帧的第k个频段所对应的概率密度。
作为一种可选的实施方式,在本发明实施例中,所述救援无人机根据所述概率密度计算所述音频信号的谱熵的具体过程为:
作为一种可选的实施方式,在本发明实施例中,所述救援无人机根据所述谱熵确定所述音频信号是否为语音信号,包括:
所述救援无人机计算所述音频信号的能量;
所述救援无人机根据所述音频信号的能量以及所述谱熵确定所述音频信号是否为语音信号。
作为一种可选的实施方式,在本发明实施例中,所述音频信号的能量的计算过程为:
作为一种可选的实施方式,在本发明实施例中,所述救援无人机根据所述音频信号的能量以及所述谱熵确定所述音频信号是否为语音信号,包括:
本发明实施例中,可以根据音频信号的谱熵来进行语音检测,谱熵的计算过程主要涉及时频变换、幅度计算和能量计算等,这些计算过程所针对的都是语音信号本身的属性,而不必进行语义分析这种需要涉及到人工智能和神经网络的计算方式,从而减少了计算量,提高了受灾人员的语音检测的效率。
本发明实施例中,在快速检测出受灾人员发出的语音信号后,可以受灾人员的发声源进行定位,以获得受灾人员位置;控制救援无人机的机头始终指向目标位置,目标位置与受灾人员位置位于同一竖直方向上,且目标位置与受灾人员位置之间的距离为第一指定距离;控制救援无人机的机头与所目标位置之间保持第二指定距离;救援无人机按照预设的绕飞速度和第二指定距离围绕目标位置进行绕点飞行监控,从而可以在提高受灾人员的语音检测的效率的基础上,能够快速锁定受灾人员,以便于加速救援行动,在有限时间内拯救更多生命。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种基于救援无人机的人员搜寻方法的流程示意图;
图2为本发明实施例公开的另一种基于救援无人机的人员搜寻方法的流程示意图。
具体实施方式
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,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种基于救援无人机的受灾人员搜寻方法,可以根据音频信号的谱熵来进行语音检测,谱熵的计算过程主要涉及时频变换、幅度计算和能量计算等,这些计算过程所针对的都是语音信号本身的属性,而不必进行语义分析这种需要涉及到人工智能和神经网络的计算方式,从而减少了计算量,提高了受灾人员的语音检测的效率;此外,可以在提高受灾人员的语音检测的效率的基础上,能够快速锁定受灾人员,以便于加速救援行动,在有限时间内拯救更多生命。以下进行结合附图进行详细描述。
请参阅图1,图1为本发明实施例公开的一种基于救援无人机的受灾人员搜寻方法的流程示意图。如图1所示,该基于救援无人机的受灾人员搜寻方法可以包括以下步骤:
101、救援无人机在飞行进入指定搜索区域后,收集音频信号。
本发明实施例中,救援无人机由飞行控制器进行远程控制,飞行控制器可以将包括指定搜索区域的飞行控制参数集合发送给救援无人机,以使救援无人机按照在飞行进入该飞行控制参数集合包括的指定搜索区域后,自动收集音频信号。
其中,飞行控制器可以在触摸屏幕上输出以环状形式分布的多个控制图像加载位置;
以及,飞行控制器在多个控制图像加载位置环状围绕的区域中输出紧密排列的多个控制图像拼接位置,其中,多个控制图像拼接位置的数目与多个控制图像加载位置的数目一致;
以及,飞行控制器获取预设的某一指定图像,并将该指定图像划分成数目与多个控制图像加载位置的数目一致的多个控制图像;
以及,飞行控制器将多个控制图像随机加载在多个控制图像加载位置上,当多个控制图像均被从控制图像加载位置拖拽至控制图像拼接位置构成拼接图像时,判断是否存在与拼接图像匹配的飞行控制参数集合;其中,飞行控制参数集合至少包括指定搜索区域;
若存在,飞行控制器根据预先记录的每一个控制图像的拖拽起始时间,判断多个控制图像的拖拽次序是否与多个控制图像加载位置对应的预设拖拽次序相同,若相同,判断每一个控制图像的拖拽轨迹是否经过该控制图像加载的控制图像加载位置预配置的唯一隐藏式轨迹必经点,若都经过,将飞行控制参数集合发送给救援无人机,以使救援无人机按照在飞行进入该飞行控制参数集合包括的指定搜索区域后,自动收集音频信号;
其中,多个控制图像中的任意两个控制图像互不相同;多个控制图像加载位置中的任意两个控制图像加载位置预配置的唯一隐藏式轨迹必经点互不相同;多个控制图像加载位置中的任意两个控制图像加载位置对应的预设拖拽次序互不相同。
本发明实施例中,能够安全的、严格的控制救援无人机在指定搜索区域内飞行,杜绝救援无人机肆意飞行至禁飞区所产生的扰航、扰民事件。
作为一种可选的实施方式,飞行控制器在触摸屏幕上输出以环状形式分布的多个控制图像加载位置,包括:
飞行控制器在建立与救援无人机之间的通讯连接之后,调用飞行控制器的摄像头采集飞行控制器的当前使用者的人脸图像;
飞行控制器根据当前使用者的人脸图像,统计当前使用者在指定时长内使用飞行控制器的次数N;
飞行控制器以次数N为依据,确定出数目与次数N成反比关系的多个控制图像加载位置;
飞行控制器在触摸屏幕上输出以环状形式均匀分布的多个控制图像加载位置。
其中,实施上述实施方式,飞行控制器可以根据当前使用者的人脸图像统计当前使用者在指定时长内使用飞行控制器的次数N,如果次数N越小,就说明当前使用者越不可靠,进而可以在触摸屏幕上输出以环状形式分布的更多的控制图像加载位置,以提高控制救援无人机飞行的安全性;反之,如果次数N越高,就说明当前使用者越可靠,进而可以在触摸屏幕上输出以环状形式分布的更少的控制图像加载位置,以提高控制救援无人机飞行的便捷性。
作为一种可选的实施方式,在判断每一个控制图像的拖拽轨迹均经过该控制图像加载的控制图像加载位置预配置的唯一隐藏式轨迹必经点之后,以及将飞行控制参数集合发送给救援无人机之前,该方法还包括:
飞行控制器向救援无人机请求救援无人机预设的管理者的人脸图像;
飞行控制器校验当前使用者的人脸图像是否与救援无人机预设的管理者的人脸图像匹配;
若匹配,飞行控制器将每一个控制图像加载位置预配置的唯一隐藏式轨迹必经点进行清除;
飞行控制器提示将多个控制图像拼接位置上的多个控制图像拖拽至多个控制图像加载位置;其中,一个控制图像对应一个控制图像加载位置;
当多个控制图像全部被从多个控制图像拼接位置上拖拽至多个控制图像加载位置之后,飞行控制器将用户在每一个控制图像对应的从控制图像拼接位置到控制图像加载位置的最新拖拽轨迹上选择的某一轨迹点作为控制图像新加载的控制图像加载位置对应的最新预配置的唯一隐藏式轨迹必经点进行存储。
其中,实施上述实施方式,救援无人机预设的管理者可以在飞行控制器设置个性化的、控制图像新加载的控制图像加载位置对应的最新预配置的唯一隐藏式轨迹必经点,从而可以提高控制救援无人机的安全性和可靠性。
本发明实施例中,飞行控制器校验当前使用者的人脸图像是否与救援无人机预设的管理者的人脸图像匹配,包括:
飞行控制器获取救援无人机预设的管理者的人脸图像对应的二值化图像S1中所有连通域的直径平均值L和平均像素个数X;
飞行控制器根据所有连通域的平均像素个数X和直径平均值L,从二值化图像S1中识别出并删除不合理连通域,以形成二值化图像S2;
飞行控制器将二值化图像S2分成多个像素块,并对每个像素块内所有像素对应的像素值进行或运算,以得到每个像素块的或运算结果组成待划分图像S3;
飞行控制器将待划分图像S3划分为多个像素区域,多个像素区域的数目与多个控制图像的数目一致;
飞行控制器对每个像素区域中所有像素点的或运算结果求和,获得组成二值化图像S2的每个像素区域的特征信息;
飞行控制器针对二值化图像S2的每一个像素区域的特征信息,判断该像素区域的特征信息与救援无人机预设的管理者的人脸图像中对应像素区域的特征信息是否相匹配,若都匹配,确定当前使用者的人脸图像与救援无人机预设的管理者的人脸图像匹配。
其中,实施上述实施方式,可以精确的判断出当前使用者的人脸图像与救援无人机预设的管理者的人脸图像是否匹配。
102、救援无人机对音频信号进行快速傅里叶变换得到频域信号。
103、救援无人机根据频域信号计算谱幅度值。
本发明实施例中,救援无人机根据频域信号计算谱幅度值,包括:
救援无人机根据频域信号并结合以下公式计算谱幅度值,即:
其中,X(k,y)表示第y个音频信号所在帧的第k个频段的谱幅度值,z(n,y)表示第y个音频信号所在帧的音频中的第n个点的幅度,N表示快速傅里叶变换的变化长度,k小于或等于N,exp(-j2πkn/N)表示幅角为2π的kn/N倍的复数。
104、救援无人机根据谱幅度值计算概率密度。
本发明实施例中,救援无人机根据谱幅度值计算概率密度,包括:
救援无人机根据谱幅度值计算第y个音频信号所在帧的带噪语音功率谱总能量;
救援无人机根据带噪语音功率谱总能量以及谱幅度值计算概率密度。
其中,带噪语音功率谱总能量的计算方式为:
其中,救援无人机根据带噪语音功率谱总能量以及谱幅度值计算概率密度,包括:
D(k,y)=|X(k,y)|2/Esum(y),其中,D(k,y)表示第y个音频信号所在帧的第k个频段所对应的概率密度。
105、救援无人机根据概率密度计算音频信号的谱熵。
其中,救援无人机根据概率密度计算音频信号的谱熵的具体过程为:
106、救援无人机根据谱熵确定音频信号是否为语音信号,若是,执行步骤107-步骤110;若否,返回步骤101。
本发明实施例中,救援无人机根据谱熵确定所述音频信号是否为语音信号,包括:
救援无人机计算音频信号的能量;
救援无人机根据音频信号的能量以及谱熵确定音频信号是否为语音信号。
其中,音频信号的能量的计算过程为:
其中,救援无人机根据音频信号的能量以及谱熵确定音频信号是否为语音信号,包括:
107、救援无人机对音频信号的发声源进行定位,以获得受灾人员位置。
本发明实施例中,救援无人机利用麦克风阵列来处理音频信号,进而可以实现对音频信号的发声源的定位,以获得受灾人员位置。例如,救援无人机可以对多路麦克风接收到的音频信号进行运算得到时延,然后利用得到的时延,结合所用的麦克风阵列结构进行发声源的定位,该发声源的位置即是受灾人员位置。
108、救援无人机控制救援无人机的机头始终指向目标位置,目标位置与受灾人员位置位于同一竖直方向上,且目标位置与所述受灾人员位置之间的距离为第一指定距离;
109、救援无人机控制救援无人机的机头与目标位置之间保持第二指定距离。
110、救援无人机按照预设的绕飞速度和第二指定距离围绕目标位置进行绕点飞行监控。
在图1所描述的方法中,可以根据音频信号的谱熵来进行语音检测,谱熵的计算过程主要涉及时频变换、幅度计算和能量计算等,这些计算过程所针对的都是语音信号本身的属性,而不必进行语义分析这种需要涉及到人工智能和神经网络的计算方式,从而减少了计算量,提高了受灾人员的语音检测的效率。
在图1所描述的方法中,在快速检测出受灾人员发出的语音信号后,可以受灾人员的发声源进行定位,以获得受灾人员位置;控制救援无人机的机头始终指向目标位置,目标位置与受灾人员位置位于同一竖直方向上,且目标位置与受灾人员位置之间的距离为第一指定距离;控制救援无人机的机头与所目标位置之间保持第二指定距离;救援无人机按照预设的绕飞速度和第二指定距离围绕目标位置进行绕点飞行监控,从而可以在提高受灾人员的语音检测的效率的基础上,能够快速锁定受灾人员,以便于加速救援行动,在有限时间内拯救更多生命。
请参阅图2,图2为本发明实施例公开的另一种基于救援无人机的受灾人员搜寻方法的流程示意图。如图2所示,该基于救援无人机的受灾人员搜寻方法可以包括以下步骤:
201、救援无人机在飞行进入指定搜索区域后,收集音频信号。
本发明实施例中,救援无人机由飞行控制器进行远程控制,飞行控制器可以将包括指定搜索区域的飞行控制参数集合发送给救援无人机,以使救援无人机按照在飞行进入该飞行控制参数集合包括的指定搜索区域后,自动收集音频信号。
其中,飞行控制器可以在触摸屏幕上输出以环状形式分布的多个控制图像加载位置;
以及,飞行控制器在多个控制图像加载位置环状围绕的区域中输出紧密排列的多个控制图像拼接位置,其中,多个控制图像拼接位置的数目与多个控制图像加载位置的数目一致;
以及,飞行控制器获取预设的某一指定图像,并将该指定图像划分成数目与多个控制图像加载位置的数目一致的多个控制图像;
以及,飞行控制器将多个控制图像随机加载在多个控制图像加载位置上,当多个控制图像均被从控制图像加载位置拖拽至控制图像拼接位置构成拼接图像时,判断是否存在与拼接图像匹配的飞行控制参数集合;其中,飞行控制参数集合至少包括指定搜索区域;
若存在,飞行控制器根据预先记录的每一个控制图像的拖拽起始时间,判断多个控制图像的拖拽次序是否与多个控制图像加载位置对应的预设拖拽次序相同,若相同,判断每一个控制图像的拖拽轨迹是否经过该控制图像加载的控制图像加载位置预配置的唯一隐藏式轨迹必经点,若都经过,将飞行控制参数集合发送给救援无人机,以使救援无人机按照在飞行进入该飞行控制参数集合包括的指定搜索区域后,自动收集音频信号;
其中,多个控制图像中的任意两个控制图像互不相同;多个控制图像加载位置中的任意两个控制图像加载位置预配置的唯一隐藏式轨迹必经点互不相同;多个控制图像加载位置中的任意两个控制图像加载位置对应的预设拖拽次序互不相同。
本发明实施例中,能够安全的、严格的控制救援无人机在指定搜索区域内飞行,杜绝救援无人机肆意飞行至禁飞区所产生的扰航、扰民事件。
作为一种可选的实施方式,飞行控制器在触摸屏幕上输出以环状形式分布的多个控制图像加载位置,包括:
飞行控制器在建立与救援无人机之间的通讯连接之后,调用飞行控制器的摄像头采集飞行控制器的当前使用者的人脸图像;
飞行控制器根据当前使用者的人脸图像,统计当前使用者在指定时长内使用飞行控制器的次数N;
飞行控制器以次数N为依据,确定出数目与次数N成反比关系的多个控制图像加载位置;
飞行控制器在触摸屏幕上输出以环状形式均匀分布的多个控制图像加载位置。
其中,实施上述实施方式,飞行控制器可以根据当前使用者的人脸图像统计当前使用者在指定时长内使用飞行控制器的次数N,如果次数N越小,就说明当前使用者越不可靠,进而可以在触摸屏幕上输出以环状形式分布的更多的控制图像加载位置,以提高控制救援无人机飞行的安全性;反之,如果次数N越高,就说明当前使用者越可靠,进而可以在触摸屏幕上输出以环状形式分布的更少的控制图像加载位置,以提高控制救援无人机飞行的便捷性。
作为一种可选的实施方式,在判断每一个控制图像的拖拽轨迹均经过该控制图像加载的控制图像加载位置预配置的唯一隐藏式轨迹必经点之后,以及将飞行控制参数集合发送给救援无人机之前,该方法还包括:
飞行控制器向救援无人机请求救援无人机预设的管理者的人脸图像;
飞行控制器校验当前使用者的人脸图像是否与救援无人机预设的管理者的人脸图像匹配;
若匹配,飞行控制器将每一个控制图像加载位置预配置的唯一隐藏式轨迹必经点进行清除;
飞行控制器提示将多个控制图像拼接位置上的多个控制图像拖拽至多个控制图像加载位置;其中,一个控制图像对应一个控制图像加载位置;
当多个控制图像全部被从多个控制图像拼接位置上拖拽至多个控制图像加载位置之后,飞行控制器将用户在每一个控制图像对应的从控制图像拼接位置到控制图像加载位置的最新拖拽轨迹上选择的某一轨迹点作为控制图像新加载的控制图像加载位置对应的最新预配置的唯一隐藏式轨迹必经点进行存储。
其中,实施上述实施方式,救援无人机预设的管理者可以在飞行控制器设置个性化的、控制图像新加载的控制图像加载位置对应的最新预配置的唯一隐藏式轨迹必经点,从而可以提高控制救援无人机的安全性和可靠性。
202、救援无人机对音频信号进行快速傅里叶变换得到频域信号。
203、救援无人机根据频域信号计算谱幅度值。
本发明实施例中,救援无人机根据频域信号计算谱幅度值,包括:
救援无人机根据频域信号并结合以下公式计算谱幅度值,即:
其中,X(k,y)表示第y个音频信号所在帧的第k个频段的谱幅度值,z(n,y)表示第y个音频信号所在帧的音频中的第n个点的幅度,N表示快速傅里叶变换的变化长度,k小于或等于N,exp(-j2πkn/N)表示幅角为2π的kn/N倍的复数。
204、救援无人机根据谱幅度值计算概率密度。
本发明实施例中,救援无人机根据谱幅度值计算概率密度,包括:
救援无人机根据谱幅度值计算第y个音频信号所在帧的带噪语音功率谱总能量;
救援无人机根据带噪语音功率谱总能量以及谱幅度值计算概率密度。
其中,带噪语音功率谱总能量的计算方式为:
其中,救援无人机根据带噪语音功率谱总能量以及谱幅度值计算概率密度,包括:
D(k,y)=|X(k,y)|2/Esum(y),其中,D(k,y)表示第y个音频信号所在帧的第k个频段所对应的概率密度。
205、救援无人机根据概率密度计算音频信号的谱熵。
其中,救援无人机根据概率密度计算音频信号的谱熵的具体过程为:
206、救援无人机根据谱熵确定音频信号是否为语音信号,若是,执行步骤207-步骤211;若否,返回步骤201。
本发明实施例中,救援无人机根据谱熵确定所述音频信号是否为语音信号,包括:
救援无人机计算音频信号的能量;
救援无人机根据音频信号的能量以及谱熵确定音频信号是否为语音信号。
其中,音频信号的能量的计算过程为:
其中,救援无人机根据音频信号的能量以及谱熵确定音频信号是否为语音信号,包括:
207、救援无人机对音频信号的发声源进行定位,以获得受灾人员位置。
本发明实施例中,救援无人机利用麦克风阵列来处理音频信号,进而可以实现对音频信号的发声源的定位,以获得受灾人员位置。例如,救援无人机可以对多路麦克风接收到的音频信号进行运算得到时延,然后利用得到的时延,结合所用的麦克风阵列结构进行发声源的定位,该发声源的位置即是受灾人员位置。
208、救援无人机控制救援无人机的机头始终指向目标位置,目标位置与受灾人员位置位于同一竖直方向上,且目标位置与所述受灾人员位置之间的距离为第一指定距离;
209、救援无人机控制救援无人机的机头与目标位置之间保持第二指定距离。
210、救援无人机按照预设的绕飞速度和第二指定距离围绕目标位置进行绕点飞行监控。
211、救援无人机判断当前环境的光强度值是否低于预设阈值,如果低于预设阈值,执行步骤212-步骤215;如果未低于预设阈值,执行步骤213-步骤215。
212、救援无人机控制灯光照射器朝向受灾人员位置投射出指引光束。
其中,实施步骤211和步骤212,可以为救灾人员提供受灾人员的方位指引,从而加速救灾进程。
213、救援无人机使用红外热成像仪获取受灾人员位置的红外图像,并将红外图像转为灰度图像后进行高斯平滑,对高斯平滑后的所得图像依次进行顶帽运算和自适应阈值二值化,并根据连通域大小确定候选目标包围框;所有候选目标包围框的最小内接矩形区域即为感兴趣目标区域。
214、救援无人机向无人机控制器返回上述感兴趣目标区域。
215、救援无人机接收无人机控制器发送的救灾物资投放指令,朝向受灾人员位置投放救灾物资。
其中,实施步骤213-步骤215,使得后台人员可以及时通过救援无人机返回的感兴趣目标区域确定声源位置是否是受灾人员位置,如果是,控制救援无人机及时向受灾人员投放救灾物资,提高救灾效果。
在图2所描述的方法中,可以根据音频信号的谱熵来进行语音检测,谱熵的计算过程主要涉及时频变换、幅度计算和能量计算等,这些计算过程所针对的都是语音信号本身的属性,而不必进行语义分析这种需要涉及到人工智能和神经网络的计算方式,从而减少了计算量,提高了受灾人员的语音检测的效率。
在图2所描述的方法中,在快速检测出受灾人员发出的语音信号后,可以受灾人员的发声源进行定位,以获得受灾人员位置;控制救援无人机的机头始终指向目标位置,目标位置与受灾人员位置位于同一竖直方向上,且目标位置与受灾人员位置之间的距离为第一指定距离;控制救援无人机的机头与所目标位置之间保持第二指定距离;救援无人机按照预设的绕飞速度和第二指定距离围绕目标位置进行绕点飞行监控,从而可以在提高受灾人员的语音检测的效率的基础上,能够快速锁定受灾人员,以便于加速救援行动,在有限时间内拯救更多生命。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种基于救援无人机的受灾人员搜寻方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于救援无人机的受灾人员搜寻方法,其特征在于,包括:
所述救援无人机在飞行进入指定搜索区域后,收集音频信号;
所述救援无人机对所述音频信号进行快速傅里叶变换得到频域信号;
所述救援无人机根据所述频域信号计算谱幅度值;
所述救援无人机根据所述谱幅度值计算概率密度;
所述救援无人机根据所述概率密度计算所述音频信号的谱熵;
所述救援无人机根据所述谱熵确定所述音频信号是否为语音信号,若是,对所述音频信号的发声源进行定位,以获得受灾人员位置;
所述救援无人机控制所述救援无人机的机头始终指向目标位置,所述目标位置与所述受灾人员位置位于同一竖直方向上,且所述目标位置与所述受灾人员位置之间的距离为第一指定距离;
所述救援无人机控制所述救援无人机的机头与所述目标位置之间保持第二指定距离;
所述救援无人机按照预设的绕飞速度和所述第二指定距离围绕所述目标位置进行绕点飞行监控;
所述方法还包括:
飞行控制器在触摸屏幕上输出以环状形式分布的多个控制图像加载位置;
所述飞行控制器在多个控制图像加载位置环状围绕的区域中输出紧密排列的多个控制图像拼接位置,其中,多个控制图像拼接位置的数目与多个控制图像加载位置的数目一致;
所述飞行控制器获取预设的某一指定图像,并将该指定图像划分成数目与多个控制图像加载位置的数目一致的多个控制图像;
所述飞行控制器将多个控制图像随机加载在多个控制图像加载位置上,当多个控制图像均被从控制图像加载位置拖拽至控制图像拼接位置构成拼接图像时,判断是否存在与拼接图像匹配的飞行控制参数集合;其中,飞行控制参数集合至少包括指定搜索区域;
若存在,所述飞行控制器根据预先记录的每一个控制图像的拖拽起始时间,判断多个控制图像的拖拽次序是否与多个控制图像加载位置对应的预设拖拽次序相同,若相同,判断每一个控制图像的拖拽轨迹是否经过该控制图像加载的控制图像加载位置预配置的唯一隐藏式轨迹必经点,若都经过,将飞行控制参数集合发送给所述救援无人机,以使所述救援无人机按照在飞行进入该飞行控制参数集合包括的指定搜索区域后,自动收集音频信号;
其中,多个控制图像中的任意两个控制图像互不相同;多个控制图像加载位置中的任意两个控制图像加载位置预配置的唯一隐藏式轨迹必经点互不相同;多个控制图像加载位置中的任意两个控制图像加载位置对应的预设拖拽次序互不相同;
所述飞行控制器在触摸屏幕上输出以环状形式分布的多个控制图像加载位置,包括:
所述飞行控制器在建立与所述救援无人机之间的通讯连接之后,调用飞行控制器的摄像头采集飞行控制器的当前使用者的人脸图像;
所述飞行控制器根据当前使用者的人脸图像,统计当前使用者在指定时长内使用飞行控制器的次数N;
所述飞行控制器以次数N为依据,确定出数目与次数N成反比关系的多个控制图像加载位置;
所述飞行控制器在触摸屏幕上输出以环状形式均匀分布的多个控制图像加载位置。
3.根据权利要求2所述的人员搜寻方法,其特征在于,所述救援无人机根据所述谱幅度值计算概率密度,包括:
所述救援无人机根据所述谱幅度值计算第y个音频信号所在帧的带噪语音功率谱总能量;
所述救援无人机根据所述带噪语音功率谱总能量以及所述谱幅度值计算概率密度。
5.根据权利要求4所述的人员搜寻方法,其特征在于,所述概率密度的计算方式为:
D(k,y)=|X(k,y)|2/Esum(y),其中,所述D(k,y)表示第y个音频信号所在帧的第k个频段所对应的概率密度。
7.根据权利要求6所述的人员搜寻方法,其特征在于,所述救援无人机根据所述谱熵确定所述音频信号是否为语音信号,包括:
所述救援无人机计算所述音频信号的能量;
所述救援无人机根据所述音频信号的能量以及所述谱熵确定所述音频信号是否为语音信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810302822.3A CN108828599B (zh) | 2018-04-06 | 2018-04-06 | 一种基于救援无人机的受灾人员搜寻方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810302822.3A CN108828599B (zh) | 2018-04-06 | 2018-04-06 | 一种基于救援无人机的受灾人员搜寻方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108828599A CN108828599A (zh) | 2018-11-16 |
CN108828599B true CN108828599B (zh) | 2021-11-16 |
Family
ID=64154385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810302822.3A Active CN108828599B (zh) | 2018-04-06 | 2018-04-06 | 一种基于救援无人机的受灾人员搜寻方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108828599B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021108991A1 (zh) * | 2019-12-03 | 2021-06-10 | 深圳市大疆创新科技有限公司 | 控制方法、装置和可移动平台 |
CN111540166A (zh) * | 2020-05-09 | 2020-08-14 | 重庆工程学院 | 一种基于深度学习的无人机夜间搜寻系统及方法 |
CN112132719B (zh) * | 2020-08-11 | 2023-06-09 | 湖南大学 | 用于应急救援的人员搜救方法、装置、系统及存储介质 |
CN114706041B (zh) * | 2020-12-31 | 2024-04-19 | 三峡大学 | 一种基于声波定位的无人机救援装置的定位方法 |
CN114114274B (zh) * | 2021-11-02 | 2022-06-07 | 北京理工大学 | 一种基于类脑听觉模型的无人机识别方法 |
CN115598594B (zh) * | 2022-10-13 | 2023-05-05 | 广州成至智能机器科技有限公司 | 无人机声源定位方法、装置、无人机及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722320A (zh) * | 2012-05-21 | 2012-10-10 | 奇智软件(北京)有限公司 | 一种用于在电子设备的触摸屏上进行操作的方法和装置 |
CN103179092A (zh) * | 2011-12-22 | 2013-06-26 | 阿里巴巴集团控股有限公司 | 一种验证码信息的提供方法、系统及装置 |
CN104702406A (zh) * | 2013-12-04 | 2015-06-10 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置 |
CN105187206A (zh) * | 2014-05-28 | 2015-12-23 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置 |
CN105306208A (zh) * | 2014-07-21 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100930584B1 (ko) * | 2007-09-19 | 2009-12-09 | 한국전자통신연구원 | 인간 음성의 유성음 특징을 이용한 음성 판별 방법 및 장치 |
CN101599269B (zh) * | 2009-07-02 | 2011-07-20 | 中国农业大学 | 语音端点检测方法及装置 |
CN103576690B (zh) * | 2012-07-25 | 2016-12-21 | 深圳市大疆创新科技有限公司 | 一种无人机遥控方法及设备、无人机 |
US8819812B1 (en) * | 2012-08-16 | 2014-08-26 | Amazon Technologies, Inc. | Gesture recognition for device input |
US20150339471A1 (en) * | 2014-05-23 | 2015-11-26 | Texas Instruments Incorporated | Device unlock with three dimensional (3d) captures |
CN104156901A (zh) * | 2014-08-01 | 2014-11-19 | 江苏恒创软件有限公司 | 基于无人机的特殊环境人员搜索及基本物资输送方法 |
EP3712635A1 (en) * | 2014-08-29 | 2020-09-23 | SZ DJI Technology Co., Ltd. | An unmanned aerial vehicle (uav) for collecting audio data |
CN112904892A (zh) * | 2014-10-31 | 2021-06-04 | 深圳市大疆创新科技有限公司 | 用于利用视觉标记进行监视的系统和方法 |
CN105242687A (zh) * | 2015-10-29 | 2016-01-13 | 桂林创研科技有限公司 | 一种无人机遥控方法 |
CN106653062A (zh) * | 2017-02-17 | 2017-05-10 | 重庆邮电大学 | 一种低信噪比环境下基于谱熵改进的语音端点检测方法 |
CN107145146A (zh) * | 2017-04-21 | 2017-09-08 | 成都梵辰科技有限公司 | 用于灾区搜救的无人机及其搜救方法 |
CN107731223B (zh) * | 2017-11-22 | 2022-07-26 | 腾讯科技(深圳)有限公司 | 语音活性检测方法、相关装置和设备 |
-
2018
- 2018-04-06 CN CN201810302822.3A patent/CN108828599B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103179092A (zh) * | 2011-12-22 | 2013-06-26 | 阿里巴巴集团控股有限公司 | 一种验证码信息的提供方法、系统及装置 |
CN102722320A (zh) * | 2012-05-21 | 2012-10-10 | 奇智软件(北京)有限公司 | 一种用于在电子设备的触摸屏上进行操作的方法和装置 |
CN104702406A (zh) * | 2013-12-04 | 2015-06-10 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置 |
CN105187206A (zh) * | 2014-05-28 | 2015-12-23 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置 |
CN105306208A (zh) * | 2014-07-21 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108828599A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108828599B (zh) | 一种基于救援无人机的受灾人员搜寻方法 | |
US11794895B2 (en) | Unmanned aerial vehicle with biometric verification | |
CN111601074A (zh) | 安防监控方法、装置、机器人和存储介质 | |
US10290197B2 (en) | Mass transit surveillance camera system | |
US11375245B2 (en) | Live video streaming based on an environment-related trigger | |
KR20190108804A (ko) | 주파수 변화에 강인한 음향 이벤트 검출 방법 및 그 장치 | |
KR102374144B1 (ko) | 인공지능 기반의 이상음원 인식 장치, 그 방법 및 이를 이용한 관제시스템 | |
Utebayeva et al. | Multi-label UAV sound classification using Stacked Bidirectional LSTM | |
CA3047249A1 (fr) | Plate-forme d'entrainement et/ou d'assistance au controle aerien via un systeme electronique de controle du trafic aerien, procede associe | |
Li et al. | Convolutional neural networks for analyzing unmanned aerial vehicles sound | |
CN108370457A (zh) | 烦扰噪声抑制 | |
KR102556447B1 (ko) | 패턴 분석을 통한 상황 판단 시스템 | |
KR101906428B1 (ko) | 음성인식 기반 인공지능형 안심 서비스 제공 방법 | |
JP7081659B2 (ja) | 情報処理装置、データ生成方法、及びプログラム | |
KR102465105B1 (ko) | 열화상 복합 데이터를 이용한 ai 모델 기반 재난을 감지하는 방법 및 이를 수행하는 전자 장치 | |
WO2023158926A1 (en) | Systems and methods for detecting security events in an environment | |
Yaacoub et al. | Acoustic drone detection based on transfer learning and frequency domain features | |
JP2020071866A (ja) | 情報処理装置、情報処理方法及びプログラム | |
Spadini et al. | Sound event recognition in a smart city surveillance context | |
CN112562649A (zh) | 一种音频处理的方法、装置、可读存储介质和电子设备 | |
KR20160120018A (ko) | 이상 음원 감지 방법 및 시스템 | |
Alaparthy et al. | Machine Learning vs. Human Performance in the Realtime Acoustic Detection of Drones | |
KR102588080B1 (ko) | Cctv영상분석방법 및 시스템 | |
Kendzhaeva et al. | Providing safety for citizens and tourists in cities: a system for detecting anomalous sounds | |
Alaparthy et al. | A comparison of machine learning and human performance in the real-time acoustic detection of drones |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Gu Xiulian Inventor after: Li Chun Inventor before: Li Chun |
|
CB03 | Change of inventor or designer information |