CN109523572A - 一种对飞行状态进行监控的方法及装置 - Google Patents
一种对飞行状态进行监控的方法及装置 Download PDFInfo
- Publication number
- CN109523572A CN109523572A CN201811372280.3A CN201811372280A CN109523572A CN 109523572 A CN109523572 A CN 109523572A CN 201811372280 A CN201811372280 A CN 201811372280A CN 109523572 A CN109523572 A CN 109523572A
- Authority
- CN
- China
- Prior art keywords
- state
- flight
- moving object
- frame image
- wing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000005856 abnormality Effects 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 2
- 241000272201 Columbiformes Species 0.000 description 40
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种对飞行状态进行监控的方法,包括:终端获取运动物体的飞行状态信息;所述终端判断所述飞行状态信息是否满足预设条件,若所述飞行状态不满足所述预设条件,则判断所述飞行状态为异常状态,并发送所述飞行状态信息至网络系统。解决了现有技术中无法在比赛过程中对飞行状态作判断的问题,提高了观赏体验。
Description
技术领域
本发明属于信息技术领域,具体地,涉及一种对飞行状态进行监控的方法及装置。
背景技术
现在运动物体的长距离运动是一种常见的现象,例如无人飞机的长距离飞行、长跑运动员的长距离跑步以及赛鸽的长距离竞翔等。在运动物体的长距离运行的路径上,往往会存在一些拍摄装置希望能拍摄到这些运动物体的图像或是将拍摄到运动物体的图像分享、传输到服务器。这比较典型的场景为赛鸽的长距离竞翔,为了让人们能够了解到赛鸽竞翔的情况,在竞翔路径的一些地点会设置直播点,用来拍摄赛鸽竞翔的画面或是将拍摄到运动物体的图像分享、传输到服务器;另外在竞翔路径上,亦可能有些赛鸽爱好者希望能拍摄到赛鸽竞翔的画面或是将拍摄到运动物体的图像分享、传输到服务器。
赛鸽飞行比赛存在着路程远,距离长,难度大等不利因素,长距离的飞行有时候会让赛鸽疲惫不堪,甚至导致身体出现伤害,为了赛鸽的安全考虑,有必要在赛鸽身上装备有智能终端,以此来时刻检测赛鸽的飞行状态。
目前的智能终端中最常用的是绑在赛鸽腿上的智能足环,智能足环由多个专用传感器与单片机的架构组成,传感器例如GPS、加速度计,可时刻采集当前赛鸽的三维地理位置(经纬度信息及海拔信息)以及速度信息,并输出给单片机,单片机则收集到该参数后,利用特定的报文格式上传到网络系统(如服务器),网络系统可时刻检测赛鸽的飞行状态,并时刻显示。
如图1所示,赛鸽的飞行状态时刻显示在地图上,且可根据该飞行状态信息绘制飞行地图。然而,由于赛鸽数量众多,每个赛鸽均会实时传输数据到网络系统,不仅占用了大量的空口资源,还需要处理庞大的数据量,对于数据运算能力弱的网络系统而言,无法对如此庞大的数据量做实时处理,导致数据吞吐量太大,CPU资源不足,会导致画面出现卡顿、停顿等现象,影响观赏体验。同时,现有技术也无法对飞行状态正常与否做出实时判断,无法采取相应的应急处理。
发明内容
本发明提供了一种对飞行状态进行监控的方法,利用终端对当前赛鸽的飞行状态作判断,当异常时显示该飞行状态,解决了现有技术中无法在比赛过程中对飞行状态作判断的问题。同时,在飞行状态正常时无需发送大量的飞行状态信息,只需要发送正常标识至网络系统,大大减少了发送的数据量,解决了现有技术中发送数据量大而导致的资源不足的问题。
为了实现上述目的,本发明提供了一种对飞行状态进行监控的方法,包括:
终端获取运动物体的飞行状态信息;
所述终端判断所述飞行状态信息是否满足预设条件,若所述飞行状态不满足所述预设条件,则判断所述飞行状态为异常状态,并发送所述飞行状态信息至网络系统。
可选地,所述终端获取运动物体的飞行状态信息,包括:
所述终端在第一周期内获取所述运动物体的飞行状态信息并存储;
则所述终端判断所述飞行状态信息是否满足预设条件,包括:
所述终端在第二周期内判断所述飞行状态信息是否满足预设条件。
可选地,所述判断所述飞行状态为异常状态后,所述方法还包括:
缩短所述第一周期。
可选地,所述方法还包括:
若判断所述飞行状态信息满足所述预设条件,则判断所述运动物体飞行状态正常,并发送飞行状态正常标识至网络系统。
可选地,所述飞行状态信息包括速度信息和/或飞行高度信息,则所述终端判断所述飞行状态信息是否满足预设条件,包括:
所述终端判断所述速度信息是否低于或高于预设的速度阈值,若是,则判断所述运动物体飞行状态异常;
和/或,
所述终端判断所述飞行高度信息是否低于或高于预设的高度阈值,若是,则判断所述运动物体飞行状态异常。
可选地,所述飞行状态信息包括心率检测信息,则所述终端判断所述飞行状态信息是否满足预设条件,包括:
所述终端判断所述心率检测信息是否低于或高于预设的心率阈值,若是,则判断所述运动物体飞行状态异常。
可选地,所述飞行状态信息包括所述运动物体翅膀的扇动频率,则所述终端获取运动物体的飞行状态信息,包括:
无人机通过摄像头捕获所述运动物体的飞行视频;
所述无人机对所述飞行视频中每一帧图像进行检测,识别出每一帧图像中所述运动物体的翅膀轮廓;
所述无人机对所述每一帧图像中的翅膀轮廓进行跟踪,获取所述翅膀轮廓形状随时间变化的尺寸变化周期,从而确定所述运动物体在所述变化周期内的翅膀扇动频率;
将所述翅膀扇动频率数据发送至所述终端。
可选地,所述无人机对所述每一帧图像中的翅膀轮廓进行跟踪,获取所述翅膀轮廓形状随时间变化的尺寸变化周期,包括:
获取一帧图像,对所述帧图像进行识别,识别出所述运动物体的翅膀轮廓;
获取所述帧图像的相邻连续帧图像的变化率,根据所述变化率对所帧图像的背景图像进行更新;
从所述帧图像减去更新后的背景图像,以获得所述帧图像的前景图像,对所述前景图像进行二值化,从所述二值化后的前景图像中获取连续变化的翅膀轮廓,计算所述翅膀轮廓形状随时间变化的尺寸变化周期。
本发明实施例还提供了一种对飞行状态进行监控的装置,所述装置包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,所述处理器用于运行所述计算机程序时,执行上述对飞行状态进行监控的方法。
本发明的一个实施例还提供了一种计算机可读存储介质,其上存储有计算机可执行指令,该计算机可执行指令用于上述对飞行状态进行监控的方法。
本发明实施例的方法及装置具有下列优点:
本发明实施例中,获取运动物体的飞行状态信息,并判断该飞行状态是否异常,若该飞行状态异常,则将所述飞行状态上报至网络系统,解决了现有技术中无法对运动物体飞行状态进行检测的问题。此外,将获取状态及检测状态分为两个不同周期,延长了数据的发送时间,一定程度上减少了数据的吞吐量,同时,在检测到状态正常时无需发送大量的数据,只需要发送正常的标识即可,节省了数据流量,降低了资源使用率。此外,针对不同的飞行状态,例如速度、高度、心率检测及翅膀扇动频率等,其检测机制也不同,丰富的检测机制保证了可以全方位检测赛鸽的飞行状态,从而为赛鸽的身体状态提供更可靠的预判,提高了观赏体验。
附图说明
图1是现有技术的飞行状态监测示意图;
图2是本发明实施例中飞行状态显示的方法流程图;
图3是本发明实施例中飞行状态显示的装置架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
为达到以上目的,本发明实施例提供了一种对飞行状态进行监控的方法,如图2所示,该方法包括:
S101、终端获取运动物体的飞行状态信息;
为了方便说明,本发明实施例以赛鸽为例进行讲解。
本发明实施例中,终端可以是智能可穿戴设备,如智能足环等。可绑在赛鸽的腿上,智能足环可包括GPS定位模块、加速度计、心率检测计等传感装置,GPS定位模块可获取赛鸽的三维地理位置信息,即经度、纬度和海拔等信息。加速度计可获取该赛鸽的速度信息,而心率检测计则可记录赛鸽的心率数据。此外,为了节约成本,智能足环还包括一单片机,单片机包含CPU、RAM、ROM、BUS总线和I/O接口等。其I/O接口与传感装置相连,用于实时获取传感装置发送的数据及控制传感装置。此外,智能足环还可以包括射频模块,可通过该模块实时将飞行状态信息或正常/异常状态信息反馈给网络系统(网络系统如服务器,云端等)。
本发明实施例中,为了节省数据的发送量,可以将获取飞行状态信息及检测飞行状态信息分为两个不同的时间周期。例如,终端可以在第一周期内获取所述运动物体的飞行状态信息并存储;可以在第二周期判断该飞行状态信息正常与否。则,第一周期内终端无需与网络系统进行通信,只需要在第二周期的某一时刻将飞行状态信息或正常/异常状态标识发送给服务器即可。
S102、所述终端判断所述飞行状态信息是否满足预设条件,若所述飞行状态不满足所述预设条件,则判断所述飞行状态为异常状态,并发送所述飞行状态信息至网络系统。
可选地,S102中,若检测到飞行状态异常,则可加快检测飞行状态的频率,即,缩短第一周期的时间,直到下一次判断出飞行状态正常时,恢复第一周期的时间。
此外,若判断飞行状态信息满足所述预设条件,则判断所述运动物体飞行状态正常,并发送飞行状态正常标识至网络系统。即,只需要将状态正常的信息反馈网络系统,从而省去了发送大量飞行状态数据的过程,节约了网络空口资源。
飞行状态信息可包括速度信息和/或飞行高度信息,S102中的判断步骤具体可以为:
所述终端判断所述速度信息是否低于或高于预设的速度阈值,若是,则判断所述运动物体飞行状态异常;
和/或,
所述终端判断所述飞行高度信息是否低于或高于预设的高度阈值,若是,则判断所述运动物体飞行状态异常。
例如,赛鸽飞行时,速度过快会有增大身体负荷的风险,速度过慢可有可能是赛鸽身体出现异常,飞不动了。而飞行高度则从另外一个侧面对赛鸽进行分析,例如赛鸽飞行过于高,则有可能会有危险,若过低,则可能因为身体状态导致飞行越来越低,也需要防范。因此,对于过高或过低,需要将该运动物体做异常标记,若一段时间内均是异常,则还需要呼叫急救中心,及时对赛鸽进行救治。
若飞行状态信息包括心率检测信息,则所S102的判断步骤具体为:
所述终端判断所述心率检测信息是否低于或高于预设的心率阈值,若是,则判断所述运动物体飞行状态异常。同理,若心跳过快或过慢,则认定该赛鸽的身体出现问题,做飞行状态异常处理。同时,可在比赛直播界面上将该赛鸽标记为异常赛鸽。
若所述飞行状态信息包括所述运动物体翅膀的扇动频率,则S101的获取飞行状态信息,具体可以为:
利用无人机通过摄像头捕获所述运动物体的飞行视频;无人机最大的优势在于跟拍,可在一定可视范围内对赛鸽进行跟踪拍摄,相比于地面上固定的摄像机而言,无人机可高清抓拍到赛鸽的比赛视频,从而可对赛鸽进行更加精细的图像分析。
所述无人机对所述飞行视频中每一帧图像进行检测,识别出每一帧图像中所述运动物体的翅膀轮廓;
所述无人机对所述每一帧图像中的翅膀轮廓进行跟踪,获取所述翅膀轮廓形状随时间变化的尺寸变化周期,从而确定所述运动物体在所述变化周期内的翅膀扇动频率;
将所述翅膀扇动频率数据发送至所述终端。
其中,在步骤“无人机对所述每一帧图像中的翅膀轮廓进行跟踪,获取所述翅膀轮廓形状随时间变化的尺寸变化周期”,具体可以为:
获取一帧图像,对所述帧图像进行识别,识别出所述运动物体的翅膀轮廓;
获取所述帧图像的相邻连续帧图像的变化率,根据所述变化率对所帧图像的背景图像进行更新;
从所述帧图像减去更新后的背景图像,以获得所述帧图像的前景图像,对所述前景图像进行二值化,从所述二值化后的前景图像中获取连续变化的翅膀轮廓,计算所述翅膀轮廓形状随时间变化的尺寸变化周期。
优选地,考虑到天空中云彩、天气本身变化等对检测带来的影响,因此,在对赛鸽进行检测时,首先获取当前帧图像相对于预设数量的相邻连续帧图像的变化率,根据该变化率对帧图像进行更新,并采用图像差分分析算法,识别出背景区域,将帧图像减去该背景区域即可得到前景图像。对所述前景图像进行二值化,采用深度神经网络技术,可从所述二值化后的前景图像中获取连续变化的翅膀轮廓,对该连续变化的翅膀轮廓数据进行平滑滤波,并进行傅里叶变换,即可获取到波普的多个谱矩阵,根据所个谱矩阵计算每个波普的平均频率,根据计算得到的平均频率对应的时间点,对该平均扇动频率进行排序,以得到平均频率序列,该频率序列即为该赛鸽的翅膀扇动频率。
本发明实施例中,获取运动物体的飞行状态信息,并判断该飞行状态是否异常,若该飞行状态异常,则将所述飞行状态上报至网络系统,解决了现有技术中无法对运动物体飞行状态进行检测的问题。此外,将获取状态及检测状态分为两个不同周期,延长了数据的发送时间,一定程度上减少了数据的吞吐量,同时,在检测到状态正常时无需发送大量的数据,只需要发送正常的标识即可,节省了数据流量,降低了资源使用率。此外,针对不同的飞行状态,例如速度、高度、心率检测及翅膀扇动频率等,其检测机制也不同,丰富的检测机制保证了可以全方位检测赛鸽的飞行状态,从而为赛鸽的身体状态提供更可靠的预判,提高了观赏体验
本发明实施例还提供了一种装置,该装置包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,所述处理器用于运行所述计算机程序时执行上述对飞行状态进行监控的方法。
本发明实施例还提供了一种存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述对飞行状态进行监控的方法。
图3是本发明实施例提供的一种装置结构示意图。该装置200可以包括一个或一个以上中央处理器(central processing units,CPU)210(例如,一个或一个以上处理器)和存储器220,一个或一个以上存储应用程序222或数据224的存储介质230(例如一个或一个以上海量存储设备)。其中,存储器220和存储介质230可以是短暂存储或持久存储。存储在存储介质230的程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对装置中的一系列指令操作。更进一步地,中央处理器210可以设置为与存储介质220通信,在装置200上执行存储介质230中的一系列指令操作。装置200还可以包括一个或一个以上电源240,一个或一个以上有线或无线网络接口250,一个或一个以上输入输出接口260,上述方法实施例所执行的步骤可以基于该图3所示的装置结构。
应理解,在本申请的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
应理解,在本申请的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本说明书的各个部分均采用递进的方式进行描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点介绍的都是与其他实施例不同之处。尤其,对于装置和装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例部分的说明即可。
最后,需要说明的是:以上所述仅为本申请技术方案的较佳实施例而已,并非用于限定本申请的保护范围。显然,本领域技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种对飞行状态进行监控的方法,其特征在于,包括:
终端获取运动物体的飞行状态信息;
所述终端判断所述飞行状态信息是否满足预设条件,若所述飞行状态不满足所述预设条件,则判断所述飞行状态为异常状态,并发送所述飞行状态信息至网络系统。
2.根据权利要求1所述的方法,其特征在于,所述终端获取运动物体的飞行状态信息,包括:
所述终端在第一周期内获取所述运动物体的飞行状态信息并存储;
则所述终端判断所述飞行状态信息是否满足预设条件,包括:
所述终端在第二周期内判断所述飞行状态信息是否满足预设条件。
3.根据权利要求2所述的方法,其特征在于,所述判断所述飞行状态为异常状态后,所述方法还包括:
缩短所述第一周期。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若判断所述飞行状态信息满足所述预设条件,则判断所述运动物体飞行状态正常,并发送飞行状态正常标识至网络系统。
5.根据权利要求1所述的方法,其特征在于,所述飞行状态信息包括速度信息和/或飞行高度信息,则所述终端判断所述飞行状态信息是否满足预设条件,包括:
所述终端判断所述速度信息是否低于或高于预设的速度阈值,若是,则判断所述运动物体飞行状态异常;
和/或,
所述终端判断所述飞行高度信息是否低于或高于预设的高度阈值,若是,则判断所述运动物体飞行状态异常。
6.根据权利要求1所述的方法,其特征在于,所述飞行状态信息包括心率检测信息,则所述终端判断所述飞行状态信息是否满足预设条件,包括:
所述终端判断所述心率检测信息是否低于或高于预设的心率阈值,若是,则判断所述运动物体飞行状态异常。
7.根据权利要求1所述的方法,其特征在于,所述飞行状态信息包括所述运动物体翅膀的扇动频率,则所述终端获取运动物体的飞行状态信息,包括:
无人机通过摄像头捕获所述运动物体的飞行视频;
所述无人机对所述飞行视频中每一帧图像进行检测,识别出每一帧图像中所述运动物体的翅膀轮廓;
所述无人机对所述每一帧图像中的翅膀轮廓进行跟踪,获取所述翅膀轮廓形状随时间变化的尺寸变化周期,从而确定所述运动物体在所述变化周期内的翅膀扇动频率;
将所述翅膀扇动频率数据发送至所述终端。
8.根据权利要求7所述的方法,其特征在于,所述无人机对所述每一帧图像中的翅膀轮廓进行跟踪,获取所述翅膀轮廓形状随时间变化的尺寸变化周期,包括:
获取一帧图像,对所述帧图像进行识别,识别出所述运动物体的翅膀轮廓;
获取所述帧图像的相邻连续帧图像的变化率,根据所述变化率对所帧图像的背景图像进行更新;
从所述帧图像减去更新后的背景图像,以获得所述帧图像的前景图像,对所述前景图像进行二值化,从所述二值化后的前景图像中获取连续变化的翅膀轮廓,计算所述翅膀轮廓形状随时间变化的尺寸变化周期。
9.一种飞行状态显示的装置,其特征在于,所述装置包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,所述处理器用于运行所述计算机程序时,执行权利要求1至8任一项所述的对飞行状态进行监控的方法。
10.一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,该计算机可执行指令用于执行权利要求1至8任一项所述的对飞行状态进行监控的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811372280.3A CN109523572A (zh) | 2018-11-16 | 2018-11-16 | 一种对飞行状态进行监控的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811372280.3A CN109523572A (zh) | 2018-11-16 | 2018-11-16 | 一种对飞行状态进行监控的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109523572A true CN109523572A (zh) | 2019-03-26 |
Family
ID=65778322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811372280.3A Pending CN109523572A (zh) | 2018-11-16 | 2018-11-16 | 一种对飞行状态进行监控的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523572A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062092A (zh) * | 2019-12-25 | 2020-04-24 | 中国人民解放军陆军航空兵学院陆军航空兵研究所 | 一种直升机飞行谱编制方法和装置 |
-
2018
- 2018-11-16 CN CN201811372280.3A patent/CN109523572A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062092A (zh) * | 2019-12-25 | 2020-04-24 | 中国人民解放军陆军航空兵学院陆军航空兵研究所 | 一种直升机飞行谱编制方法和装置 |
CN111062092B (zh) * | 2019-12-25 | 2023-11-03 | 中国人民解放军陆军航空兵学院陆军航空兵研究所 | 一种直升机飞行谱编制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al-Thani et al. | Drones for sheep livestock monitoring | |
CN111326023A (zh) | 一种无人机航线预警方法、装置、设备及存储介质 | |
CN108093038A (zh) | 一种机场鸟情智能探测防控装置、系统及方法 | |
CN111325048B (zh) | 一种人员聚集检测方法和装置 | |
Shen et al. | Person tracking and frontal face capture with uav | |
CN108163203B (zh) | 一种拍摄控制方法、装置及飞行器 | |
CN109584213A (zh) | 一种多目标编号选定跟踪方法 | |
CN106056624A (zh) | 无人机高清图像小目标检测与跟踪系统及其检测跟踪方法 | |
CN111709372A (zh) | 驱鸟方法、装置、计算机设备及存储介质 | |
WO2022021027A1 (zh) | 目标跟踪方法、装置、无人机、系统及可读存储介质 | |
CN107403481A (zh) | 用于无人飞行器的信息交互系统及信息采集装置 | |
CN106295695A (zh) | 一种飞机起降过程自动追踪拍摄方法及装置 | |
CN107608374A (zh) | 基于飞行器的放牧装置及系统 | |
CN109523572A (zh) | 一种对飞行状态进行监控的方法及装置 | |
CN104007733A (zh) | 一种对农业集约化生产进行监控的系统及方法 | |
CN106981169B (zh) | 一种低头族骑车安全监测与警告方法 | |
CN112084945A (zh) | 主动式驱鸟方法、装置、计算机设备及存储介质 | |
CN115649501A (zh) | 一种无人机夜行照明系统及方法 | |
CN114170295A (zh) | 一种基于混合视觉的高空抛物检测方法及装置 | |
CN106412507A (zh) | 人员流量的智能监控方法和系统 | |
CN112955712A (zh) | 目标跟踪方法、设备及存储介质 | |
CN107909024A (zh) | 基于图像识别和红外避障的车辆跟踪系统、方法及车辆 | |
CN109331454A (zh) | 一种赛况实时显示的方法及装置 | |
KR102364615B1 (ko) | 무인 비행체의 비행을 위한 경로를 결정하고 무인 비행체를 제어하는 방법 및 장치 | |
CN109669180A (zh) | 一种连续波雷达无人机检测方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190326 |
|
WD01 | Invention patent application deemed withdrawn after publication |