CN110705524B - 一种基于视觉的特定区域无人机监控方法及装置 - Google Patents

一种基于视觉的特定区域无人机监控方法及装置 Download PDF

Info

Publication number
CN110705524B
CN110705524B CN201911014972.5A CN201911014972A CN110705524B CN 110705524 B CN110705524 B CN 110705524B CN 201911014972 A CN201911014972 A CN 201911014972A CN 110705524 B CN110705524 B CN 110705524B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
image acquisition
monitoring
acquisition device
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
Application number
CN201911014972.5A
Other languages
English (en)
Other versions
CN110705524A (zh
Inventor
叶永俊
屈莉莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan University
Original Assignee
Foshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan University filed Critical Foshan University
Priority to CN201911014972.5A priority Critical patent/CN110705524B/zh
Publication of CN110705524A publication Critical patent/CN110705524A/zh
Application granted granted Critical
Publication of CN110705524B publication Critical patent/CN110705524B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明涉及无人机监控技术领域，具体涉及一种基于视觉的特定区域无人机监控方法及装置，首先获取监控区域，设置所述监控区域中图像采集装置的位置和方向，进而获取所述图像采集装置实时采集的图像，根据所述图像实时检测所述监控区域是否存在无人机，当检测到所述监控区域存在无人机时，控制多个所述图像采集装置协作完成对所述无人机的监控追踪，本发明通过提高检测信息的完整度，能够将无人机的运动信息全部检测出来。

Description

一种基于视觉的特定区域无人机监控方法及装置
技术领域
本发明涉及无人机监控技术领域，具体涉及一种基于视觉的特定区域无人机监控方法及装置。
背景技术
低空轻小型无人机机型多、装备分散、缺乏统一管理。且飞行高度低、速度慢、体积小、没有安装大型无人机的通信应答设备，无法使用传统的空管方式，给民航等正常飞行任务带来严重威胁，随着无人机飞行应用的快速发展，迫切需要对飞行作业的安全管理。
无人机围栏可以阻挡即将侵入特定区域的航空器，在相应电子地理范围中划出特定区域，并配合飞行控制系统保障区域安全，让无人机不能“想飞就飞”，近年来在保障空域上起到了积极的作用。
利用无人机视频图像检测运动目标，难点在于如何提高检测信息的完整度，能够将无人机的运动信息全部检测出来。
发明内容
为解决上述问题，本发明提供一种基于视觉的特定区域无人机监控方法及装置，通过提高检测信息的完整度，能够将无人机的运动信息全部检测出来。
本发明为了实现上述发明目的，采用如下技术方案：
一种基于视觉的特定区域无人机监控方法，包括：
获取监控区域，设置所述监控区域中图像采集装置的位置和方向；
实时获取图像采集装置采集的图像，根据所述图像采集装置采集的图像判断所述监控区域是否存在无人机；
当所述监控区域存在无人机时，控制多个所述图像采集装置协作完成对所述无人机的监控追踪。
进一步地，所述设置所述监控区域中图像采集装置的位置和方向包括：
将监控区域划分为多个相连的四边形网格，所述四边形网格的边长为所述图像采集装置的监测距离的两倍；
将每个所述四边形网格的顶角作为图像采集装置的安装位置，将相邻顶角上的图像采集装置相对设置，使得多个所述四边形网格形成连通的监控区域。
进一步地，所述根据所述图像采集装置采集的图像判断所述监控区域是否存在无人机包括：
采用R-SSD检测算法判断所述图像是否包含无人机的特征轮廓；
当所述图像包含无人机的特征轮廓时，则判断所述监控区域有无人机。
进一步地，所述控制多个所述图像采集装置协作完成对所述无人机的监控追踪包括：
将多个所述图像采集装置构建为分布式智能系统，建立所述分布式智能系统的信息交互机制；
当任一所述图像采集装置检测到无人机时，触发该任一所述的图像采集装置对所述无人机进行监控追踪，并在所述分布式智能系统内广播搜寻成功的消息；
当任一所述图像采集装置检测到视场内的无人机消失时，触发该任一所述的图像采集装置在所述分布式智能系统内广播查询无人机监控情况的消息。
一种基于视觉的特定区域无人机监控装置，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的模块中：
图像采集装置设定模块，用于获取监控区域，设置所述监控区域中图像采集装置的位置和方向；
无人机检测模块，用于实时获取图像采集装置采集的图像，根据所述图像采集装置采集的图像判断所述监控区域是否存在无人机；
无人机追踪模块，用于当所述监控区域存在无人机时，控制多个所述图像采集装置协作完成对所述无人机的监控追踪。
进一步地，所述图像采集装置设定模块包括：
监控区域划分模块，用于将监控区域划分为多个相连的四边形网格，所述四边形网格的边长为所述图像采集装置的监测距离的两倍；
安装位置和方向设定模块，用于将每个所述四边形网格的顶角作为图像采集装置的安装位置，将相邻顶角上的图像采集装置相对设置，使得多个所述四边形网格形成连通的监控区域。
进一步地，所述无人机检测模块用于：
采用R-SSD检测算法判断所述图像是否包含无人机的特征轮廓；
当所述图像包含无人机的特征轮廓时，则判断所述监控区域有无人机。
进一步地，所述无人机追踪模块包括：
系统构建模块，用于将多个所述图像采集装置构建为分布式智能系统，建立所述分布式智能系统的信息交互机制；
监控追踪模块，用于当任一所述图像采集装置检测到无人机时，触发该任一所述的图像采集装置对所述无人机进行监控追踪，并在所述分布式智能系统内广播搜寻成功的消息；
结果查询模块，用于当任一所述图像采集装置检测到视场内的无人机消失时，触发该任一所述的图像采集装置在所述分布式智能系统内广播查询无人机监控情况的消息。
本发明的有益效果是：本发明公开一种基于视觉的特定区域无人机监控方法及装置，所述方法为：首先获取监控区域，设置所述监控区域中图像采集装置的位置和方向，进而获取所述图像采集装置实时采集的图像，根据所述图像实时检测所述监控区域是否存在无人机，当检测到所述监控区域存在无人机时，控制多个所述图像采集装置协作完成对所述无人机的监控追踪。本发明通过提高检测信息的完整度，能够将无人机的运动信息全部检测出来。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一种基于视觉的特定区域无人机监控方法的流程示意图；
图2是本发明实施例步骤S300的流程示意图；
图3是本发明实施例基于视觉的特定区域无人机监控装置的结构框图；
图4是本发明实施例图像采集装置设定模块的结构框图；
图5是本发明实施例无人机追踪模块的结构框图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示，图1为本实施例提供的一种基于视觉的特定区域无人机监控方法，包括以下步骤：
步骤S100、获取监控区域，设置所述监控区域中图像采集装置的位置和方向；
步骤S200、实时获取图像采集装置采集的图像，根据所述图像采集装置采集的图像判断所述监控区域是否存在无人机。
本实施例的步骤可以理解为，所述图像采集装置作为无人机监控系统的检测装置，监测监控区域内是否存在无人机。
步骤S300、当所述监控区域存在无人机时，控制多个所述图像采集装置协作完成对所述无人机的监控追踪。
本实施例的步骤可以理解为，所述图像采集装置作为无人机跟踪装置，通过控制多个无人机跟踪装置完成对监控区域内无人机的追踪。
本实施例首先获取监控区域，设置所述监控区域中图像采集装置的位置和方向，方便采集所述监控区域的完整图像信息，进而获取所述图像采集装置实时采集的图像，根据所述图像实时检测所述监控区域是否存在无人机，可以对所述监控区域进行全局图像识别，通过控制多个所述图像采集装置协作完成对所述无人机的监控追踪，可以对形成联动效应，从而对所述监控区域形成无死角的监控，本实施例提供的技术方案通过提高检测信息的完整度，能够将无人机的运动信息全部检测出来。
在一个实施例中，所述步骤S100包括：
获取监控区域，将所述监控区域划分为多个相连的四边形网格，所述四边形网格的边长为所述图像采集装置的监测距离的两倍；
将每个所述四边形网格的顶角作为图像采集装置的安装位置，将相邻顶角上的图像采集装置相对设置，使得多个所述四边形网格形成连通的监控区域。
在一个优选的实施例中，以四个摄像头为一组，形成与水平面平行的正方形，假设每个摄像头的监测距离为100米，则根据摄像头的监测距离合理配置围栏长度，所述正变形的边长为200米。从而对无人机围栏区域形成无死角监控。
在选用摄像头时，由于不同型号的摄像头的有效距离可以不一致，所述四边形网格可以为长方形、菱形，作为一个优选，本实施例选用型号一致的摄像头作为图像采集装置，则所述四边形网格为标准的正方形围栏，正方形围栏便于对无人机检测的算法进行优化，提高无人机检测的完整度和速度。
在一个优选的实施例中，所述步骤S200中根据所述图像实时检测所述监控区域是否存在无人机的步骤包括：采用R-SSD检测算法判断所述图像是否包含无人机的特征轮廓；当所述图像是否包含无人机的特征轮廓时，则判断所述监控区域检测到无人机。
R-SSD物体检测算法适用于对小尺寸目标的检测，具有较快的检测速度，较高的位置准确率和较低的漏检率；
在一个实施例中，首先采集50000～500000张图像，对所述图像进行数据增强；从而提高图像的清晰度和对比度，便于后续检测图像中的无人机特征。
具体可基于深度卷积生成对抗网络深度卷积生成对抗网络(Deep-Convolutional-Generative-Adversarial-Networks，DCGAN)，对所述图像进行数据增强。
接着，将增强后的图像输入R-SSD物体检测算法进行训练，得到R-SSD物体检测模型；训练得到的R-SSD物体检测模型可以更好更快检测出特定区域中的无人机特征。
R-SSD物体检测模型一方面利用分类网络增加不同层之间特征图的联系，减少重复框的出现；另一方面增加特征金字塔网络中特征图的个数，使其可以检测更多的小尺寸物体。
最后，判断所述图像是否包含无人机的特征轮廓，当所述图像包含无人机的特征轮廓时，则判断所述监控区域检测到无人机。
本实施例中，所述无人机的特征轮廓预先存储在数据库中，所述无人机的特征轮廓可根据实际情况收集现有的无人机的轮廓特征。
参考图2，在一个优选的实施例中，所述步骤S300中控制多个所述图像采集装置协作完成对所述无人机的监控追踪的步骤包括：
步骤S310、将多个所述图像采集装置构建为分布式智能系统，建立所述分布式智能系统的信息交互机制；
本实施例中，所述信息交互机制采用FIPA(The Foundation for IntelligentPhysical Agents，智能物理代理基金会)制订的协议标准。FIPA是一个由活跃在智能代理领域的公司和学术机构组成的国际组织，其目标是为异构的智能代理系统和移动智能代理系统之间能够互操作而制订相关的软件标准。
在一个实施例中，采用JADE建立所述分布式智能系统的信息交互机制，JADE(JavaAgent Development Framework，Java智能体开发框架)是基于Java语言的智能代理开发框架，是一种开放源代码的自由软件。JADE是多智能代理开发框架，遵循FIPA规范。
步骤S320、当检测到所述监控区域存在无人机时，获取检测到无人机的图像采集装置；
步骤S330、触发所述图像采集装置对所述无人机进行监控追踪，并在所述分布式智能系统内广播搜寻成功的消息。
在一个优选的实施例中，对所述无人机进行监控追踪的方法为SiamRPN++算法。SiamRPN++算法通过在图像训练过程中加入位置均衡的采样策略。通过修改采样策略来缓解网络在训练过程中的存在的位置偏见问题，让深网络能够发挥出应有的效果。采用SiamRPN++算法便于实现对无人机的在线实时跟踪。
步骤S340、判断所述图像采集装置视场内的无人机是否消失，若否，跳转到步骤S330，若是，值执行以下步骤；
步骤S350、触发该任一所述的图像采集装置在所述分布式智能系统内广播查询无人机监控情况的消息。
本实施例所述的无人机监控情况包括所述分布式智能系统是否检测到无人机，以及当检测到无人机时，检测到所述无人机的图像采集装置。
参考图3，本实施例还提供一种基于视觉的特定区域无人机监控装置，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的模块中：
图像采集装置设定模块100，用于获取监控区域，设置所述监控区域中图像采集装置的位置和方向；
无人机检测模块200，用于实时获取图像采集装置采集的图像，根据所述图像采集装置采集的图像判断所述监控区域是否存在无人机；
无人机追踪模块300，用于当检测到所述监控区域存在无人机时，控制多个所述图像采集装置协作完成对所述无人机的监控追踪。
参考图4，在一个优选的实施例中，所述图像采集装置设定模块100包括：
监控区域划分模块110，用于将监控区域划分为多个相连的四边形网格，所述四边形网格的边长为所述图像采集装置的监测距离的两倍；
安装位置和方向设定模块120，用于将每个所述四边形网格的顶角作为图像采集装置的安装位置，将相邻顶角上的图像采集装置相对设置，使得多个所述四边形网格形成连通的监控区域。
在一个优选的实施例中，所述无人机检测模块200具体用于：
采用R-SSD检测算法判断所述图像是否包含无人机的特征轮廓；
当所述图像包含无人机的特征轮廓时，则判断所述监控区域有无人机。
参考图5，在一个优选的实施例中，所述无人机追踪模块300包括：
系统构建模块310，用于将多个所述图像采集装置构建为分布式智能系统，建立所述分布式智能系统的信息交互机制；
监控追踪模块320，用于当任一所述图像采集装置检测到无人机时，触发该任一所述的图像采集装置对所述无人机进行监控追踪，并在所述分布式智能系统内广播搜寻成功的消息；
结果查询模块330，用于当任一所述图像采集装置检测到视场内的无人机消失时，触发该任一所述的图像采集装置在所述分布式智能系统内广播查询无人机监控情况的消息。
所述基于视觉的特定区域无人机监控装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述基于视觉的特定区域无人机监控装置，可运行的装置可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是基于视觉的特定区域无人机监控装置的示例，并不构成对基于视觉的特定区域无人机监控装置的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述基于视觉的特定区域无人机监控装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central-Processing-Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital-Signal-Processor，DSP)、专用集成电路(Application-Specific-Integrated-Circuit，ASIC)、现场可编程门阵列(Field-Programmable-Gate-Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述基于视觉的特定区域无人机监控装置运行装置的控制中心，利用各种接口和线路连接整个基于视觉的特定区域无人机监控装置可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述基于视觉的特定区域无人机监控装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart-Media-Card，SMC)，安全数字(Secure-Digital，SD)卡，闪存卡(Flash-Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (2)

1.一种基于视觉的特定区域无人机监控方法，其特征在于，包括：
获取监控区域，设置所述监控区域中图像采集装置的位置和方向；
实时获取图像采集装置采集的图像，根据所述图像采集装置采集的图像判断所述监控区域是否存在无人机；
当所述监控区域存在无人机时，控制多个所述图像采集装置协作完成对所述无人机的监控追踪；
所述设置所述监控区域中图像采集装置的位置和方向包括：
将监控区域划分为多个相连的四边形网格，所述四边形网格的边长为所述图像采集装置的监测距离的两倍；
将每个所述四边形网格的顶角作为图像采集装置的安装位置，将相邻顶角上的图像采集装置相对设置，使得多个所述四边形网格形成连通的监控区域；
所述根据所述图像采集装置采集的图像判断所述监控区域是否存在无人机包括：采用R-SSD检测算法判断所述图像是否包含无人机的特征轮廓；当所述图像包含无人机的特征轮廓时，则判断所述监控区域有无人机；
具体地，采集50000～500000张图像，基于深度卷积生成对抗网络对所述图像进行数据增强；将增强后的图像输入R-SSD物体检测算法进行训练，得到R-SSD物体检测模型；采用训练得到的R-SSD物体检测模型检测出特定区域是否包含无人机的特征轮廓；
所述控制多个所述图像采集装置协作完成对所述无人机的监控追踪包括：
步骤S310、将多个所述图像采集装置构建为分布式智能系统，采用JADE建立所述分布式智能系统的信息交互机制；
步骤S320、当检测到所述监控区域存在无人机时，获取检测到无人机的图像采集装置；
步骤S330、触发所述图像采集装置对所述无人机进行监控追踪，并在所述分布式智能系统内广播搜寻成功的消息；其中，对所述无人机进行监控追踪的方法为SiamRPN++算法；
步骤S340、判断所述图像采集装置视场内的无人机是否消失，若否，跳转到步骤S330，若是，则执行步骤S350；
步骤S350、触发任一所述的图像采集装置在所述分布式智能系统内广播查询无人机监控情况的消息。
2.一种基于视觉的特定区域无人机监控装置，其特征在于，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的模块中：
图像采集装置设定模块，用于获取监控区域，设置所述监控区域中图像采集装置的位置和方向；
无人机检测模块，用于实时获取图像采集装置采集的图像，根据所述图像采集装置采集的图像判断所述监控区域是否存在无人机；
无人机追踪模块，用于当所述监控区域存在无人机时，控制多个所述图像采集装置协作完成对所述无人机的监控追踪；
所述图像采集装置设定模块包括：
监控区域划分模块，用于将监控区域划分为多个相连的四边形网格，所述四边形网格的边长为所述图像采集装置的监测距离的两倍；
安装位置和方向设定模块，用于将每个所述四边形网格的顶角作为图像采集装置的安装位置，将相邻顶角上的图像采集装置相对设置，使得多个所述四边形网格形成连通的监控区域；
所述无人机检测模块用于：
采用R-SSD检测算法判断所述图像是否包含无人机的特征轮廓；
当所述图像包含无人机的特征轮廓时，则判断所述监控区域有无人机；
所述无人机追踪模块包括：
系统构建模块，用于将多个所述图像采集装置构建为分布式智能系统，建立所述分布式智能系统的信息交互机制；
监控追踪模块，用于当任一所述图像采集装置检测到无人机时，触发该任一所述的图像采集装置对所述无人机进行监控追踪，并在所述分布式智能系统内广播搜寻成功的消息；
结果查询模块，用于当任一所述图像采集装置检测到视场内的无人机消失时，触发该任一所述的图像采集装置在所述分布式智能系统内广播查询无人机监控情况的消息。
CN201911014972.5A 2019-10-24 2019-10-24 一种基于视觉的特定区域无人机监控方法及装置 Active CN110705524B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911014972.5A CN110705524B (zh) 2019-10-24 2019-10-24 一种基于视觉的特定区域无人机监控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911014972.5A CN110705524B (zh) 2019-10-24 2019-10-24 一种基于视觉的特定区域无人机监控方法及装置

Publications (2)

Publication Number Publication Date
CN110705524A CN110705524A (zh) 2020-01-17
CN110705524B true CN110705524B (zh) 2023-12-29

Family

ID=69201074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911014972.5A Active CN110705524B (zh) 2019-10-24 2019-10-24 一种基于视觉的特定区域无人机监控方法及装置

Country Status (1)

Country Link
CN (1) CN110705524B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400371A (zh) * 2013-07-09 2013-11-20 河海大学 一种多摄像头协同监控设备及方法
CN106060465A (zh) * 2016-06-20 2016-10-26 陈�胜 基于电子地图和视频监控的动态目标追踪系统及追踪方法
CN106205217A (zh) * 2016-06-24 2016-12-07 华中科技大学 基于机器视觉的无人机自动检测方法及无人机管制方法
CN106707296A (zh) * 2017-01-09 2017-05-24 华中科技大学 一种基于双孔径光电成像系统的无人机检测与识别方法
CN106991700A (zh) * 2017-04-20 2017-07-28 佛山科学技术学院 一种无人机目标位置锁定和追踪装置及其方法
CN107016690A (zh) * 2017-03-06 2017-08-04 浙江大学 基于视觉的无人机入侵检测与识别系统及方法
WO2018127452A1 (en) * 2017-01-05 2018-07-12 Novelty Aps Surveillance method, drone, mobile device, surveillance system, data carrier
CN108574828A (zh) * 2018-04-27 2018-09-25 杭州捍鹰科技有限公司 无人机探测方法、装置及电子设备
CN109919968A (zh) * 2018-12-30 2019-06-21 中国科学院软件研究所 一种用于监控无人机的目标检测与部件识别系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120271461A1 (en) * 2011-04-20 2012-10-25 Spata Gregory P Capturing environmental information
JP2018026792A (ja) * 2016-07-28 2018-02-15 パナソニックＩｐマネジメント株式会社 無人飛行体検知システム及び無人飛行体検知方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400371A (zh) * 2013-07-09 2013-11-20 河海大学 一种多摄像头协同监控设备及方法
CN106060465A (zh) * 2016-06-20 2016-10-26 陈�胜 基于电子地图和视频监控的动态目标追踪系统及追踪方法
CN106205217A (zh) * 2016-06-24 2016-12-07 华中科技大学 基于机器视觉的无人机自动检测方法及无人机管制方法
WO2018127452A1 (en) * 2017-01-05 2018-07-12 Novelty Aps Surveillance method, drone, mobile device, surveillance system, data carrier
CN106707296A (zh) * 2017-01-09 2017-05-24 华中科技大学 一种基于双孔径光电成像系统的无人机检测与识别方法
CN107016690A (zh) * 2017-03-06 2017-08-04 浙江大学 基于视觉的无人机入侵检测与识别系统及方法
CN106991700A (zh) * 2017-04-20 2017-07-28 佛山科学技术学院 一种无人机目标位置锁定和追踪装置及其方法
CN108574828A (zh) * 2018-04-27 2018-09-25 杭州捍鹰科技有限公司 无人机探测方法、装置及电子设备
CN109919968A (zh) * 2018-12-30 2019-06-21 中国科学院软件研究所 一种用于监控无人机的目标检测与部件识别系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于无线通信网络的无人机监控系统设计;张佳;《自动化与仪表》;第32卷(第5期);第22-25页 *

Also Published As

Publication number Publication date
CN110705524A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
EP3643015B1 (en) Temporal graph system to facilitate network data flow analytics
US10922527B2 (en) Face spatial positioning method, face spatial positioning system, and non-transitory computer-readable recording medium
CN104106260A (zh) 基于地理图的控制
EP3940665A1 (en) Detection method for traffic anomaly event, apparatus, program and medium
JP2012518846A (ja) 異常挙動を予測するためのシステムおよび方法
CN110659391A (zh) 一种视频侦查方法及装置
US20220044558A1 (en) Method and device for generating a digital representation of traffic on a road
US10945888B2 (en) Intelligent blind guide method and apparatus
US10911747B1 (en) Systems and methods for utilizing modeling to automatically determine configuration parameters for cameras
CN114218992B (zh) 异常对象的检测方法及相关装置
US20220035003A1 (en) Method and apparatus for high-confidence people classification, change detection, and nuisance alarm rejection based on shape classifier using 3d point cloud data
CN114091515A (zh) 障碍物检测方法、装置、电子设备和存储介质
CN112884801B (zh) 高空抛物检测方法、装置、设备和存储介质
CN110705524B (zh) 一种基于视觉的特定区域无人机监控方法及装置
JP7463463B2 (ja) 作業地形検出方法、装置及び作業地形を検出するための工事機器
CN116824128A (zh) 目标检测方法、装置、电子设备及存储介质
WO2023049387A1 (en) System and method for reducing surveillance detection errors
JPWO2019093297A1 (ja) 情報処理装置、制御方法、及びプログラム
CN117058510B (zh) 一种基于空间计算的多源安防数据融合方法和系统
CN117474983B (zh) 一种基于光视联动的预警方法以及相关装置
WO2024146501A1 (zh) 一种区域监控方法及其相关装置
CN113313764B (zh) 定位方法、装置、电子设备和存储介质
CN118189934B (zh) 地图更新方法、装置、计算机设备和存储介质
CN117805801A (zh) 一种灾情监测方法、装置及电子设备
CN118799814A (zh) 基于分布式监控系统的图像处理方法、装置和终端设备

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No.33 Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province

Patentee after: Foshan University

Country or region after: China

Address before: No.33 Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province

Patentee before: FOSHAN University

Country or region before: China