CN111611897A - 一种基于相机网络的无人机侦测系统及方法 - Google Patents
一种基于相机网络的无人机侦测系统及方法 Download PDFInfo
- Publication number
- CN111611897A CN111611897A CN202010413140.7A CN202010413140A CN111611897A CN 111611897 A CN111611897 A CN 111611897A CN 202010413140 A CN202010413140 A CN 202010413140A CN 111611897 A CN111611897 A CN 111611897A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- camera
- airspace
- image
- 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
Images
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
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及本发明涉及信息处理技术,与图像识别技术相结合,应用于无人机侦测领域,具体涉及一种基于相机网络的无人机侦测系统及方法,具体的,系统包括相机网络、数据库服务器、交换机和云服务器,在运行时,由相机主动获取的图像为根据,进行分析识别空域内的无人机和干扰物,从而进行预警;本发明以图像识别的方式判断无人机是否跨越电子围栏,不以无人机自身提供的定位信息做依据,保妥了对无人机定位信息的依赖,因此可应用于识别所有种类的无人机,应用的范围更广,真正解决了无人机的侦察和预警问题。
Description
技术领域
本发明涉及信息处理技术,与图像识别技术相结合,应用于无人机侦测领域,具体涉及一种基于相机网络的无人机侦测系统及方法。
背景技术
如今科学技术飞速发展,无人机技术日新月异,各类应用于工业、农业、娱乐、军事等的无人机层出不穷。因为无人机数量的与日俱增,对空域的管理也显得尤为重要,现今以电子围栏的方式将空域划分为不同区域,当无人机在空中飞行时,通过其所在的区域和飞行趋势,可判断其所在的电子围栏以及运动走向,这样能够提高空域的管理效率,提前进行航线规划,减少飞行事故发生。
通常情况下,电子围栏的边际通过经纬度进行限定,根据无人机当前的经纬度坐标,可快速识别出无人机所在的电子围栏,并根据无人机的飞行权限判别其是否越界,并发出提醒或警告。而获取无人机的坐标需要通过其自身搭载的经纬定位装置,部分未搭载经纬定位装置的无人机则不能提供其自身的具体定位信息,空域管理系统无法准确获知其位置,故不能通过电子围栏的界限对其发出预警和警告。
现有的无人机侦测系统,只能对可提供定位信息的无人机进行监控和侦测,不能对无自身定位信息的无人机进行监测,导致侦测系统的应用十分局限,不能从根本上解决无人机的侦测问题。因此,针对现有的侦测系统存在的不足,还需要提出更为合理的技术方案,解决现有技术中存在的技术问题。
发明内容
本发明提供一种基于相机网络的无人机侦测系统,通过相机组成的拍摄网络,对相机网络覆盖范围内的空域进行拍摄,通过图像识别的方式,识别进入空域内的无人机,实现无自身定位信息的无人机的侦测。
为了实现上述效果,本发明采用技术方案为:
一种基于相机网络的无人机侦测系统,包括:
相机网络,包括若干用于拍摄的相机,相机的拍摄镜头指向无人机飞行的空域;
数据库服务器,数据库服务器的数量与相机的数量相等并一一匹配对应;
交换机,用于将相机与数据库服务器匹配连接,交换机的接收端与相机连接且交换机的接收端和发射端均连接至数据库服务器;
云服务器,所述的云服务器与数据库服务器通信连接。
上述公开的无人机侦测系统,利用相机网络实时对空域进行拍摄,获取空域内的高清图像,并通过数据库服务器进行数据处理分析,对图像内的无人机和干扰物进行识别,以确定相机网络内是否存在无人机,以及无人机所处的电子围栏位置;数据库服务器通过交换机将识别到的信息传输至云服务器,云服务器判别后可及时做出预警。
进一步的,相机均用于直接拍摄获取空域内的图像,因此相机按照设计的布局点进行安放,作为一种选择,此处举出可行的方案:所述的相机设置于空域内的指定地点,所有相机拍摄的画面拼接处理后得到空域范围的画面。
再进一步,空域内的指定地点,一般包括高楼、空旷地面等没有高处遮挡物的地点,如此设置后相机经过拍摄得到的图像不含固定干扰信息。
再进一步,设置相机网络时,为了使空域内的所有区域得到覆盖,将相机的拍摄范围进行联系设计,使得拍摄的图像可拼接成完整的空域景象,因此对相机的布设进行优化,作为一种选择,举出如下的方案:在焦距相同时,相邻位置相机的拍摄范围相互层叠。
上述内容对无人机侦测系统进行了描述和说明,本发明还公开了一种基于相机网络的无人机侦测方法,其基于上述无人机侦测系统运行,可具体实现无人机的侦测和识别。具体如下:
一种基于相机网络的无人机侦测方法,包括:
布置相机网络,配置每台相机对应的空域信息;
相机以变焦距的形式周期性获取空域内的图像;
对图像进行处理后得到图像信息,将图像信息与相机的空域信息进行匹配并通过网络传输;
若确认图像信息内包含无人机,则根据与该图像信息匹配的空域信息发送捕获信号;若确认图像信息内不包含无人机,则根据与该图像信息匹配的空域信息发送未捕获信号并直接删除此图像;否则发送疑似信号进行交互处理,直至确认包含无人机或不包含无人机;
根据收到的捕获信号判断无人机所在的空域,发出预警或报警。
通过设置好相机网络和对应的服务器、交换机能设备,组成了整个侦测系统,侦测系统在运行时,按照自动捕捉、识别和预警的原则持续工作;并能够对无效信息进行过滤和删除,以保证系统的运行稳定性和侦测效率。
进一步的,上述方法中提到的相机工作方式为:所述的相机以变焦距的形式周期性获取空域内的图像,其中相机以0.2Hz~0.3Hz的频率逐渐增长其焦距或缩短其焦距。这样设置的意义在于,通过改变相机的焦距,能够拍摄到不同距离的画面,其中近景拍摄能够捕捉到飞行高度较低的无人机或干扰物,远景拍摄能够捕捉到飞行高度较高的无人机或者干扰物,对于飞行高度不定的无人机和干扰物也能够捕捉并识别出其高度的不定,这样能够从多张捕捉图像中获取到最容易识别的文件,提高识别的准确率。
进一步的,相机得到图像后,需要进行后续的处理和识别,因此具体的处理与识别交由数据库服务器来实现,作为一种选择,此处举出可行的方案:所述的对图像进行处理后得到图像信息,将图像信息与相机的空域信息进行匹配并通过网络传输;其中由数据库服务器对图像进行识别处理,判断图像中存在无人机或不存在无人机。
再进一步,由于无人机的形态、构造多种多样,空域内的图像除了无人机还会有其他干扰物,只有将无人机与干扰物明确区分和识别才能提高侦测的准确度,故在此对数据库服务器进行优化,使其具备高度可靠的识别能力,作为一种选择,此处举出可行的方案:侦测方法中还包括对数据库服务器进行训练,通过预置的图像信息训练数据库服务器,使数据库服务器能够自发匹配识别图像信息中的无人机和干扰物。通过机器学习能够让数据库服务器掌握多种无人机和干扰物的数据,在对相机捕获的图像进行识别时,根据机器学习的内容进行对比可提高判断的准确率。
具体的,对数据库服务器进行训练,包括将若干含有无人机和/或干扰物的图像进行区分标记,并传输至数据库服务器进行存储和学习。
进一步的,图像中包含无人机和/或干扰物时,数据库服务器进行直接的第一轮判断并产生信号,具体包括如下几种:所述的若确认图像信息内包含无人机,则根据与该图像信息匹配的空域信息发送捕获信号;若确认图像信息内不包含无人机,则根据与该图像信息匹配的空域信息发送未捕获信号并直接删除此图像;否则发送疑似信号进行交互处理,直至确认包含无人机或不包含无人机;其中,数据库服务器通过训练后形成特征对比文件,以特征对比文件对图像中的无人机和干扰物进行识别,并将识别结果与对应图像共同传输至云服务器。
再进一步,对相机获取图像的过程进行优化,从而可以额外通过图像的拼接将整个空域情景进行还原。故作为一种选择,此处举出可行的方案:所有的相机以相同的频率同步增长焦距或缩短焦距,当多张图像中均包含有无人机时,以占图像面积最大的图像的位置信息对应的空域作为无人机的侵入空域。同时,在某一焦距下,相机捕获的图像清晰度最高,对于图像中的无人机和干扰物的识别度最高,也可采用该焦距下的图像的位置信息所对应的空域作为无人机的侵入空域。
图像的位置信息,即指相机对应的侦测空域的地理位置信息,还包括相机的编号等用于区别其他相机和空域的唯一确认的信息。
与现有技术相比,本发明的有益效果为:
本发明公开的侦测系统和侦测方法,由相机主动获取的图像为根据,进行分析识别空域内的无人机和干扰物,从而进行预警;本发明以图像识别的方式判断无人机是否跨越电子围栏,不以无人机自身提供的定位信息做依据,保妥了对无人机定位信息的依赖,因此可应用于识别所有种类的无人机,应用的范围更广,真正解决了无人机的侦察和预警问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅表示出了本发明的部分实施例,因此不应看作是对范围的限定,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它相关的附图。
图1是无人机侦测系统的组成示意图;
图2是无人机侦测方法的步骤示意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步阐释。
在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
本文使用的术语仅用于描述特定实施例,并且不意在限制本发明的示例实施例。如本文所使用的,单数形式“一”、“一个”以及“该”意在包括复数形式,除非上下文明确指示相反意思。还应当理解术语“包括”、“包括了”、“包含”、和/或“包含了”当在本文中使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
还应当注意到在一些备选实施例中,所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统,以避免用不必要的细节来使得示例不清楚。在其他实施例中,可以不以非必要的细节来示出众所周知的过程、结构和技术,以避免使得示例实施例不清楚。
实施例1
如图1所示,本实施例公开了一种基于相机网络的无人机侦测系统,包括:
相机网络,包括若干用于拍摄的相机,相机的拍摄镜头指向无人机飞行的空域;
数据库服务器,数据库服务器的数量与相机的数量相等并一一匹配对应;
交换机,用于将相机与数据库服务器匹配连接,交换机的接收端与相机连接且交换机的接收端和发射端均连接至数据库服务器;
云服务器,所述的云服务器与数据库服务器通信连接。
上述公开的无人机侦测系统,利用相机网络实时对空域进行拍摄,获取空域内的高清图像,并通过数据库服务器进行数据处理分析,对图像内的无人机和干扰物进行识别,以确定相机网络内是否存在无人机,以及无人机所处的电子围栏位置;数据库服务器通过交换机将识别到的信息传输至云服务器,云服务器判别后可及时做出预警。
优选的,本实施例中的数据库服务器和云服务器均可采用单独的计算机。
相机均用于直接拍摄获取空域内的图像,因此相机按照设计的布局点进行安放,作为一种选择,此处举出可行的方案:所述的相机设置于空域内的指定地点,所有相机拍摄的画面拼接处理后得到空域范围的画面。
空域内的指定地点,一般包括高楼、空旷地面等没有高处遮挡物的地点,如此设置后相机经过拍摄得到的图像不含固定干扰信息。
设置相机网络时,为了使空域内的所有区域得到覆盖,将相机的拍摄范围进行联系设计,使得拍摄的图像可拼接成完整的空域景象,因此对相机的布设进行优化,作为一种选择,举出如下的方案:在焦距相同时,相邻位置相机的拍摄范围相互层叠。
优选的,本实施例描述的相机,实际上指网络摄像头,并且可通过网络进行远程控制拍照。能够控制网络摄像头进行拍照的方式很多,其中可通过控制软件实现,有些可采用的控制软件包括摄像头厂家提供,或网络共享软件、开源软件。比如:IP Camera Viewer就是一种可用于网络摄像头拍照的软件
图像处理软件是指自行开发的基于OpenCV计算机视觉开源库而开发的机器学习、图像识别程序。利用OpenCV开源库中的支持向量机模块(Support Vector Machine,SVM),可以完成机器学习和图像识别功能。
基于OpenCV计算机视觉开源库开发的图像识别程序,首先需要给计算机提供大量包含和不包含无人机的学习样本图片,让程序分析这些图片的特征,最后得到一个特征文件,结束机器学习。此后,如果给程序输入一张新照片,它就可以根据特征文件来识别新照片中是否有无人机。机器学习过程是事先完成的,且只需要学习一次,学习样本照片越多,识别时的准确率越高。机器学习属于现有的技术,已经广泛推广运营,因此此处就不对具体如何训练的过程进行赘述。
实施例2
如图2所示,实施例1对无人机侦测系统进行了描述和说明,本实施例公开了一种基于相机网络的无人机侦测方法,其基于上述无人机侦测系统运行,可具体实现无人机的侦测和识别。具体如下:
一种基于相机网络的无人机侦测方法,包括:
布置相机网络,配置每台相机对应的空域信息;
相机以变焦距的形式周期性获取空域内的图像;
对图像进行处理后得到图像信息,将图像信息与相机的空域信息进行匹配并通过网络传输;
若确认图像信息内包含无人机,则根据与该图像信息匹配的空域信息发送捕获信号;若确认图像信息内不包含无人机,则根据与该图像信息匹配的空域信息发送未捕获信号并直接删除此图像;否则发送疑似信号进行交互处理,直至确认包含无人机或不包含无人机;此处的交互处理,可采用人工介入的方式,确认图像中是否捕捉到无人机;
根据收到的捕获信号判断无人机所在的空域,发出预警或报警。
通过设置好相机网络和对应的服务器、交换机能设备,组成了整个侦测系统,侦测系统在运行时,按照自动捕捉、识别和预警的原则持续工作;并能够对无效信息进行过滤和删除,以保证系统的运行稳定性和侦测效率。
上述方法中提到的相机工作方式为:所述的相机以变焦距的形式周期性获取空域内的图像,其中相机以0.2Hz~0.3Hz的频率逐渐增长其焦距或缩短其焦距。这样设置的意义在于,通过改变相机的焦距,能够拍摄到不同距离的画面,其中近景拍摄能够捕捉到飞行高度较低的无人机或干扰物,远景拍摄能够捕捉到飞行高度较高的无人机或者干扰物,对于飞行高度不定的无人机和干扰物也能够捕捉并识别出其高度的不定,这样能够从多张捕捉图像中获取到最容易识别的文件,提高识别的准确率。
相机得到图像后,需要进行后续的处理和识别,因此具体的处理与识别交由数据库服务器来实现,作为一种选择,此处举出可行的方案:所述的对图像进行处理后得到图像信息,将图像信息与相机的空域信息进行匹配并通过网络传输;其中由数据库服务器对图像进行识别处理,判断图像中存在无人机或不存在无人机。
由于无人机的形态、构造多种多样,空域内的图像除了无人机还会有其他干扰物,只有将无人机与干扰物明确区分和识别才能提高侦测的准确度,故在此对数据库服务器进行优化,使其具备高度可靠的识别能力,作为一种选择,此处举出可行的方案:侦测方法中还包括对数据库服务器进行训练,通过预置的图像信息训练数据库服务器,使数据库服务器能够自发匹配识别图像信息中的无人机和干扰物。通过机器学习能够让数据库服务器掌握多种无人机和干扰物的数据,在对相机捕获的图像进行识别时,根据机器学习的内容进行对比可提高判断的准确率。
具体的,对数据库服务器进行训练,包括将若干含有无人机和/或干扰物的图像进行区分标记,并传输至数据库服务器进行存储和学习。
图像中包含无人机和/或干扰物时,数据库服务器进行直接的第一轮判断并产生信号,具体包括如下几种:所述的若确认图像信息内包含无人机,则根据与该图像信息匹配的空域信息发送捕获信号;若确认图像信息内不包含无人机,则根据与该图像信息匹配的空域信息发送未捕获信号并直接删除此图像;否则发送疑似信号进行交互处理,直至确认包含无人机或不包含无人机;其中,数据库服务器通过训练后形成特征对比文件,以特征对比文件对图像中的无人机和干扰物进行识别,并将识别结果与对应图像以传输控制协议(Transmission Control Protocol,TCP)形式共同传输至云服务器。
对相机获取图像的过程进行优化,从而可以额外通过图像的拼接将整个空域情景进行还原。故作为一种选择,此处举出可行的方案:所有的相机以相同的频率同步增长焦距或缩短焦距,当多张图像中均包含有无人机时,以占图像面积最大的图像的位置信息对应的空域作为无人机的侵入空域。同时,在某一焦距下,相机捕获的图像清晰度最高,对于图像中的无人机和干扰物的识别度最高,也可采用该焦距下的图像的位置信息所对应的空域作为无人机的侵入空域。
图像的位置信息,即指相机对应的侦测空域的地理位置信息,还包括相机的编号等用于区别其他相机和空域的唯一确认的信息。
以上即为本发明列举的实施方式,但本发明不局限于上述可选的实施方式,本领域技术人员可根据上述方式相互任意组合得到其他多种实施方式,任何人在本发明的启示下都可得出其他各种形式的实施方式。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (10)
1.一种基于相机网络的无人机侦测系统,其特征在于,包括:
相机网络,包括若干用于拍摄的相机,相机的拍摄镜头指向无人机飞行的空域;
数据库服务器,数据库服务器的数量与相机的数量相等并一一匹配对应;
交换机,用于将相机与数据库服务器匹配连接,交换机的接收端与相机连接且交换机的接收端和发射端均连接至数据库服务器;
云服务器,所述的云服务器与数据库服务器通信连接。
2.根据权利要求1所述的基于相机网络的无人机侦测系统,其特征在于:所述的相机设置于空域内的指定地点,所有相机拍摄的画面拼接处理后得到空域范围的画面。
3.根据权利要求2所述的基于相机网络的无人机侦测系统,其特征在于:相邻位置相机的拍摄范围相互层叠。
4.一种基于相机网络的无人机侦测方法,其特征在于,包括:
布置相机网络,配置每台相机对应的空域信息;
相机以变焦距的形式周期性获取空域内的图像;
对图像进行处理后得到图像信息,将图像信息与相机的空域信息进行匹配并通过网络传输;
若确认图像信息内包含无人机,则根据与该图像信息匹配的空域信息发送捕获信号;若确认图像信息内不包含无人机,则根据与该图像信息匹配的空域信息发送未捕获信号并直接删除此图像;否则发送疑似信号进行交互处理,直至确认包含无人机或不包含无人机;
根据收到的捕获信号判断无人机所在的空域,发出预警或报警。
5.根据权利要求4所述的基于相机网络的无人机侦测方法,其特征在于:所述的相机以变焦距的形式周期性获取空域内的图像,其中相机以0.2Hz~0.3Hz的频率逐渐增长其焦距或缩短其焦距。
6.根据权利要求4所述的基于相机网络的无人机侦测方法,其特征在于:所述的对图像进行处理后得到图像信息,将图像信息与相机的空域信息进行匹配并通过网络传输;其中由数据库服务器对图像进行识别处理,判断图像中存在无人机或不存在无人机。
7.根据权利要求4所述的基于相机网络的无人机侦测方法,其特征在于:还包括对数据库服务器进行训练,通过预置的图像信息训练数据库服务器,使数据库服务器能够自发匹配识别图像信息中的无人机和干扰物。
8.根据权利要求7所述的基于相机网络的无人机侦测方法,其特征在于:所述的若确认图像信息内包含无人机,则根据与该图像信息匹配的空域信息发送捕获信号;若确认图像信息内不包含无人机,则根据与该图像信息匹配的空域信息发送未捕获信号并直接删除此图像;否则发送疑似信号进行交互处理,直至确认包含无人机或不包含无人机;其中,数据库服务器通过训练后形成特征对比文件,以特征对比文件对图像中的无人机和干扰物进行识别,并将识别结果与对应图像共同传输至云服务器。
9.根据权利要求8所述的基于相机网络的无人机侦测方法,其特征在于:对数据库服务器进行训练,包括将若干含有无人机和/或干扰物的图像进行区分标记,并传输至数据库服务器进行存储和学习。
10.根据权利要求4~9中任一项所述的基于相机网络的无人机侦测方法,其特征在于:所有的相机以相同的频率同步增长焦距或缩短焦距,当多张图像中均包含有无人机时,以占图像面积最大的图像的位置信息对应的空域作为无人机的侵入空域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010413140.7A CN111611897A (zh) | 2020-05-15 | 2020-05-15 | 一种基于相机网络的无人机侦测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010413140.7A CN111611897A (zh) | 2020-05-15 | 2020-05-15 | 一种基于相机网络的无人机侦测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111611897A true CN111611897A (zh) | 2020-09-01 |
Family
ID=72201928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010413140.7A Pending CN111611897A (zh) | 2020-05-15 | 2020-05-15 | 一种基于相机网络的无人机侦测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111611897A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569813A (zh) * | 2021-09-05 | 2021-10-29 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种基于服务器端的智能化图像识别系统及方法 |
-
2020
- 2020-05-15 CN CN202010413140.7A patent/CN111611897A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569813A (zh) * | 2021-09-05 | 2021-10-29 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种基于服务器端的智能化图像识别系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108496129B (zh) | 一种基于飞行器的设施检测方法及控制设备 | |
CN108521808B (zh) | 一种障碍信息显示方法、显示装置、无人机及系统 | |
US11371851B2 (en) | Method and system for determining landmarks in an environment of a vehicle | |
CN112050810B (zh) | 一种基于计算机视觉的室内定位导航方法及系统 | |
KR101634878B1 (ko) | 무인 비행체의 군집 비행을 이용한 항공 영상 정합 장치 및 방법 | |
RU2746090C2 (ru) | Система и способ защиты от беспилотных летательных аппаратов в воздушном пространстве населенного пункта | |
KR102177655B1 (ko) | Mvs 기반의 무인항공기를 갖춘 객체 추적 시스템 | |
US9922049B2 (en) | Information processing device, method of processing information, and program for processing information | |
EP2867873B1 (en) | Surveillance process and apparatus | |
RU2755603C2 (ru) | Система и способ обнаружения и противодействия беспилотным летательным аппаратам | |
CN111667089A (zh) | 智能防灾系统及智能防灾方法 | |
CN110719444A (zh) | 多传感器融合的全方位监控与智能摄像方法与系统 | |
CN107783555B (zh) | 一种基于无人机的目标定位方法、装置及系统 | |
CN113286081B (zh) | 机场全景视频的目标识别方法、装置、设备及介质 | |
CN113759961A (zh) | 基于无人机ai巡检控制的输电线路全景巡检方法及系统 | |
Nahar et al. | Autonomous UAV forced graffiti detection and removal system based on machine learning | |
WO2020211593A1 (zh) | 交通道路的数字化重建方法、装置和系统 | |
CN112041862A (zh) | 用于通过自主车辆进行乘客识别的方法和车辆系统 | |
CN112000124A (zh) | 一种应用于电网的无人机巡检方法 | |
CN108881846B (zh) | 信息融合方法、装置及计算机可读存储介质 | |
CN111611897A (zh) | 一种基于相机网络的无人机侦测系统及方法 | |
CN108195359B (zh) | 空间数据的采集方法及系统 | |
KR102203292B1 (ko) | Cctv 겸용 드론을 이용한 cctv 감시 시스템 | |
CN113454558A (zh) | 障碍物检测方法、装置、无人机和存储介质 | |
US11210957B2 (en) | Systems and methods for generating views of unmanned aerial vehicles |
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 |