CN111638728A - 一种基于车载无人机的快速大范围人群聚集情况监控方法 - Google Patents
一种基于车载无人机的快速大范围人群聚集情况监控方法 Download PDFInfo
- Publication number
- CN111638728A CN111638728A CN202010555134.5A CN202010555134A CN111638728A CN 111638728 A CN111638728 A CN 111638728A CN 202010555134 A CN202010555134 A CN 202010555134A CN 111638728 A CN111638728 A CN 111638728A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- vehicle
- gathering
- aggregation
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002776 aggregation Effects 0.000 claims abstract description 64
- 238000004220 aggregation Methods 0.000 claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 230000033001 locomotion Effects 0.000 claims abstract description 12
- 230000002265 prevention Effects 0.000 claims abstract description 11
- 238000003909 pattern recognition Methods 0.000 claims abstract description 9
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 239000006185 dispersion Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000032683 aging Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000001550 time effect Effects 0.000 claims description 2
- 230000036962 time dependent Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 2
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
针对疫情下社区露天公共场所防控中监控人群聚集的工作，提出了一种基于车载无人机的快速大范围人群聚集情况监控方法，包括使用传感器收集移动物体运动数据，划分待监控地区为若干可能出现聚集的任务子区域，使用车辆运载无人机到达子区域；放飞红外测温无人机，扫描子区域，初步标记疑似聚集地点；规划检测无人机飞行路径对疑似聚集点进行图像数据采集；对采集的图像数据处理任务计算高效的分配方案，联合无人机、车辆和调度中心的计算能力进行模式识别，从中筛选出待驱散地点；最后人工控制带有摄像和播音设备的无人机到达待驱散地点观察并驱散人群。相比现有监控方法，本方法扩大监控范围，减轻防控人员工作负担，减少出现监控盲点的可能性。
Description
技术领域
本发明涉及疫情防控、无人机检测与调度和边缘计算等领域，具体涉及一种基于车载无人机的快速大范围人群聚集情况监控方法。
背景技术
新冠疫情防控工作中，社区(和农村)检测和控制公共场所人群聚集情况已经成为一个重要而又极其繁琐的工作。为了减轻防控工作人员的负担，不少社区(和农村)已经采用了无人机技术协助完成这项工作。现有的无人机人群聚集情况监控的方法是使用人工遥控无人机巡逻。现行方法的特点是，每台无人机必须至少一人遥控，通过无人机携带的摄像设备，人工分辨聚集情况。这种方法监控范围受到无人机续航能力的影响，监控范围十分有限。并且无人机的操作难度较高，相关工作人员需要耗费精力和时间接受专业技能培训，工作负担大而且人工监控容易有遗漏。
随着无人机技术的日渐成熟，不需要实时人工控制，只需要设定任务和飞行路线便可以自动执行的更加自动化的无人机出现。随着无人机红外测温技术的进步，目前使用无人机进行的测温精度误差可达±5-10％，也就是±0.05-0.1℃，而人体是否发烧的范围为1-2℃。从理论上来说，如果采用的红外设备技术过硬，是可以在较远距离较为精确的测量人的体温。同时，自动化的无人机也可以实施大范围红外扫描，进一步减小交叉感染的可能性。
发明内容
为了扩大公共场所人群聚集监控的范围，减轻防控人员工作负担，并且提高监控的及时性和准确性，本发明提出一种基于车载无人机的快速大范围人群聚集情况监控方法。
一种基于车载无人机的快速大范围人群聚集情况监控方法，其步骤为：
S1，调度中心周期性地收集分散部署在任务区域内的传感器采集信息，主要包括移动物体运动数据；
S2，调度中心根据采集的信息移动物体运动数据预测具有时效约束的聚集区域，计算得到一系列待监测区域；
S3，调度中心根据当前车辆和无人机可用情况、待监测区域规模信息，计算需要派出的车辆、红外无人机和摄像无人机数量；调度中心计算得到优先级最高的区域，优先指派车辆与无人机到达优先级最高的待监测区域；
S4，调度中心使用路径规划算法规划携带有红外扫描装置的红外无人机的飞行路径，使得红外无人机红外扫描整个待监测区域，标记其中的高温点为疑似聚集点，将疑似聚集点坐标传回调度中心；
S5，调度中心根据疑似聚集点分布情况，计算携带摄像设备的摄像无人机的飞行路径，放飞摄像无人机对所有疑似聚集点进行视频拍摄；
S6，调度中心根据摄像无人机所采集视频数据量，利用无人机、车辆和调度中心计算能力分配图像识别任务，对视频数据执行人脸识别、行为识别的模式识别算法，并计算当前疑似聚集点坐标和预计聚集点坐标，将这些坐标传给调度中心；
S7，调度中心根据模式识别结果，判断各个当前疑似聚集点和预计聚集点的人群人数是否超过当地规定的最大聚集人数；如果超过最大聚集人数，则将改该聚集点坐标标记为待驱散聚集点；
S8，调度中心对每一个待驱散聚集点，调度安排由人工控制的携带播音设备和测温设备的驱散无人机前往，对人群进行播音驱散，在防控人员认为必要时，对聚集人员进行测温；判断所有带驱散聚集点是否完成处理，若仍存在待驱散聚集点，则重复S6，否则进行S9；
S9，判断当前待监测区域是否完全完成监控，如果不是，等待传感器数据并重新从S2开始执行，如果已经监控完所有的子区域，则执行S10；
S10，回收所有无人机，监控任务完成。
进一步地，步骤S1中的运动物体数据至少包含移动物体的数量、移动速度、移动方向的信息。
进一步地，步骤S2中，调度中心以时间窗口T为周期，所采集的数据、规划和调度方案具有时效约束，即其有效性均随时间增长而逐渐下降，在调度优化时为采集数据设置新鲜度指标，路径规划与调度方案的完成时间需为有效时间内可完成的，否则为无效的方案。
进一步地，步骤S2中的聚集区的约束时效指，从一次预测完成开始有效，到下一次预测时失效。任务子区域半径不得大于无人机最大工作半径。如果大于，就平分为两个任务子区域。两个任务子区域中心之间距离不得小于无人机最大工作半径，如果小于，就合并这两个子区域为一个大的任务子区域。
进一步地，步骤S3中，区域优先级根据聚集范围、预测人数、数据新鲜度的信息综合判断得出。
进一步地，步骤S4中的路径规划算法需要无人机的红外监测范围半径r1，无人机飞行速度v1和红外无人机的数量m1等信息，计算结果必须包括无人机飞行的速度、方向和飞行的高度。
进一步地，步骤S4中的高温点为，无人机远距离扫描粗略测温的结果在30到45摄氏度之间的地点，将其标定为疑似聚集点。
进一步地，步骤S5中的路径规划算法需要所有聚集地点的坐标、携带拍照设备的无人机数量m2、携带摄像设备的无人机的飞行速度v2信息；遍历所有可能的无人机经过疑似聚集点的顺序序列，找出时间消耗最小的序列，计算结果至少包含每台无人机经过疑似聚集点的顺序序列和飞行高度。
进一步地，步骤S6中模式识别算法计算出的数据至少要包含行人数量、运动速度和方向，预计聚集点指的是在时间t之后可能出现的聚集点，时间t是无人机从车辆出发，飞到这个地点所需要的时间。
进一步地，步骤S6中的计算任务分配过程为：车辆调度中心先计算每段视频在无人机和车辆上的计算时间T1、无人机与无人机之间传输视频的时延T2、无人机和车辆之间传输视频的时延T3；每架无人机上的一个视频计算任务有在本机计算、传输到附近无人机计算、传回车辆计算三种情况；分别计算视频在三种情况下计算所需要的时间，选取时间最短的的情况。
本发明的有益效果为：相比于传统无人机人群监控方法，本方法监控范围更大，工作人员负担更轻，技术人员培训的难度更低，监控更加全面，更不容易造成监控遗漏。
附图说明
图1为本发明实施例中调度中心的流程示意图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
一种基于车载无人机的快速大范围人群聚集情况监控方法，本实例根据南京仙林大学城的一次人群聚集监控情况举例，其步骤为：
S1，调度中心周期性地收集分散部署在任务区域内的传感器采集信息，主要包括移动物体运动数据。运动物体数据至少包含移动物体的数量、移动速度、移动方向的信息。开始时车辆处于空闲状态，接收传感器信息并进入步骤S2。
本实例中涉及到的基本工作参数如表1所示。
表1设备基本工作参数
S2，调度中心根据采集的信息移动物体运动数据预测具有时效约束的聚集区域，计算得到一系列待监测区域。调度中心以时间窗口T为周期，所采集的数据、规划和调度方案具有时效约束，即其有效性均随时间增长而逐渐下降，在调度优化时为采集数据设置新鲜度指标，路径规划与调度方案的完成时间需为有效时间内可完成的，否则为无效的方案。聚集区的约束时效指，从一次预测完成开始有效，到下一次预测时失效。任务子区域半径不得大于无人机最大工作半径。如果大于，就平分为两个任务子区域。两个任务子区域中心之间距离不得小于无人机最大工作半径，如果小于，就合并这两个子区域为一个大的任务子区域。
车辆调度中心接收这些信息，使用预测模块预测聚集区域，作为任务子区域。任务子区域在调度中心以<X,TAB>形式存储。其中X是表示当前车辆调度中心位置的向量。TAB是存储各个任务子区域基本信息的表，本例开始时TAB内容如表2所示。表中使用以车辆调度中心当前位置为极点的极坐标记录任务子区域位置。使用产生时间记录子区域产生的时间。
一次任务子区域划分的生命周期，从产生时间开始，到调度中心下一次产生新的子区域划分结束。从产生时间到截止时间的时间段内，区域是有效的。当新的预测结果到来时，使用新的划分结果更新旧表。
调度中心进行路径规划和计算调度时要考虑方案是否能在有效期内完成。当方案不能在有效期内完成的时候，则该方案作废。应当根据距离、规模和范围等因素，有选择的放弃一些待探测的区域。无法探测所有区域主要是受到资源的限制。通过选择次要区域限制，也能最大化检测效果。
例如，在使用携带摄像设备的无人机探测疑似聚集点时，如果路径规划产生的方案不能在有效期T内完成，则根据疑似聚集点和车辆的距离、可能聚集人数忽略一些距离比较远且人数较少的点。然后重新规划方案。
表2任务子区域信息
在此次预测中，P3任务子区域半径大于无人机最大工作半径。将其平分为两个任务子区域P3-1和P3-2，如表3所示表3更新后的任务子区域信息
S3，调度中心根据当前车辆和无人机可用情况、待监测区域规模信息，计算需要派出的车辆、红外无人机和摄像无人机数量；调度中心计算得到优先级最高的区域，优先指派车辆与无人机到达优先级最高的待监测区域。优先级代表区域需要监控的迫切程度。调度中心优先指派车辆前往更加迫切需要防控的子区域。区域优先级根据聚集范围、预测人数、数据新鲜度的信息综合判断得出。本实施例中综合评估聚集的规模、范围和人数，来得到优先级。例中优先级使用表三中“估计的聚集人数”和“任务子区域半径”的平方的比值，即
来刻画。计算得，P1子区域的优先级更高，所以优先将车辆派往P1子区域。
S4，调度中心使用路径规划算法规划携带有红外扫描装置的红外无人机的飞行路径，使得红外无人机红外扫描整个子区域，标记其中的高温点为疑似聚集点，将疑似聚集点坐标传回调度中心。路径规划算法需要无人机的红外监测范围半径r1，无人机飞行速度v1和红外无人机的数量m1等信息，计算结果必须包括无人机飞行的速度、方向和飞行的高度。高温点为，无人机远距离扫描粗略测温的结果在30到45摄氏度之间的地点，将其标定为疑似聚集点。
本实施例中，车辆前往P1区域的中心地点。到达P1中心后，根据携带红外设备的无人机数量，P1子区域的大小和范围规划两台携带红外设备的无人机的路径。将路径信息输入无人机，然后放飞无人机。无人机按照规划好的路径进行红外扫描，当发现30-45摄氏度之间的疑似聚集点时，记录疑似聚集点坐标，并传回车辆调度中心。车辆调度中心维护疑似点信息表，如表4。表中记录疑似聚集点编号、温度信息和位置信息。
表4疑似聚集点信息
S5，调度中心根据疑似聚集点分布情况，计算携带摄像设备的摄像无人机的飞行路径，放飞摄像无人机对所有疑似聚集点进行视频拍摄。路径规划算法需要所有聚集地点的坐标、携带拍照设备的无人机数量m2、携带摄像设备的无人机的飞行速度v2信息；遍历所有可能的无人机经过疑似聚集点的顺序序列，找出时间消耗最小的序列，计算结果至少包含每台无人机经过疑似聚集点的顺序序列和飞行高度。
本实施例中，使用遍历算法规划携带摄像设备的无人机的飞行路径。放飞携带摄像设备的无人机对所有疑似聚集点进行视频拍摄。
遍历表4中所有疑似聚集点(Q1，Q2，Q3，Q4，Q5，……)的所有顺序序列，并计算无人机按照序列经过疑似聚集点消耗的飞行时间。使用二维数组Qmin存储两台携带摄像设备的无人机消耗时间最短的序列。如Qmin存储内容为O->Q2->Q3->Q1->->……->O，O->Q5->Q4->……->O。其中O代表车辆，也就是无人机起点和重点。则两台无人机分别按照上述两个序列的顺序经过疑似聚集点，并在经过疑似聚集点时拍摄视频。
S6，调度中心根据摄像无人机所采集视频数据量，利用无人机、车辆和调度中心计算能力分配图像识别任务，对视频数据执行人脸识别、行为识别的模式识别算法，并计算当前疑似聚集点坐标和预计聚集点坐标，将这些坐标传给调度中心。模式识别算法计算出的数据至少要包含行人数量、运动速度和方向，预计聚集点指的是在时间t之后可能出现的聚集点，时间t是无人机从车辆出发，飞到这个地点所需要的时间。计算任务分配过程为：车辆调度中心先计算每段视频在无人机和车辆上的计算时间T1、无人机与无人机之间传输视频的时延T2、无人机和车辆之间传输视频的时延T3；每架无人机上的一个视频计算任务有在本机计算、传输到附近无人机计算、传回车辆计算三种情况；分别计算视频在三种情况下计算所需要的时间，选取时间最短的的情况。
本实施例中，使用图像识别算法，所有无人机和车辆调度中心联合计算，识别视频中行人运动数据。并根据这些数据计算当前聚集点坐标和预计聚集点坐标。并将这些坐标传给车辆调度中心。
车辆调度中心先计算每段视频在无人机和车辆上的计算时间T1、无人机与无人机之间传输视频的时延T2、无人机和车辆之间传输视频的时延T3，对于每个视频计算任务形成一个<T1,T2,T3>的向量。无人机上的一个视频计算任务有在本机计算(Case1)、传输到附近无人机计算(Case2)、传回车辆计算(Case3)三种情况。分别计算视频在三种情况下计算所需要的时间。然后找出时间消耗最少的情况，按照这种情况进行任务分配。在车辆调度中心中形成一个任务分配表，如表5所示。表5第一行表示，Q1点拍摄的视频采用Case1——在本机计算的方式。
表5.视频计算任务分配表
| 疑似聚集点编号 | 采用的计算方式 |
| Q1 | Case1 |
| Q2 | Case2 |
| Q3 | Case3 |
| … | … |
调度中心根据视频中识别出来的行人数量、运动速度和方向等行人运动数据，形成表6所示的聚集点表。这一过程包括：
对所有疑似聚集点进行确认，将视频中识别行人数量不为0的点作为当前聚集点，将其坐标等信息加入表6；
根据当前聚集点中行人运动速度和方向等数据，对时间t之后可能出现的聚集点进行预测，标为预计聚集点并将其坐标等信息加入表7。时间t是指无人机从车辆出发，飞到这个地点所需要的时间；
例如，对于任务子区域P1疑似聚集点的确认与预测如表6和表7所示，当前聚集点和预计聚集点由极坐标标识，其中极坐标有两个参数，分别为以调度中心——车辆为极点构建的极坐标下的极径和角度。
表6当前聚集点表
表7.预计聚集点表
S7，调度中心根据模式识别结果，判断各个当前疑似聚集点和预计聚集点的人群人数是否超过当地规定的最大聚集人数；如果超过最大聚集人数，则将改该聚集点坐标标记为待驱散聚集点。
本实施例中，判断各个聚集点和预计聚集点人群人数是否超过当地规定的最大聚集人数。如果超过最大聚集人数。则将聚集点坐标加入待检测地点的集合V。由于本实施例中社区疫情严重，宣布禁止6人以上的聚集，最大聚集人数为6。所以除Q4，J3之外的四个点均加入集合V。V＝{Q2，Q5，J1，J2}
S8，调度中心对每一个待驱散聚集点，调度安排由人工控制的携带播音设备和测温设备的驱散无人机前往，对人群进行播音驱散，在防控人员认为必要时，对聚集人员进行测温。
本实施例中使用现在社区防控工作中普遍使用的大疆无人机加装播音设备的改进型号。无人机飞抵聚集点或预计聚集点后，工作人员根据无人机实时传回的录像观察现场聚集情况并对人群进行播音驱散。在防控人员认为必要时，可以选择性的对聚集人员进行测温。这是需要降低无人机高度，正对目标面部，用测温设备在2到5米的距离红外测温。
判断集合V是否已空，若仍存在为处理聚集点，则重复S6，否则进行S9
当工作人员对集合V内Q2，Q5，J1，J2四个点都进行了防控处理，当前子区域监控任务完成。
S9，判断当前完成监控的子区域是否为最后一个子区域。如果不是，等待传感器数据并重新从S2开始执行。如果已经监控完所有的子区域，则执行S10。
本实施例中，在执行完P1区域的防控任务后，车辆接收传感器的数据，更新任务子区域的划分，然后继续前往下一个优先级最高的任务子区域。当更新后的任务子区域都被之前监控过的区域覆盖，则执行S10。
S10，回收所有无人机，监控任务完成。
以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。
Claims (10)
1.一种基于车载无人机的快速大范围人群聚集情况监控方法，其特征在于：其步骤为：
S1，调度中心周期性地收集分散部署在任务区域内的传感器采集信息，主要包括移动物体运动数据；
S2，调度中心根据采集的信息移动物体运动数据预测具有时效约束的聚集区域，计算得到一系列待监测区域；
S3，调度中心根据当前车辆和无人机可用情况、待监测区域规模信息，计算需要派出的车辆、红外无人机和摄像无人机数量；调度中心计算得到优先级最高的区域，优先指派车辆与无人机到达优先级最高的待监测区域；
S4，调度中心使用路径规划算法规划携带有红外扫描装置的红外无人机的飞行路径，使得红外无人机红外扫描整个待监测区域，标记其中的高温点为疑似聚集点，将疑似聚集点坐标传回调度中心；
S5，调度中心根据疑似聚集点分布情况，计算携带摄像设备的摄像无人机的飞行路径，放飞摄像无人机对所有疑似聚集点进行视频拍摄；
S6，调度中心根据摄像无人机所采集视频数据量，利用无人机、车辆和调度中心计算能力分配图像识别任务，对视频数据执行人脸识别、行为识别的模式识别算法，并计算当前疑似聚集点坐标和预计聚集点坐标，将这些坐标传给调度中心；
S7，调度中心根据模式识别结果，判断各个当前疑似聚集点和预计聚集点的人群人数是否超过当地规定的最大聚集人数；如果超过最大聚集人数，则将改该聚集点坐标标记为待驱散聚集点；
S8，调度中心对每一个待驱散聚集点，调度安排由人工控制的携带播音设备和测温设备的驱散无人机前往，对人群进行播音驱散，在防控人员认为必要时，对聚集人员进行测温；判断所有带驱散聚集点是否完成处理，若仍存在待驱散聚集点，则重复S6，否则进行S9；
S9，判断当前待监测区域是否完全完成监控，如果不是，等待传感器数据并重新从S2开始执行，如果已经监控完所有的子区域，则执行S10；
S10，回收所有无人机，监控任务完成。
2.根据权利要求1所述的一种基于车载无人机的快速大范围人群聚集情况监控方法，其特征在于：步骤S1中的运动物体数据至少包含移动物体的数量、移动速度、移动方向的信息。
3.根据权利要求1所述的一种基于车载无人机的快速大范围人群聚集情况监控方法，其特征在于：步骤S2中，调度中心以时间窗口T为周期，所采集的数据、规划和调度方案具有时效约束，即其有效性均随时间增长而逐渐下降，在调度优化时为采集数据设置新鲜度指标，路径规划与调度方案的完成时间需为有效时间内可完成的，否则为无效的方案。
4.根据权利要求1所述的一种基于车载无人机的快速大范围人群聚集情况监控方法，其特征在于：步骤S2中的聚集区的约束时效指，从一次预测完成开始有效，到下一次预测时失效；任务子区域半径不得大于无人机最大工作半径；如果大于，就平分为两个任务子区域；两个任务子区域中心之间距离不得小于无人机最大工作半径，如果小于，就合并这两个子区域为一个大的任务子区域。
5.根据权利要求1所述的一种基于车载无人机的快速大范围人群聚集情况监控方法，其特征在于：步骤S3中，区域优先级根据聚集范围、预测人数、数据新鲜度的信息综合判断得出。
6.根据权利要求1所述的一种基于车载无人机的快速大范围人群聚集情况监控方法，其特征在于：步骤S4中的路径规划算法需要无人机的红外监测范围半径r1，无人机飞行速度v1和红外无人机的数量m1等信息，计算结果必须包括无人机飞行的速度、方向和飞行的高度。
7.根据权利要求1所述的一种基于车载无人机的快速大范围人群聚集情况监控方法，其特征在于：步骤S4中的高温点为，无人机远距离扫描粗略测温的结果在30到45摄氏度之间的地点，将其标定为疑似聚集点。
8.根据权利要求1所述的一种基于车载无人机的快速大范围人群聚集情况监控方法，其特征在于：步骤S5中的路径规划算法需要所有聚集地点的坐标、携带拍照设备的无人机数量m2、携带摄像设备的无人机的飞行速度v2信息；遍历所有可能的无人机经过疑似聚集点的顺序序列，找出时间消耗最小的序列，计算结果至少包含每台无人机经过疑似聚集点的顺序序列和飞行高度。
9.根据权利要求1所述的一种基于车载无人机的快速大范围人群聚集情况监控方法，其特征在于：步骤S6中模式识别算法计算出的数据至少要包含行人数量、运动速度和方向，预计聚集点指的是在时间t之后可能出现的聚集点，时间t是无人机从车辆出发，飞到这个地点所需要的时间。
10.根据权利要求1所述的一种基于车载无人机的快速大范围人群聚集情况监控方法，其特征在于：步骤S6中的计算任务分配过程为：车辆调度中心先计算每段视频在无人机和车辆上的计算时间T1、无人机与无人机之间传输视频的时延T2、无人机和车辆之间传输视频的时延T3；每架无人机上的一个视频计算任务有在本机计算、传输到附近无人机计算、传回车辆计算三种情况；分别计算视频在三种情况下计算所需要的时间，选取时间最短的的情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010555134.5A CN111638728B (zh) | 2020-06-17 | 2020-06-17 | 一种基于车载无人机的快速大范围人群聚集情况监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010555134.5A CN111638728B (zh) | 2020-06-17 | 2020-06-17 | 一种基于车载无人机的快速大范围人群聚集情况监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111638728A true CN111638728A (zh) | 2020-09-08 |
| CN111638728B CN111638728B (zh) | 2022-11-22 |
Family
ID=72332597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010555134.5A Active CN111638728B (zh) | 2020-06-17 | 2020-06-17 | 一种基于车载无人机的快速大范围人群聚集情况监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111638728B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112802412A (zh) * | 2020-12-31 | 2021-05-14 | 中国海洋大学 | 疫情中可搭载无人机昼夜通勤防聚集光雷达 |
| CN113095226A (zh) * | 2021-04-13 | 2021-07-09 | 南京邮电大学 | 一种基于双脑控制和隐私保护的无人机疫情预警方法、系统及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106663380A (zh) * | 2014-07-31 | 2017-05-10 | 埃米特·法里斯 | 用于控制无人机递送的系统及方法 |
| CN107247460A (zh) * | 2017-06-01 | 2017-10-13 | 三峡大学 | 一种机器蜜蜂的集群控制方法与系统 |
| CN107390711A (zh) * | 2017-09-08 | 2017-11-24 | 徐荣声 | 一种无人机监视侦察系统 |
| CN207360580U (zh) * | 2017-10-15 | 2018-05-15 | 天津飞眼无人机科技有限公司 | 无人机目标跟踪系统 |
| CN109819208A (zh) * | 2019-01-02 | 2019-05-28 | 江苏警官学院 | 一种基于人工智能动态监控的密集人群安防监控管理方法 |
-
2020
- 2020-06-17 CN CN202010555134.5A patent/CN111638728B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106663380A (zh) * | 2014-07-31 | 2017-05-10 | 埃米特·法里斯 | 用于控制无人机递送的系统及方法 |
| CN107247460A (zh) * | 2017-06-01 | 2017-10-13 | 三峡大学 | 一种机器蜜蜂的集群控制方法与系统 |
| CN107390711A (zh) * | 2017-09-08 | 2017-11-24 | 徐荣声 | 一种无人机监视侦察系统 |
| CN207360580U (zh) * | 2017-10-15 | 2018-05-15 | 天津飞眼无人机科技有限公司 | 无人机目标跟踪系统 |
| CN109819208A (zh) * | 2019-01-02 | 2019-05-28 | 江苏警官学院 | 一种基于人工智能动态监控的密集人群安防监控管理方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112802412A (zh) * | 2020-12-31 | 2021-05-14 | 中国海洋大学 | 疫情中可搭载无人机昼夜通勤防聚集光雷达 |
| CN113095226A (zh) * | 2021-04-13 | 2021-07-09 | 南京邮电大学 | 一种基于双脑控制和隐私保护的无人机疫情预警方法、系统及设备 |
| CN113095226B (zh) * | 2021-04-13 | 2022-07-22 | 南京邮电大学 | 一种基于双脑控制和隐私保护的无人机疫情预警方法、系统及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111638728B (zh) | 2022-11-22 |
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 | |
| Khan et al. | UAV-based traffic analysis: A universal guiding framework based on literature survey | |
| CN112465738B (zh) | 基于红外与可见光图像的光伏电站在线运维方法及系统 | |
| CN107514993B (zh) | 基于无人机的面向单体建筑建模的数据采集方法及系统 | |
| CN111638728B (zh) | 一种基于车载无人机的快速大范围人群聚集情况监控方法 | |
| JP2020097393A (ja) | 飛行体の飛行管理システム | |
| CN107992067A (zh) | 基于集成吊舱和ai技术的无人机巡检故障诊断系统 | |
| CN110703802A (zh) | 基于多无人机协同作业的桥梁自动检测方法及系统 | |
| CN108645769B (zh) | 一种基于无人机的环境空气质量监测方法 | |
| CN101968913B (zh) | 一种森林火灾区域的火焰跟踪方法 | |
| Kyrkou et al. | Optimized vision-directed deployment of UAVs for rapid traffic monitoring | |
| CN109976339B (zh) | 一种车载配网巡检数据采集方法与巡检系统 | |
| CN114706419A (zh) | 基于bim的工程现场无人机协同巡检调度方法、系统 | |
| CN110132242A (zh) | 多摄像机即时定位与地图构建的三角化方法及其运动体 | |
| CN117311395B (zh) | 用于河道内污染巡检的无人机路径规划方法及系统 | |
| CN111079722A (zh) | 一种吊装过程人员安全监测方法及系统 | |
| Seraj et al. | Safe coordination of human-robot firefighting teams | |
| Pinney et al. | Drone path planning and object detection via QR codes; a surrogate case study for wind turbine inspection | |
| CN116225071B (zh) | 一种基于无人机的智能建筑建造系统及其使用方法 | |
| CN115661245B (zh) | 一种基于无人机的大尺度火线瞬时定位方法 | |
| CN116754722A (zh) | 一种基于无人机实现碳排放监测的方法及系统 | |
| CN113780086B (zh) | 一种基于无人机的远程自然资源动态监测方法 | |
| Tan et al. | An adaptive crack inspection method for building surface based on BIM, UAV and edge computing | |
| CN117075633B (zh) | 一种无人机实战应用管理平台 | |
| Тимочко et al. | The method of planning the flight route of unmanned aerial vehicles while monitoring the behavior of dynamic objects in the forest-steppe area |
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 |