CN114756053A - 一种基于无人机的警务巡检方法、系统及存储介质 - Google Patents
一种基于无人机的警务巡检方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114756053A CN114756053A CN202210332710.9A CN202210332710A CN114756053A CN 114756053 A CN114756053 A CN 114756053A CN 202210332710 A CN202210332710 A CN 202210332710A CN 114756053 A CN114756053 A CN 114756053A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- information
- police
- personnel involved
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000007689 inspection Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 230000006399 behavior Effects 0.000 claims description 74
- 238000012549 training Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012508 change request Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 8
- 241001622623 Coeliadinae Species 0.000 abstract description 4
- 230000000903 blocking effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000013585 weight reducing agent Substances 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
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
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)
- Alarm Systems (AREA)
Abstract
本申请涉及无人机技术领域,尤其是涉及一种基于无人机的警务巡检方法、系统及存储介质,方法包括以下步骤:采集源于无人机的区域信息;根据区域信息判断对应区域是否出现治安警情;若区域存在治安警情,根据治安警情向对应的无人机发出关于采集涉事人员信息的跟踪请求;获取无人机所采集到关于涉事人员的实时跟踪视频信息;将实时跟踪视频信息发送至指挥中心平台。本申请获取区域信息并进行判断:若判断得出区域信息存在治安警情,则让无人机对涉事人员信息进行实时跟踪;将实时跟踪视频信息发送到指挥中心平台,有助于让指挥中心平台可以依据涉事人员的行动轨迹对应派遣警察进行围堵抓捕,有助于让治安警情得到及时控制,减少人员和财物的损失。
Description
技术领域
本申请涉及无人机技术领域,尤其是涉及一种基于无人机的警务巡检方法、系统及存储介质。
背景技术
警务通常指的是警察为了维持社会治安所需要完成的事务。常规的警务包括区域巡检等工作。区域巡检一般由警察采用步行方式或者使用机动车去完成。上述工作有助于及时发现区域内的违法犯罪活动,可以有效保护到当事人的利益,以及维持秩序。
然而常规的方式存在局限性。具体地,步行方式所覆盖的地理范围相对小,巡检的效果差。而机动车相比于步行方式来说,其覆盖的地理范围相对大,但是由于机动车只能在机动车道上行驶,在巡检方面被机动车道所限制。也对巡检的效果造成影响。因此,上述问题亟待解决。
发明内容
为了有效提高巡检的效果。本申请提供了一种基于无人机的警务巡检方法、系统及存储介质。
第一方面,本申请提供一种基于无人机的警务巡检方法,包括以下步骤:
采集源于无人机的区域信息;
根据所述区域信息判断对应区域是否出现治安警情;
若区域存在治安警情,根据所述治安警情向对应的无人机发出关于采集涉事人员信息的跟踪请求;
获取所述无人机所采集到关于涉事人员的实时跟踪视频信息;
将所述实时跟踪视频信息发送至指挥中心平台。
通过采用上述方案,本申请通过无人机在预设的区域进行飞行巡检,无人机按照预设的路径进行飞行的过程中,拍摄现场情况并形成区域信息,本申请可以采用云服务器作为管理控制器,管理控制器采集到区域信息后,对区域信息进行判断,若判断得出区域信息存在治安警情,则管理控制器向对应的无人机发出跟踪请求,让无人机对涉事人员信息进行实时跟踪,从而让管理控制器获取到实施跟踪视频信息,起到及时响应治安警情的作用;并且管理控制器将实时跟踪视频信息发送到指挥中心平台,有助于让指挥中心平台可以依据涉事人员的行动轨迹对应派遣警察进行围堵抓捕,有助于让治安警情得到及时控制,减少人员和财物的损失。
可选的,所述根据所述区域信息判断对应区域是否出现治安警情的具体步骤包括:
预设斗殴行为识别模型;
利用所述斗殴行为识别模型对区域信息进行分析;
若分析得出所述区域信息存在斗殴行为,则得出区域存在关于斗殴行为的治安险情。
通过采用上述方案,本申请采用深度学习的方式提高识别判断的精度,深度学习形成的斗殴行为识别模型,可以有效地分析区域信息中是否存在斗殴行为,达到自动判断的效果。
可选的,所述根据区域信息判断对应区域是否出现治安警情的具体步骤包括:
预设抢劫行为识别模型;
利用所述抢劫行为识别模型对区域信息进行分析;
若分析得出所述区域信息存在抢劫行为,则得出区域存在关于抢劫行为的治安险情。
通过采用上述方案,本申请采用深度学习的方式提高识别判断的精度,深度学习形成的抢劫行为识别模型,可以有效地分析区域信息中是否存在抢劫行为,达到自动判断的效果。
可选的,所述预设斗殴行为识别模型的具体步骤包括:
预设带有一个以上关于斗殴行为的视频信息作为斗殴行为训练视频;
从每一个所述斗殴行为训练视频中随机选取x秒长的y个片段,x、y均为正整数;
将所述片段随机裁剪成l×m×n的素材,形成抖动,并且以50%的概率随机翻转,形成数据集,其中l、m、n为正整数;
使用SGD优化器,让数据集进行优化迭代,迭代到达目标阈值后停止,从而形成预设斗殴行为识别模型。
通过采用上述方案,本申请预设训练视频作为样本素材,为预设斗殴行为模型提供样本素材进行训练;随机选取片段并且将片段裁剪成素材,可以优化处理的计算量,降低运算压力,对数据集进行优化迭代,有助于提高斗殴行为识别模型后续识别斗殴行为的精度。
可选的,所述利用斗殴行为识别模型对区域信息进行分析的具体步骤包括:
对所述区域信息进行3D卷积和池化处理;
将3D卷积和池化处理后的所述区域信息进行可视化,提取特征内容;
利用所述斗殴行为识别模型对所述特征内容进行对比分析,得出预测比例值,若所述预测比例值大于预设的第一比例阈值,得出所述区域信息存在斗殴行为。
通过采用上述方案,本申请通过3D卷积和池化处理对区域信息进行数据处理和数据简化,降低运算量,提高运行效率。通过斗殴行为识别模型对特征内容进行对比分析和数值的大小对比,从而让得出的判断结果更有依据,提高斗殴行为识别的可靠性。
可选的,所述获取所述无人机所采集到关于涉事人员的实时跟踪视频信息之后,还包括以下步骤:
根据所述实时跟踪视频信息判断所述涉事人员是否已乘坐车辆;
若所述涉事人员已乘坐车辆,向对应的无人机发出关于拍摄对应车辆车牌的车牌拍摄请求;
获取无人机所拍摄到的车牌图像信息;
基于导航定位系统以及所述车牌图像信息,跟踪并获取对应车辆的实时位置信息。
通过采用上述方案,本申请可以对涉事人员进行跟踪的延伸,有助于紧跟涉事人员的动态。
可选的,所述将所述实时跟踪视频信息发送至指挥中心平台之后,还包括以下步骤:
若涉事人员移动出对应无人机所预设飞行的区域,将涉事人员信息加密发送给相邻区域所设定的无人机。
通过采用上述方案,本申请克服区域的限制,通过无人机之间的接力跟踪,有效跟进涉事人员的动态,扩大了跟踪的范围。并且通过加密发送信息,有助于防止其他人员截取到涉事人员信息进行不法行为。提高信息传输的保密性、安全性和可靠性。
可选的,所述获取所述无人机所采集到关于涉事人员的实时跟踪视频信息之后,还包括以下步骤:
若涉事人员移动出对应无人机所预设飞行的区域,向对应无人机发出关于跟踪涉事人员的锁定跟踪请求;
向涉事人员当前所在区域的所预设的无人机发出关于切换区域飞行的飞行路径变换请求,让无跟踪任务的无人机飞到原始出现治安警情的区域进行补位飞行巡检。
通过采用上述方案,本申请可以让原先实施跟踪的无人机进行跨区域锁定跟踪,有助于防止跟丢涉事人员。同时无跟踪任务的无人机切换到原始发生治安警情的区域进行飞行巡检,提高治安管理的灵魂性和可靠性
第二方面,本申请还提供一种基于无人机的警务巡检系统,包括:
采集模块,采集源于无人机的区域信息;
判断模块,根据所述区域信息判断对应区域是否出现治安警情;
跟踪请求模块,若区域存在治安警情,根据所述治安警情向对应的无人机发出关于采集涉事人员信息的跟踪请求;
获取模块,获取所述无人机所采集到关于涉事人员的实时跟踪视频信息;
发送模块,将所述实时跟踪视频信息发送至指挥中心平台。
第三方面,本申请还提供一种可读存储介质,存储有能够被处理器加载并执行如上述任一项基于无人机的警务巡检方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1、本申请通过无人机在预设的区域进行飞行巡检,无人机按照预设的路径进行飞行的过程中,拍摄现场情况并形成区域信息,本申请可以采用云服务器作为管理控制器,管理控制器采集到区域信息后,对区域信息进行判断,若判断得出区域信息存在治安警情,则管理控制器向对应的无人机发出跟踪请求,让无人机对涉事人员信息进行实时跟踪,从而让管理控制器获取到实施跟踪视频信息,起到及时响应治安警情的作用;并且管理控制器将实时跟踪视频信息发送到指挥中心平台,有助于让指挥中心平台可以依据涉事人员的行动轨迹对应派遣警察进行围堵抓捕,有助于让治安警情得到及时控制,减少人员和财物的损失。
附图说明
图1为本申请一种基于无人机的警务巡检方法的方法流程图。
图2为本申请一种基于无人机的警务巡检方法对应所述无人机将涉事人员信息加密发送给相邻区域所设定的无人机的示意图。
图3为本申请一种基于无人机的警务巡检方法对应所述无人机进行跨区域锁定跟踪及无跟踪任务的无人机进行补位飞行巡检的示意图。
图4为本申请一种基于无人机的警务巡检系统的模块框图。
附图标记:1、无人机;2、云服务器;3、采集模块;4、判断模块;5、跟踪请求模块;6、获取模块;7、发送模块。
具体实施方式
下面结合附图1-图4和实施例对本申请进行详细说明。
参照图1,一种基于无人机1的警务巡检方法,包括以下步骤:
S1、采集源于无人机1的区域信息。其中,在一个地理范围内可以划分为一个以上的区域,每一个区域可以设定一架以上无人机1,且预设无人机1在对应区域内按照规定路径进行飞行巡检。
S2、根据区域信息判断对应区域是否出现治安警情。
S3、若区域存在治安警情,根据治安警情向对应的无人机1发出关于采集涉事人员信息的跟踪请求。
S4、获取无人机1所采集到关于涉事人员的实时跟踪视频信息。
S5、将实时跟踪视频信息发送至指挥中心平台。
本实施例可以采用云服务器2做作为管理控制器。本实施例公开的无人机1按照预设的路径进行飞行巡检。在飞行过程中,无人机1拍摄关于路径中所遇到的现场情况,拍摄所形成的区域信息可以是区域视频信息和/或区域图像信息。并且将区域信息发送至管理控制器,管理控制器采集到区域信息后,对区域信息进行判断:若通过区域信息判断区域不存在治安警情,则无人机1根据预设的飞行路径继续飞行巡检;若通过区域信息判断区域存在治安警情,管理控制器向对应无人机1发出跟踪请求,要求无人机1对治安警情有关的涉案人员进行跟踪,具体地,对应无人机1锁定治安警情的涉事人员,并且通过飞行跟踪涉事人员后续的行动轨迹,采用边跟踪边拍摄的方式生产实时跟踪视频信息,再将实时跟踪视频信息发送至管理控制器,管理控制器获取到实时跟踪视频信息,可以实时保存信息,且有助于持续跟进治安警情的情况,以及有助于清楚获知涉事人员的行动,对治安险情实现及时发现,和实时跟踪的效果,结合无人机1的使用有助于扩大巡检的范围,并且克服了步行方式或者机动车所存在的巡检限制。有效提高巡检的效果。并且,管理控制器可以将实时跟踪视频信息发送至指挥中心平台,让指挥中心平台可以依据涉事人员的行动轨迹对应派遣警察进行围堵抓捕,有助于让治安警情得到及时控制,减少人员和财物的损失。
本实施例中,根据区域信息判断对应区域是否出现治安警情的具体步骤包括:
S211、预设斗殴行为识别模型。
S212、利用斗殴行为识别模型对区域信息进行分析。
S213、若分析得出区域信息存在斗殴行为,则得出区域存在关于斗殴行为的治安险情。
本申请采用深度学习的方式对区域信息进行分析,以判断出区域内是否存在斗殴行为。达到自动巡检判断的效果,以及提高判断的精度。
作为其中一种实施例,预设斗殴行为识别模型的具体步骤包括:
1)、预设带有一个以上关于斗殴行为的视频信息作为斗殴行为训练视频。这样可以为建立斗殴行为识别模型提供样本素材。关于斗殴行为的视频包括但不限于2人以上的搏击、械斗和/或者是群架的内容。
2)、从每一个斗殴行为训练视频中随机选取x秒长的y个片段,x、y均为正整数。例如,m为3,n为5。这样实施,有助于缩少后续优化处理的计算量,降低运算压力。
3)、将片段随机裁剪成的素材,形成抖动,并且以50%的概率随机翻转,形成数据集,其中l、m、n为正整数。l可以为16,m可以为112,n可以为112。
4)、使用SGD优化器,让数据集进行优化迭代,迭代到达目标阈值后停止,从而形成预设斗殴行为识别模型。SGD优化器指的是随机梯度下降优化器,迭代到达目标阈值后停止具体可以设定为优化在1.9M迭代停止。这样实施有助于提高斗殴行为识别模型的预测精度。
作为另一种实施例,预设斗殴行为识别模型还可以采用基于SlowFast架构的视频识别模型,SlowFast架构包含一个低帧率、低时间分辨率的Slow路径和一个高帧率、高时间分辨率的Fast路径,Slow路径和Fast路径通过侧连接来连接。高时间分辨率为低时间分辨率的α倍,Slow路径用于捕捉空间语义,Fast路径用于捕捉运动,且Fast路径通过轻量化处理。这样在减少计算量的同时,还能保持很高的训练准确率。
其中,利用斗殴行为识别模型对区域信息进行分析的具体步骤包括:
1)、对区域信息进行3D卷积和池化处理。这样有助于对时间信息进行建模,更加适合学习时空特征。
2)、将3D卷积和池化处理后的区域信息进行可视化,提取特征内容。
3)、利用斗殴行为识别模型对特征内容进行对比分析,得出预测比例值,若预测比例值大于预设的第一比例阈值,得出区域信息存在斗殴行为。
若预测比例值小于或者等于预设的第一比例阈值,得出区域信息不存在斗殴行为。采用上述方式,达到推断快、预测精度高、计算效率快以及易于训练的优点。
本实施例中,根据区域信息判断对应区域是否出现治安警情的具体步骤包括:
S221、预设抢劫行为识别模型;
S222、利用抢劫行为识别模型对区域信息进行分析;
S223、若分析得出区域信息存在抢劫行为,则得出区域存在关于抢劫行为的治安险情。
以判断出区域内是否存在抢劫行为。达到自动巡检判断的效果,以及提高判断的精度。
作为其中一种实施例,预设抢劫行为识别模型的具体步骤包括:
1)、预设带有一个以上关于抢劫行为的视频信息作为抢劫行为训练视频;这样可以为建立抢劫行为识别模型提供样本素材。关于抢劫行为的视频包括但不限于2人以上的抢劫场景。
2)、从每一个抢劫行为训练视频中随机选取x秒长的y个片段,x、y均为正整数,例如,m为3,n为5。这样实施,有助于缩少后续优化处理的计算量,降低运算压力。
3)、随机裁剪成l×m×n的片段,形成抖动,并且以50%的概率随机翻转,其中l、m、n为正整数,l可以为16,m可以为112,n可以为112。
4)、实用SGD优化器,让数据集结合训练视频进行优化迭代,迭代到达目标阈值后停止,从而形成预设抢劫行为识别模型。这样实施有助于提高抢劫行为识别模型的预测精度。
其中,利用抢劫行为识别模型对区域信息进行分析的具体步骤包括:
1)、对区域信息进行3D卷积和池化处理;这样有助于对时间信息进行建模,更加适合学习时空特征。
2)、将3D卷积和池化处理后的区域信息进行可视化,提取特征内容;
3)、利用抢劫行为识别模型对特征内容进行对比分析,得出预测比例值,若预测比例值大于预设的第二比例阈值,得出区域信息存在抢劫行为。
若预测比例值小于或者等于预设的第二比例阈值,得出区域信息不存在抢劫行为。采用上述方式,达到推断快、预测精度高、计算效率快以及易于训练的优点。
本实施例中,获取无人机1所采集到关于涉事人员的实时跟踪视频信息之后,还包括以下步骤:
S411、根据实时跟踪视频信息判断涉事人员是否已乘坐车辆。
S412、若涉事人员已乘坐车辆,向对应的无人机1发出关于拍摄对应车辆车牌的车牌拍摄请求。
S413、获取无人机1所拍摄到的车牌图像信息。
S414、基于导航定位系统以及车牌图像信息,跟踪并获取对应车辆的实时位置信息。
具体地,若涉事人员乘坐车辆逃离现场,无人机1拍摄对应车辆的车牌,已供导航定位系统作为定位依据,以跟踪车辆所在位置,克服步行巡检的范围限制,并且有效跟进涉事人员的动态。进一步地,获取到对应车辆的实时位置信息后,将实时位置信息发送至指挥中心平台,让指挥中心平台可以依据涉事车辆的行动轨迹对应派遣警察进行围堵抓捕,有助于及时控制涉事人员。导航定位系统可以为北斗导航定位系统或者是GPS导航定位系统。
参照图2,作为其中一种实施方式,将实时跟踪视频信息发送至指挥中心平台之后,还包括以下步骤:
S6、若涉事人员移动出对应无人机1所预设飞行的区域,将涉事人员信息加密发送给相邻区域所设定的无人机1。
作为其中一种实施方式,加密的具体步骤包括:对应无人机1在发送涉事人员信息前对涉事人员信息进行加密,同时发送认证指令,认证指令按照预设的规则进行变换,变换的频率可以是实时变换或者是间隔变换,其余区域的无人机1预设有关于认证指令的反馈算法,当收到认证指令后,通过反馈算法得出回复指令并且回发给原始发生治安警情的对应无人机1,对应无人机1收到正确的回复指令后,发送解密信息给发出了正确回复指令的无人机1,这样就可以通过解密信息进行解密,从而获取涉事人员信息,方便进行后续的实时跟踪。这样的方式有助于防止其他人员截取到涉事人员信息进行不法行为。提高信息传输的保密性、安全性和可靠性。
参照图3,作为另一种实施方式,获取无人机1所采集到关于涉事人员的实时跟踪视频信息之后,还包括以下步骤:
S6、若涉事人员移动出对应无人机1所预设飞行的区域,向对应无人机1发出关于跟踪涉事人员的锁定跟踪请求;
S7、向涉事人员当前所在区域的所预设的无人机1发出关于切换区域飞行的飞行路径变换请求。这样可以让无跟踪任务的无人机1飞到原始出现治安警情的区域进行补位飞行巡检。
即使涉事人员移动出对应无人机1所设定飞行的区域,可以让原先实施跟踪的无人机1进行跨区域锁定跟踪,有助于防止跟丢涉事人员。同时由涉事人员当前所在区域的无跟踪任务的无人机1切换至原始发生治安警情的区域,并且按照对应无人机1的飞行路径进行飞行,以进行补位巡检,这样有助于及时在跟踪涉事人员的状态下,也能保障每一个区域的飞行巡检效果不会被影响。提高治安管理的灵活性和可靠性。
参照图4,本申请还提供一种基于无人机1的警务巡检系统,包括:
采集模块3,采集源于无人机1的区域信息;
判断模块4,根据区域信息判断对应区域是否出现治安警情;
跟踪请求模块5,若区域存在治安警情,根据治安警情向对应的无人机1发出关于采集涉事人员信息的跟踪请求;
获取模块6,获取无人机1所采集到关于涉事人员的实时跟踪视频信息;
发送模块7,将实时跟踪视频信息发送至指挥中心平台。
本申请还提供一种可读存储介质,存储有能够被处理器加载并执行如上述实施例的基于无人机1的警务巡检方法的计算机程序:
S1、采集源于无人机1的区域信息。S2、根据区域信息判断对应区域是否出现治安警情。
S3、若区域存在治安警情,根据治安警情向对应的无人机1发出关于采集涉事人员信息的跟踪请求。
S4、获取无人机1所采集到关于涉事人员的实时跟踪视频信息。
S5、将实时跟踪视频信息发送至指挥中心平台。
在说明书中记载的方法步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果,步骤序号仅仅为了对相似概念进行简单区分。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。多任务处理和并行处理也是可以的或者可能是有利的。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于无人机的警务巡检方法,其特征在于,包括以下步骤:
采集源于无人机(1)的区域信息;
根据所述区域信息判断对应区域是否出现治安警情;
若区域存在治安警情,根据所述治安警情向对应的无人机(1)发出关于采集涉事人员信息的跟踪请求;
获取所述无人机(1)所采集到关于涉事人员的实时跟踪视频信息;
将所述实时跟踪视频信息发送至指挥中心平台。
2.根据权利要求1所述的一种基于无人机的警务巡检方法,其特征在于,所述根据所述区域信息判断对应区域是否出现治安警情的具体步骤包括:
预设斗殴行为识别模型;
利用所述斗殴行为识别模型对区域信息进行分析;
若分析得出所述区域信息存在斗殴行为,则得出区域存在关于斗殴行为的治安险情。
3.根据权利要求1所述的一种基于无人机的警务巡检方法,其特征在于,所述根据区域信息判断对应区域是否出现治安警情的具体步骤包括:
预设抢劫行为识别模型;
利用所述抢劫行为识别模型对区域信息进行分析;
若分析得出所述区域信息存在抢劫行为,则得出区域存在关于抢劫行为的治安险情。
4.根据权利要求2所述的一种基于无人机的警务巡检方法,其特征在于,
所述预设斗殴行为识别模型的具体步骤包括:
预设带有一个以上关于斗殴行为的视频信息作为斗殴行为训练视频;
从每一个所述斗殴行为训练视频中随机选取x秒长的y个片段,x、y均为正整数;
将所述片段随机裁剪成l×m×n的素材,形成抖动,并且以50%的概率随机翻转,形成数据集,其中l、m、n为正整数;
使用SGD优化器,让数据集进行优化迭代,迭代到达目标阈值后停止,从而形成预设斗殴行为识别模型。
5.根据权利要求4所述的一种基于无人机的警务巡检方法,其特征在于,所述利用斗殴行为识别模型对区域信息进行分析的具体步骤包括:
对所述区域信息进行3D卷积和池化处理;
将3D卷积和池化处理后的所述区域信息进行可视化,提取特征内容;
利用所述斗殴行为识别模型对所述特征内容进行对比分析,得出预测比例值,若所述预测比例值大于预设的第一比例阈值,得出所述区域信息存在斗殴行为。
6.根据权利要求2-3任一项所述的一种基于无人机的警务巡检方法,其特征在于,所述获取所述无人机(1)所采集到关于涉事人员的实时跟踪视频信息之后,还包括以下步骤:
根据所述实时跟踪视频信息判断所述涉事人员是否已乘坐车辆;
若所述涉事人员已乘坐车辆,向对应的无人机(1)发出关于拍摄对应车辆车牌的车牌拍摄请求;
获取无人机(1)所拍摄到的车牌图像信息;
基于导航定位系统以及所述车牌图像信息,跟踪并获取对应车辆的实时位置信息。
7.根据权利要求2-3任一项所述的一种基于无人机的警务巡检方法,其特征在于,所述将所述实时跟踪视频信息发送至指挥中心平台之后,还包括以下步骤:
若涉事人员移动出对应无人机(1)所预设飞行的区域,将涉事人员信息加密发送给相邻区域所设定的无人机(1)。
8.根据权利要求2-3任一项所述的一种基于无人机的警务巡检方法,其特征在于,所述获取所述无人机(1)所采集到关于涉事人员的实时跟踪视频信息之后,还包括以下步骤:
若涉事人员移动出对应无人机(1)所预设飞行的区域,向对应无人机(1)发出关于跟踪涉事人员的锁定跟踪请求;
向涉事人员当前所在区域的所预设的无人机(1)发出关于切换区域飞行的飞行路径变换请求,让无跟踪任务的无人机(1)飞到原始出现治安警情的区域进行补位飞行巡检。
9.一种基于无人机的警务巡检系统,其特征在于,包括:
采集模块(3),采集源于无人机(1)的区域信息;
判断模块(4),根据所述区域信息判断对应区域是否出现治安警情;
跟踪请求模块(5),若区域存在治安警情,根据所述治安警情向对应的无人机(1)发出关于采集涉事人员信息的跟踪请求;
获取模块(6),获取所述无人机(1)所采集到关于涉事人员的实时跟踪视频信息;
发送模块(7),将所述实时跟踪视频信息发送至指挥中心平台。
10.一种可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1-8任一项所述基于无人机的警务巡检方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210332710.9A CN114756053B (zh) | 2022-03-30 | 2022-03-30 | 一种基于无人机的警务巡检方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210332710.9A CN114756053B (zh) | 2022-03-30 | 2022-03-30 | 一种基于无人机的警务巡检方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114756053A true CN114756053A (zh) | 2022-07-15 |
CN114756053B CN114756053B (zh) | 2022-10-04 |
Family
ID=82329758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210332710.9A Active CN114756053B (zh) | 2022-03-30 | 2022-03-30 | 一种基于无人机的警务巡检方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114756053B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528749A (zh) * | 2020-11-16 | 2021-03-19 | 浙江大华系统工程有限公司 | 一种聚赌地点确定方法、装置、设备和介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017216760A1 (en) * | 2016-06-17 | 2017-12-21 | DAL POZZO, Tommaso | System and method for tracing one or more persons following an alarm event |
CN108398131A (zh) * | 2018-03-02 | 2018-08-14 | 李思远 | 一种定位跟踪方法及系统 |
CN110377050A (zh) * | 2019-07-03 | 2019-10-25 | 长沙理工大学 | 一种结合多无人机和光纤技术的周界安防系统 |
CN110852236A (zh) * | 2019-11-05 | 2020-02-28 | 浙江大华技术股份有限公司 | 目标事件的确定方法及装置、存储介质、电子装置 |
CN111443716A (zh) * | 2020-04-23 | 2020-07-24 | 西安智文琛软件有限公司 | 一种无人机巡检控制方法、系统、存储介质、程序、终端 |
US10726274B1 (en) * | 2019-02-25 | 2020-07-28 | Panasonic I-Pro Sensing Solutions Co., Ltd. | Investigation assist system and investigation assist method |
US20200272826A1 (en) * | 2019-02-25 | 2020-08-27 | Panasonic I-Pro Sensing Solutions Co., Ltd. | Investigation assist system and investigation assist method |
CN111679695A (zh) * | 2020-08-11 | 2020-09-18 | 中航金城无人系统有限公司 | 一种基于深度学习技术的无人机巡航及追踪系统和方法 |
CN111860457A (zh) * | 2020-08-04 | 2020-10-30 | 广州市微智联科技有限公司 | 一种斗殴行为识别预警方法及其识别预警系统 |
JP2021051470A (ja) * | 2019-09-24 | 2021-04-01 | Kddi株式会社 | 対象追跡手段の切り替えが可能な対象追跡プログラム、装置及び方法 |
JP2021099709A (ja) * | 2019-12-23 | 2021-07-01 | パナソニックi−PROセンシングソリューションズ株式会社 | 捜査支援システムおよび捜査支援方法 |
CN113642353A (zh) * | 2020-04-27 | 2021-11-12 | Tcl科技集团股份有限公司 | 一种人脸检测模型的训练方法、存储介质及终端设备 |
CN113672689A (zh) * | 2021-08-20 | 2021-11-19 | 新疆联海创智信息科技有限公司 | 一种智慧边防信息处理系统及方法 |
-
2022
- 2022-03-30 CN CN202210332710.9A patent/CN114756053B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017216760A1 (en) * | 2016-06-17 | 2017-12-21 | DAL POZZO, Tommaso | System and method for tracing one or more persons following an alarm event |
CN108398131A (zh) * | 2018-03-02 | 2018-08-14 | 李思远 | 一种定位跟踪方法及系统 |
US10726274B1 (en) * | 2019-02-25 | 2020-07-28 | Panasonic I-Pro Sensing Solutions Co., Ltd. | Investigation assist system and investigation assist method |
US20200272826A1 (en) * | 2019-02-25 | 2020-08-27 | Panasonic I-Pro Sensing Solutions Co., Ltd. | Investigation assist system and investigation assist method |
CN110377050A (zh) * | 2019-07-03 | 2019-10-25 | 长沙理工大学 | 一种结合多无人机和光纤技术的周界安防系统 |
JP2021051470A (ja) * | 2019-09-24 | 2021-04-01 | Kddi株式会社 | 対象追跡手段の切り替えが可能な対象追跡プログラム、装置及び方法 |
CN110852236A (zh) * | 2019-11-05 | 2020-02-28 | 浙江大华技术股份有限公司 | 目标事件的确定方法及装置、存储介质、电子装置 |
JP2021099709A (ja) * | 2019-12-23 | 2021-07-01 | パナソニックi−PROセンシングソリューションズ株式会社 | 捜査支援システムおよび捜査支援方法 |
CN111443716A (zh) * | 2020-04-23 | 2020-07-24 | 西安智文琛软件有限公司 | 一种无人机巡检控制方法、系统、存储介质、程序、终端 |
CN113642353A (zh) * | 2020-04-27 | 2021-11-12 | Tcl科技集团股份有限公司 | 一种人脸检测模型的训练方法、存储介质及终端设备 |
CN111860457A (zh) * | 2020-08-04 | 2020-10-30 | 广州市微智联科技有限公司 | 一种斗殴行为识别预警方法及其识别预警系统 |
CN111679695A (zh) * | 2020-08-11 | 2020-09-18 | 中航金城无人系统有限公司 | 一种基于深度学习技术的无人机巡航及追踪系统和方法 |
CN113672689A (zh) * | 2021-08-20 | 2021-11-19 | 新疆联海创智信息科技有限公司 | 一种智慧边防信息处理系统及方法 |
Non-Patent Citations (2)
Title |
---|
李颖: "无人机在警务侦查工作中的应用", 《电子技术》 * |
柯多凯: "警用无人机在大型活动安保中的实战运用", 《公安教育》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528749A (zh) * | 2020-11-16 | 2021-03-19 | 浙江大华系统工程有限公司 | 一种聚赌地点确定方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114756053B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7944468B2 (en) | Automated asymmetric threat detection using backward tracking and behavioral analysis | |
US10572738B2 (en) | Method and system for detecting a threat or other suspicious activity in the vicinity of a person or vehicle | |
US10572740B2 (en) | Method and system for detecting a threat or other suspicious activity in the vicinity of a motor vehicle | |
US20190356885A1 (en) | Camera System Securable Within a Motor Vehicle | |
US20190354773A1 (en) | Methods and System for Detecting a Threat or Other Suspicious Activity in the Vicinity of a Person | |
CN110781750A (zh) | 危险人物监控处理方法、装置、计算机设备和存储介质 | |
Dozza et al. | Recognising safety critical events: Can automatic video processing improve naturalistic data analyses? | |
CN104583051A (zh) | 对铁路线路的监视 | |
US20190354775A1 (en) | Method and System for Detecting a Threat or Other Suspicious Activity in the Vicinity of a Stopped Emergency Vehicle | |
JP2022008672A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN114756053B (zh) | 一种基于无人机的警务巡检方法、系统及存储介质 | |
Guillermo et al. | Detection and classification of public security threats in the philippines using neural networks | |
CN108156406A (zh) | 行车记录仪的信息处理方法和装置 | |
JP2012033152A (ja) | ビデオ監視時に移動物体を分類するシステムおよび方法 | |
CN116704411A (zh) | 一种基于物联网的安防管控方法、系统及存储介质 | |
CN111932889A (zh) | 一种基于车路协同的交通疏导系统 | |
CN116797993B (zh) | 一种基于智慧社区场景的监控方法、系统、介质及设备 | |
CN113055651A (zh) | 一种人工智能型车辆安防系统及计算机可读存储介质 | |
CN116847334A (zh) | 数据安全传输方法 | |
CN109344776B (zh) | 数据处理方法 | |
CN116189107A (zh) | 无人机高速公路监控方法、无人机和存储介质 | |
CN111526475A (zh) | 目标车辆的追踪方法、装置、电子设备和存储介质 | |
KR102367584B1 (ko) | 스켈레톤 영상 분석 기법을 이용한 자동 영상 감시 시스템 | |
KR102328910B1 (ko) | 라즈베리 파이 기반의 데이터 수집 장치, 긴급 차량 동적 가이던스 시스템 구축을 위한 통합 관리 서버 및 그 운용 방법 | |
KR101920342B1 (ko) | 영상 감시 방법 및 이러한 방법을 수행하는 장치 |
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 |