CN115017165B - 一种获取无人机密切关联人员身份信息的方法及系统 - Google Patents
一种获取无人机密切关联人员身份信息的方法及系统 Download PDFInfo
- Publication number
- CN115017165B CN115017165B CN202210931019.2A CN202210931019A CN115017165B CN 115017165 B CN115017165 B CN 115017165B CN 202210931019 A CN202210931019 A CN 202210931019A CN 115017165 B CN115017165 B CN 115017165B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- vehicle
- closely related
- face
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004891 communication Methods 0.000 claims abstract description 67
- 238000001228 spectrum Methods 0.000 claims description 27
- 230000001815 facial effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003014 reinforcing effect Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种获取无人机密切关联人员身份信息的方法及系统。通过根据无人机的识别信息建立无人机密切关联信息库，无人机密切关联信息库包括：人脸特征库，侦测并根据无人机通信信号获取无人机的识别信息，一次或多次侦测到相同的识别信息时根据无人机通信信号每次出现的地点和时间点分别确定采集的地面行人的人脸特征的时空范围，分批次将地面行人的人脸特征存入人脸特征池，将多个人脸特征池中的人脸特征对比，获得第一密切关联人员的人脸特征，与真实人员的人脸特征匹配，得到第一密切关联人员的身份信息。可确定无人机密切关联人员，无人机违规时找到密切关联人员并制止无人机飞行，确保城市低空安全并增强对无人机使用的跟踪和监管效能。
Description
技术领域
本发明属于城市监控系统技术领域，尤其涉及一种获取无人机密切关联人员身份信息的方法及系统。
背景技术
民用无人机是指没有机载驾驶员操作、带有自动飞行控制系统，从事非警务、军事任务的航空飞行器。它涉及数据通信技术、智能控制技术、图像处理技术、传感器技术以及航空动力推进技术等，是信息时代高技术含量的产物。
飞鸟对航空安全带来的威胁，公众有着比较深刻的认识和了解。而由金属组成的无人机对航空飞行安全构成的潜在威胁更是有过之而无不及，随着无人机在社会诸多领域的广泛应用，无人机的“黑飞”“乱飞”事件逐年增多，暴露出严重的安全隐患和管理漏洞，给社会和谐稳定和公民人身安全构成了极大威胁，针对无人机的“黑飞”“乱飞”事件，监管人员难于寻找到无人机背后的飞手或者密切关联人员。
针对上述情况，亟需本领域工作人员提供一种如何获取无人机密切关联人员的方法。
发明内容
本发明提供了种获取无人机密切关联人员身份信息的方法及系统，用以解决现有技术中如何获取无人机密切关联人员的技术问题。
为解决上述技术问题，本发明提出的技术方案为：一种获取无人机密切关联人员身份信息的方法，包括以下步骤：
根据无人机的识别信息建立无人机密切关联信息库；无人机密切关联信息库包括：人脸特征库，人脸特征库包括多个人脸特征池，每个人脸特征池分别用于储存一个批次的人脸特征，每个批次的人脸特征包括一组或多组人脸特征；
侦测并根据无人机通信信号获取无人机的识别信息，当一次或多次侦测到相同的识别信息时，根据无人机通信信号每次出现的地点以及时间点分别确定采集的地面行人的人脸特征的区域以及时间区间，并分批次将采集的地面行人的人脸特征存入多个人脸特征池；
将多个人脸特征池中存入的人脸特征进行对比，获得第一密切关联人员的人脸特征；
将第一密切关联人员的人脸特征与人脸信息库中的真实人员的人脸特征进行匹配，得到第一密切关联人员的身份信息。
优选的，无人机的识别信息为无人机通信信号的频谱特征或无人机的唯一产品标识码。
优选的，设定第一阈值，若两组无人机通信信号频谱特征相似度达到第一阈值，则认定两组无人机通信信号频谱特征相同。
优选的，设定第二阈值，当两组人脸特征的相似度达到第二阈值时，则认定两组人脸特征相同。
优选的，第一密切关联人员的人脸特征满足以下：第一密切关联人员的人脸特征在某个人脸特征库中的多个人脸特征池中均有存在；第一密切关联人员的人脸特征的组数小于第三阈值。
优选的，无人机密切关联信息库还包括：车辆特征库，车辆特征库包括多个车辆特征池，每个车辆特征池分别用于储存一个批次的车辆特征，每个批次的车辆特征包括一组或多组车辆特征；
当一次或多次侦测到相同的识别信息时，根据无人机通信信号每次出现的地点以及时间点分别确定采集的地面车辆的车辆特征的区域以及时间区间，并分批次将采集的地面车辆的车辆特征存入多个车辆特征池；
将多个车辆特征池中存入的车辆特征进行对比，得到密切关联车辆的车辆特征；
将密切关联车辆的车辆特征与车辆信息库中的车辆特征进行匹配，得到密切关联车辆的车辆信息，车辆信息包括车辆信息以及车辆信息对应的车辆所有人的身份信息，车辆所有人为第二密切关联人员。
优选的，密切关联车辆的车辆特征满足以下：密切关联车辆的车辆特征在每个车辆特征池中均有存在；密切关联车辆的车辆特征的组数小于第四阈值。
优选的，将第一密切关联人员与第二密切关联人员中重复出现的人员作为密切关联人员，得到密切关联人员的身份信息。
本发明的实施例还提供了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在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时实现上述方法的步骤。
本发明具有以下有益效果：
本发明通过根据无人机的识别信息建立无人机密切关联信息库，无人机密切关联信息库包括：人脸特征库，人脸特征库包括多个人脸特征池，每个人脸特征池分别用于储存一个批次的人脸特征，每个批次的人脸特征包括一组或多组人脸特征；侦测并根据无人机通信信号获取无人机的识别信息，当一次或多次侦测到相同的识别信息时，根据无人机通信信号每次出现的地点以及时间点分别确定采集的地面行人的人脸特征的区域以及时间区间，并分批次将采集的地面行人的人脸特征存入多个人脸特征池；将多个人脸特征池中存入的人脸特征进行对比，获得第一密切关联人员的人脸特征；将第一密切关联人员的人脸特征与人脸信息库中的真实人员的人脸特征进行匹配，得到第一密切关联人员的身份信息。通过本发明的方法，可以帮助相关工作人员确定无人机密切关联人员，在无人机不合规飞行时，联系密切关联人员，确保城市低空安全，同时增强对无人机使用的跟踪和监管效能，便于在发生各类无人机事故后，公安部门快速找到无人机的机主。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的获取无人机密切关联人员身份信息的方法的原理图；
图2是本发明优选实施例的人脸特征比对系统的架构图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1，一种获取无人机密切关联人员身份信息的方法，包括以下步骤：
S1 根据无人机的识别信息建立无人机密切关联信息库；无人机密切关联信息库包括：人脸特征库，人脸特征库包括多个人脸特征池，每个人脸特征池分别用于储存一个批次的人脸特征，每个批次的人脸特征包括一组或多组人脸特征；
S2 侦测并根据无人机通信信号获取无人机的识别信息，当一次或多次侦测到相同的识别信息时，根据无人机通信信号每次出现的地点以及时间点分别确定采集的地面行人的人脸特征的区域以及时间区间，并分批次将采集的地面行人的人脸特征存入多个人脸特征池；
S3将多个人脸特征池中存入的人脸特征进行对比，获得第一密切关联人员的人脸特征；
S4 将第一密切关联人员的人脸特征与人脸信息库中的真实人员的人脸特征进行匹配，得到第一密切关联人员的身份信息。
需要说明的是，通信信号包含无线局域网信号、蓝牙信号、蜂窝网络信号和广播信号；通信信号为200MHz 到6GHz的频段范围内的任何一频率的通信信号。
在本实施方式中，根据无人机通信信号每次出现的地点以及时间点分别确定采集的地面行人的人脸特征的区域以及时间区间，具体包括：根据无人机通信信号强弱确定无人机通信信号出现的地点，根据该地点划定采集的地面行人的人脸特征的区域，根据无人机通信信号每次出现的时间点划定采集的地面行人的人脸特征的时间区间，所述无人机通信信号每次出现的时间点为开始侦测到无人机通信信号的时刻，此外还可以结合侦测到无人机通信信号持续时间来划定采集的地面行人的人脸特征的时间区间，以此确定采集的地面行人的人脸特征的时空范围，然后进行采集。
参见图2，采用该人脸特征比对系统，将第一密切关联人员的人脸特征与人脸信息库中的真实人员的人脸特征进行匹配，得到第一密切关联人员的身份信息。
可选的，无人机的识别信息为无人机通信信号的频谱特征或无人机的唯一产品标识码。
需要说明的是，在《民用无人机唯一产品识别码》标准中已说明无人机具有唯一产品识别码，无人机唯一产品识别码作为无人机的“身份证”，是贯穿无人机生产、销售、使用及报废等全生命周期管理和应用的基础手段。从无人机全生命周期看，只有从生产制造环节由无人机企业对整机产品进行编码和赋码，确保唯一且不可篡改，才能为后续销售、使用等管理环节提供基本保障。本发明根据无人机的通信信号可以获得无人机的唯一产品标识码，因此在多次侦测到无人机通信信号后，对通信信号进行破解获得无人机的唯一产品标识码即可判定其中具有相同的唯一产品标识码的无人机的通信信号。然而市面上并不是所以无人机都具有唯一产品识别码，对于不具有唯一产品识别码的无人机，通过无人机通信信号的频谱特征判断其是否属于同一类型或同一个无人机，起到类似于“身份证”的作用。
在本可选的实施方式中，根据无人机通信信号获得无人机的唯一产品标识码包括：首先使用预设的参数进行宽带信号采样，此处采集的宽带信号包含多个通信频段，预设的参数包括中心频率、采样率和信号采集时长对200MHz—6GHz内的通信信号划定的无人机通信频段，并将采集的宽带信号进行频域转换，然后将转换后的信号以固定带宽间隔进行窄带提取，得到窄带信号，并将窄带信号转换至时域，最后，对各个窄带信号进行同步和解调，得到可选的通信频段中对应窄带信号的解调信息，频谱特征分析单元对各个窄带信进行信号门限估计，求得阈值门限，针对高于阈值门限的窄带信号，进行持续时间统计，形成频点信号集合，对频点信号集合内数据进行聚类分析，包括带宽聚类、驻留时间聚类、波形特征聚类，对聚类分析结果进行时间顺序检测，然后估算跳频信号参数，将估算的跳频信号参数与系统存储的各类无人机通信协议库中跳频信号参数进行对比，具体对比的参数项包括信号频点持续时间、跳频间隔时长、跳频信号时间周期、跳频频点规律、周期带宽范围、每跳带宽范围、每跳瞬时峰值能量，将跳频信号参数对比一致的信号，确定为类无人机通信信号。
频谱特征分析结果匹配系统存储的各类无人机通信协议库，查找对应无人机通信协议，对解调信息通过无人机通信协议中约定的方法解码为数据信息；提取数据信息中关于无人机身份相关信息，获取无人机的唯一产品标识码。在本可选的实施方式中，获得无人机的唯一产品标识码，具体方式包括：（1）通过侦测到的无人机无线通信信号，破解无人机无线通信协议，切入传输代码，获得无人机的唯一产品标识码；（2）通过无线电广播的，无线局域网、蓝牙、蜂窝网络等无线方式中的一种或多种传输方式，广播与报送的无人机唯一产品标识码，获取无人机的唯一产品标识码；（3）通过无人机飞行管控系统与本发明的获取无人机密切关联人员身份信息的系统对接，由无人机飞行管控系统将所监管无人机的唯一产品标识码以及飞行状态数据向本发明的系统推送。
可选的，设定第一阈值，若两组无人机通信信号频谱特征相似度达到第一阈值，则认定两组无人机通信信号频谱特征相同。
在本实施方式中，侦测并根据无人机通信信号获取无人机的识别信息，具体包括：
当识别信息为无人机通信信号的频谱特征时，提取无人机通信信号的频谱特征，计算每种频谱特征的相似度，针对每种频谱特征分配权重，计算无人机通信信号频谱特征相似度加权值并作为两组无人机通信信号频谱特征相似度，若两组无人机通信信号频谱特征相似度达到第一阈值，则认定两组无人机通信信号频谱特征相同，即识别信息相同；
若两组无人机的唯一产品标识码相同，则认定识别信息相同。
此外，无人机通信信号一般为跳频信号，采集指定频段的频谱数据，采用自适应门限处理方法对其进行预处理得到有效信号的频谱数据，对所有有效信号的频谱数据进行初步处理和特征提取得到跳频信号的频谱数据；对跳频信号的频谱数据使用基于信号相似性特征分析的聚类分析方法进行聚类分析，通过聚类将跳频信号的频谱数据分为不同类别的跳频信号，得到无人机跳频信号聚类检测结果；对无人机跳频信号聚类检测结果进行参数估计，将无人机信号参数进行比对，按参数最大相似度匹配且相似度满足第一阈值时，则认定两组无人机通信信号频谱特征相同。
可选的，设定第二阈值，当两组人脸特征的相似度达到第二阈值时，则认定两组人脸特征相同。
在本实施方式中，一组人脸特征具有多种人脸特征，计算每种人脸特征的相似度，针对每种人脸特征分配权重，计算人脸特征的相似度加权值并作为两组人脸特征的相似度，当两组人脸特征的相似度达到第二阈值时，则认定两组人脸特征相同。
可选的，第一密切关联人员的人脸特征满足以下：第一密切关联人员的人脸特征在某个人脸特征库中的多个人脸特征池中均有存在；第一密切关联人员的人脸特征的组数小于第三阈值。
在本可选的实施方式中，将多个人脸特征池中存入的人脸特征进行对比，获得第一密切关联人员的人脸特征，具体包括：选取多个人脸特征池中均存在的相同的人脸特征，作为第一密切关联人员的人脸特征，即第一密切关联人员的人脸特征在每个人脸特征池中均有存在。
可选的，无人机密切关联信息库还包括：车辆特征库，车辆特征库包括多个车辆特征池，每个车辆特征池分别用于储存一个批次的车辆特征，每个批次的车辆特征包括一组或多组车辆特征；
当一次或多次侦测到相同的识别信息时，根据无人机通信信号每次出现的地点以及时间点分别确定采集的地面车辆的车辆特征的区域以及时间区间，并分批次将采集的地面车辆的车辆特征存入多个车辆特征池；
将多个车辆特征池中存入的车辆特征进行对比，得到密切关联车辆的车辆特征；
将密切关联车辆的车辆特征与车辆信息库中的车辆特征进行匹配，得到密切关联车辆的车辆信息，车辆信息包括车辆信息以及车辆信息对应的车辆所有人的身份信息，车辆所有人为第二密切关联人员。
车辆特征包括车辆牌照信息、车辆颜色和车辆类型等，车辆类型包括轿车、SUV和货车等。
在本可选的实施方式中，根据无人机通信信号每次出现的地点以及时间点分别确定采集的地面车辆的车辆特征的区域以及时间区间，具体包括：根据无人机通信信号强弱确定无人机通信信号出现的地点，根据该地点划定采集的地面车辆的车辆特征的区域，根据无人机通信信号每次出现的时间点划定采集的地面车辆的车辆特征的时间区间，所述无人机通信信号每次出现的时间点为开始侦测到无人机通信信号的时刻，此外还可以结合侦测到无人机通信信号持续时间来划定采集的地面车辆的车辆特征的时间区间，以此确定采集的地面车辆的车辆特征的时空范围，然后进行采集。
需要说明的是，采集地面人员的人脸特征及车牌特征，在人员车流密集区域可能数量较多，可能达到几千甚至上万张人脸、车牌的图片，在目前技术条件下，大量图片提取特征数据，进行数据比对分析，一般采用大数据，云存储的系统架构，已很少采用传统处理器、存储器的架构。
可选的，密切关联车辆的车辆特征满足以下：密切关联车辆的车辆特征在每个车辆特征池中均有存在；密切关联车辆的车辆特征的组数小于第四阈值。
当某个车辆特征在每个车辆特征池中均有存在，且满足此条件的车辆特征的组数小于一定数量，则可判定这些车辆特征均与无人机密切相关，此时车辆所有人为第二密切关联人员。
可选的，将第一密切关联人员与第二密切关联人员中重复出现的人员作为密切关联人员，得到密切关联人员的身份信息。
实施例2：
一种计算机系统，包括存储器、处理器以及存储在存储器上并可在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时实现上述实施例1方法的步骤。
综上可知，本发明通过根据无人机的识别信息建立无人机密切关联信息库，无人机密切关联信息库包括：人脸特征库，人脸特征库包括多个人脸特征池，每个人脸特征池分别用于储存一个批次的人脸特征，每个批次的人脸特征包括一组或多组人脸特征；侦测并根据无人机通信信号获取无人机的识别信息，当一次或多次侦测到相同的识别信息时，根据无人机通信信号每次出现的地点以及时间点分别确定采集的地面行人的人脸特征的区域以及时间区间，并分批次将采集的地面行人的人脸特征存入多个人脸特征池；将多个人脸特征池中存入的人脸特征进行对比，获得第一密切关联人员的人脸特征；将第一密切关联人员的人脸特征与人脸信息库中的真实人员的人脸特征进行匹配，得到第一密切关联人员的身份信息。通过本发明的方法，可以帮助相关工作人员确定无人机密切关联人员，在无人机不合规飞行时，联系密切关联人员，确保城市低空安全，同时增强对无人机使用的跟踪和监管效能，便于在发生各类无人机事故后，公安部门快速找到无人机的机主。
在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的实施方式的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明的各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施方式进行变化、修改、替换和变型。
Claims (9)
1.一种获取无人机密切关联人员身份信息的方法，其特征在于，包括以下步骤：
根据无人机的识别信息建立无人机密切关联信息库；所述无人机密切关联信息库包括：人脸特征库，所述人脸特征库包括多个人脸特征池，每个人脸特征池分别用于储存一个批次的人脸特征，每个批次的人脸特征包括一组或多组人脸特征；
侦测并根据无人机通信信号获取无人机的识别信息，当一次或多次侦测到相同的识别信息时，根据无人机通信信号每次出现的地点以及时间点分别确定采集的地面行人的人脸特征的区域以及时间区间，并分批次将采集的地面行人的人脸特征存入多个所述人脸特征池；
将多个人脸特征池中存入的人脸特征进行对比，获得第一密切关联人员的人脸特征；第一密切关联人员的人脸特征满足以下：第一密切关联人员的人脸特征在某个人脸特征库中的多个人脸特征池中均有存在；
将第一密切关联人员的人脸特征与人脸信息库中的真实人员的人脸特征进行匹配，得到第一密切关联人员的身份信息。
2.根据权利要求1所述的获取无人机密切关联人员身份信息的方法，其特征在于，所述无人机的识别信息为无人机通信信号的频谱特征或无人机的唯一产品标识码。
3.根据权利要求2所述的获取无人机密切关联人员身份信息的方法，其特征在于，设定第一阈值，若两组无人机通信信号频谱特征相似度达到第一阈值，则认定两组无人机通信信号频谱特征相同。
4.根据权利要求1所述的获取无人机密切关联人员身份信息的方法，其特征在于，设定第二阈值，当两组人脸特征的相似度达到第二阈值时，则认定两组人脸特征相同。
5.根据权利要求1所述的获取无人机密切关联人员身份信息的方法，其特征在于，第一密切关联人员的人脸特征的组数小于第三阈值。
6.根据权利要求1所述的获取无人机密切关联人员身份信息的方法，其特征在于，所述无人机密切关联信息库还包括：车辆特征库，所述车辆特征库包括多个车辆特征池，每个车辆特征池分别用于储存一个批次的车辆特征，每个批次的车辆特征包括一组或多组车辆特征；
当一次或多次侦测到相同的识别信息时，根据无人机通信信号每次出现的地点以及时间点分别确定采集的地面车辆的车辆特征的区域以及时间区间，并分批次将采集的地面车辆的车辆特征存入多个所述车辆特征池；
将多个车辆特征池中存入的车辆特征进行对比，得到密切关联车辆的车辆特征；
将密切关联车辆的车辆特征与车辆信息库中的车辆特征进行匹配，得到密切关联车辆的车辆信息，所述车辆信息包括车辆信息以及车辆信息对应的车辆所有人的身份信息，所述车辆所有人为第二密切关联人员。
7.根据权利要求6所述的获取无人机密切关联人员身份信息的方法，其特征在于，密切关联车辆的车辆特征满足以下：密切关联车辆的车辆特征在每个车辆特征池中均有存在；密切关联车辆的车辆特征的组数小于第四阈值。
8.根据权利要求6所述的获取无人机密切关联人员身份信息的方法，其特征在于，将所述第一密切关联人员与所述第二密切关联人员中重复出现的人员作为密切关联人员，得到密切关联人员的身份信息。
9.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至8任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210931019.2A CN115017165B (zh) | 2022-08-04 | 2022-08-04 | 一种获取无人机密切关联人员身份信息的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210931019.2A CN115017165B (zh) | 2022-08-04 | 2022-08-04 | 一种获取无人机密切关联人员身份信息的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115017165A CN115017165A (zh) | 2022-09-06 |
| CN115017165B true CN115017165B (zh) | 2022-11-11 |
Family
ID=83065402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210931019.2A Active CN115017165B (zh) | 2022-08-04 | 2022-08-04 | 一种获取无人机密切关联人员身份信息的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115017165B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107830767A (zh) * | 2017-10-24 | 2018-03-23 | 武汉康慧然信息技术咨询有限公司 | 基于远程控制的无人机反制方法及介质 |
| CN108055094A (zh) * | 2017-12-26 | 2018-05-18 | 成都爱科特科技发展有限公司 | 一种无人机操作手频谱特征识别与定位方法 |
| CN109154829A (zh) * | 2016-09-27 | 2019-01-04 | 深圳市大疆创新科技有限公司 | Uav系统的部件和用户管理 |
| CN109981192A (zh) * | 2019-04-08 | 2019-07-05 | 南京航空航天大学 | 一种空域反黑飞无人机的频谱监测系统及方法 |
| CN210986254U (zh) * | 2019-10-07 | 2020-07-10 | 青岛宇航慧恒信息科技有限公司 | 一种全景式侦扰一体视频监控系统 |
| CN112763976A (zh) * | 2021-04-07 | 2021-05-07 | 理工全盛(北京)科技有限公司 | 一种黑飞无人机飞手定位系统及方法 |
| CN113093791A (zh) * | 2021-03-24 | 2021-07-09 | 上海特金信息科技有限公司 | 无人机身份鉴别的控制方法、控制器、设备及介质 |
| CN114489148A (zh) * | 2021-12-30 | 2022-05-13 | 中国航天系统科学与工程研究院 | 一种基于智能探测和电子对抗的反无人机系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10230889B2 (en) * | 2015-12-24 | 2019-03-12 | Panasonic Intellectual Property Corporation Of America | Unmanned aerial vehicle and control method |
| US20170195945A1 (en) * | 2015-12-31 | 2017-07-06 | The Southern Company | Systems and methods for identifying unmanned aerial vehicles |
| CN110806575A (zh) * | 2019-09-17 | 2020-02-18 | 中国船舶重工集团公司第七0九研究所 | 基于多源信息的合作与非合作无人机识别方法及系统 |
| CN112000133B (zh) * | 2020-07-14 | 2024-03-19 | 刘明德 | 低空飞行器/飞手的识别系统、反制系统及识别方法 |
| KR102605739B1 (ko) * | 2020-12-04 | 2023-11-29 | 한국전자통신연구원 | 전파 벽을 이용한 불법 무인기 검출 방법 및 장치 |
-
2022
- 2022-08-04 CN CN202210931019.2A patent/CN115017165B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109154829A (zh) * | 2016-09-27 | 2019-01-04 | 深圳市大疆创新科技有限公司 | Uav系统的部件和用户管理 |
| CN107830767A (zh) * | 2017-10-24 | 2018-03-23 | 武汉康慧然信息技术咨询有限公司 | 基于远程控制的无人机反制方法及介质 |
| CN108055094A (zh) * | 2017-12-26 | 2018-05-18 | 成都爱科特科技发展有限公司 | 一种无人机操作手频谱特征识别与定位方法 |
| CN109981192A (zh) * | 2019-04-08 | 2019-07-05 | 南京航空航天大学 | 一种空域反黑飞无人机的频谱监测系统及方法 |
| CN210986254U (zh) * | 2019-10-07 | 2020-07-10 | 青岛宇航慧恒信息科技有限公司 | 一种全景式侦扰一体视频监控系统 |
| CN113093791A (zh) * | 2021-03-24 | 2021-07-09 | 上海特金信息科技有限公司 | 无人机身份鉴别的控制方法、控制器、设备及介质 |
| CN112763976A (zh) * | 2021-04-07 | 2021-05-07 | 理工全盛(北京)科技有限公司 | 一种黑飞无人机飞手定位系统及方法 |
| CN114489148A (zh) * | 2021-12-30 | 2022-05-13 | 中国航天系统科学与工程研究院 | 一种基于智能探测和电子对抗的反无人机系统 |
Non-Patent Citations (2)
| Title |
|---|
| "基于飞控信号频谱特征的无人机检测与识别系统设计";蒋平 等;《电子器件》;20200820;第43卷(第04期);第860-866页 * |
| 章金标 等."无人机飞手定位系统的设计与实现".《智能建筑》.2020,(第03期),第45-47页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115017165A (zh) | 2022-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109686109B (zh) | 一种基于人工智能的停车场安全监控管理系统及方法 | |
| CN108650632B (zh) | 一种基于职住对应关系和时空间核聚类的驻点判断方法 | |
| CN109981192B (zh) | 一种空域反黑飞无人机的频谱监测方法 | |
| CN109461106A (zh) | 一种多维信息感知处理方法 | |
| CN116012208A (zh) | 用于智慧城市的风险区域预警信息生成方法和物联网系统 | |
| CN105493502B (zh) | 视频监控方法、视频监控系统以及计算机可读存储介质 | |
| CN110084094B (zh) | 一种基于深度学习的无人机目标识别分类方法 | |
| US11915602B2 (en) | Drone detection, classification, tracking, and threat evaluation system employing field and remote identification (ID) information | |
| CN108091140B (zh) | 一种确定套牌车辆的方法和装置 | |
| CN110969215B (zh) | 聚类处理方法和装置、存储介质及电子装置 | |
| DE102013019488A1 (de) | Bilderfassung mit schutz der privatsphäre | |
| CN111010547A (zh) | 目标对象的追踪方法及装置、存储介质、电子装置 | |
| CN108924759B (zh) | 识别移动发生器的方法、装置及系统 | |
| CN113536564A (zh) | 基于虚拟仿真的无人蜂群自主协同评估方法及系统 | |
| CN111192459A (zh) | 一种视频监控布控方法和布控装置 | |
| CN115471865A (zh) | 作业现场数字化安全管控方法、装置、设备和存储介质 | |
| CN112052878B (zh) | 一种雷达的遮挡识别的方法、装置及存储介质 | |
| CN111929672A (zh) | 移动轨迹的确定方法及装置、存储介质和电子装置 | |
| US10743144B2 (en) | Trajectory determining device | |
| CN116863761A (zh) | 基于态势共享的低空无人机探测预警方法及装置 | |
| Niedzielski et al. | The nested k‐means method: A new approach for detecting lost persons in aerial images acquired by unmanned aerial vehicles | |
| CN111896941A (zh) | 一种雷达数据的目标轨迹确定方法及装置 | |
| CN115017165B (zh) | 一种获取无人机密切关联人员身份信息的方法及系统 | |
| Ang | Research and design of an airfield runway FOD detection system based on WSN | |
| CN114706988A (zh) | 基于知识图谱的监控预警方法及装置 |
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 |