人群聚集預警無人機的製作方法
2023-09-21 08:59:20 1
本發明涉及一種無人機,特別涉及一種人群聚集預警無人機。
背景技術:
無人駕駛飛機簡稱「無人機」,是利用無線電遙控設備和自備的程序控制裝置操縱的不載人飛機。機上無駕駛艙,但安裝有自動駕駛儀、程序控制裝置等設備。地面、艦艇上或母機遙控站人員通過雷達等設備,對其進行跟蹤、定位、遙控、遙測和數字傳輸。可在無線電遙控下像普通飛機一樣起飛或用助推火箭發射升空,也可由母機帶到空中投放飛行。回收時,可用與普通飛機著陸過程一樣的方式自動著陸,也可通過遙控用降落傘或攔網回收。可反覆使用多次。
無人機在軍用或者民用過程中只提供了眼睛的作用,或者利用自帶的設備做一些動作,智能化程度不高,不能自動處理篩選處理信息,那麼最後信息都必須傳至終端才能進行再處理,因此信息處理的速度不快,而目前用於監控的無人機,只是自帶攝像頭,而不能做進一步的信息處理,造成信息處理的延時。
技術實現要素:
本發明的目的在於,提供了一種自動進行信息處理的人群聚集預警無人機。
本發明解決其技術問題所採用的技術方案是:一種人群聚集預警無人機,包括攝像頭,還包括目標標定模塊、目標軌跡預判模塊、人群聚集度預測模塊、預警判斷模塊;
目標標定模塊,設定標準特徵資料庫,將攝像頭採集的視頻樣本與標準特徵資料庫進行對比,篩選出正確的對象;
目標軌跡預判模塊,第一步,圖像網格採樣,將圖像攝取設備攝取的視頻圖片進行採樣,獲取稀疏的圖像像素點;第二步,連續幀網格點軌跡獲取,對網格像素點在連續的至少兩個視頻幀進行跟蹤;第三步,網格點軌跡分塊處理,將視頻幀圖像分割成幾十個圖像小塊,對屬於同一個圖像小塊的所有網格像素點軌跡組建一個數據矩陣,並利用主成分分析法提取主分量軌跡;第四步,剔除背景網格點,去除主分量軌跡,得到殘餘軌跡分量,並計算自適應的閾值,判定其殘餘軌跡分量小於閾值的網格像素點屬於背景點,大於閾值的網格像素點屬於潛在的運動目標點;第五步,採用非線性的擴展卡爾曼濾波或粒子濾波,並結合運動目標前連續幀的坐標位置,預測下一時刻目標的位置,建立預判軌跡;
人群聚集度預測模塊,對多個目標的預判軌跡進行預判形成運動軌跡圖,設定目標地,對目標地未來時間的人群聚集度進行預判;預警判斷模塊,將預判結果顯示在顯示器上,設定人群密集度標準,超出標準進行預警。
本發明的進一步設置為:還包括gps定位模塊,gps定位模塊實時接收發送定位信息,並與顯示器連接。
本發明的進一步設置為:將網格像素點坐標設為p(xm,yn),網格像素點坐標計算方法為,xm=(m-1)*d1+1;yn=(n-1)*d2+1,其中,m為網格列數,n為網格行數,d1為網格寬度,d2為網格高度。
本發明的進一步設置為:每個網格點的在每一視頻的坐標位置為,p(xm(t),yn(t))=f(p(xm(t-1),yn(t-1)),f(p)為跟蹤算法,p(xm(t-1),yn(t-1))為列數為m,行數為n的像素點在第t-1視頻幀中的坐標,p(xm(t),yn(t))為列數為m,行數為n的像素點在第t視頻幀中的坐標。
上述無人機可以利用攝像頭採集視頻信息,首先與標準特徵資料庫進行對比,確定準確的目標群體,然後對多幀數的視頻信息進行處理,預判對象的軌跡,利用多個目標的軌跡線集作為對象,劃定目標區域,只要得到軌跡落在目標區域的情況就能得到人群聚集度的預判,預判值與人群密集度標準進行對比,如果超出了標準就進行預警,因此無人機不僅能監控人群密集度的情況,還能做出預警判斷,並及時處理信息,避免信息處理延時,做好預防。
具體實施方式
本發明一種人群聚集預警無人機,包括攝像頭,還包括目標標定模塊、目標軌跡預判模塊、人群聚集度預測模塊、預警判斷模塊;目標標定模塊,設定標準特徵資料庫,將攝像頭採集的視頻樣本與標準特徵資料庫進行對比,篩選出正確的對象;
目標軌跡預判模塊,第一步,圖像網格採樣,將圖像攝取設備攝取的視頻圖片進行採樣,獲取稀疏的圖像像素點;第二步,連續幀網格點軌跡獲取,對網格像素點在連續的至少兩個視頻幀進行跟蹤;第三步,網格點軌跡分塊處理,將視頻幀圖像分割成幾十個圖像小塊,對屬於同一個圖像小塊的所有網格像素點軌跡組建一個數據矩陣,並利用主成分分析法提取主分量軌跡;第四步,剔除背景網格點,去除主分量軌跡,得到殘餘軌跡分量,並計算自適應的閾值,判定其殘餘軌跡分量小於閾值的網格像素點屬於背景點,大於閾值的網格像素點屬於潛在的運動目標點;第五步,採用非線性的擴展卡爾曼濾波或粒子濾波,並結合運動目標前連續幀的坐標位置,預測下一時刻目標的位置,建立預判軌跡;
人群聚集度預測模塊,對多個目標的預判軌跡進行預判形成運動軌跡圖,設定目標地,對目標地未來時間的人群聚集度進行預判;預警判斷模塊,將預判結果顯示在顯示器上,設定人群密集度標準,超出標準進行預警,gps定位模塊實時接收發送定位信息,並與顯示器連接,將網格像素點坐標設為p(xm,yn),網格像素點坐標計算方法為,xm=(m-1)*d1+1;yn=(n-1)*d2+1,其中,m為網格列數,n為網格行數,d1為網格寬度,d2為網格高度,每個網格點的在每一視頻的坐標位置為,p(xm(t),yn(t))=f(p(xm(t-1),yn(t-1)),f(p)為跟蹤算法,p(xm(t-1),yn(t-1))為列數為m,行數為n的像素點在第t-1視頻幀中的坐標,p(xm(t),yn(t))為列數為m,行數為n的像素點在第t視頻幀中的坐標。
下面詳細解釋實施例中軌跡預判的過程。
圖像網格採樣:主要用於獲取稀疏的圖像像素點而又不失像素點的分布均勻性,達到減少跟蹤點數量,提高系統運算速度的目的。網格像素點坐標計算方法如下:
xm=(m-1)*d1+1;yn=(n-1)*d2+1;
其中:m為網格列數,n為網格行數,d1為網格寬度,d2為網格高度;(網格像素點為p(xm,yn))
連續t幀網格點軌跡獲取:對網格像素點p(xm,yn)在連續的t個視頻幀進行跟蹤,其中每個網格點的在每一視頻的坐標位置如下:
p(xm(t),yn(t))=f(p(xm(t-1),yn(t-1)));
其中:f(p)為跟蹤算法,p(xm(t-1),yn(t-1))為列數為m,行數為n的像素點在第t-1視頻幀中的坐標,p(xm(t),yn(t))為列數為m,行數為n的像素點在第t視頻幀中的坐標。
網格點軌跡分塊處理:將視頻幀圖像分割成幾十個圖像小塊,對屬於同一個圖像小塊的所有網格像素點軌跡組建一個數據矩陣m,並利用主成分分析法(pca)提取主分量軌跡m',以此為基礎來建立軌跡數據集合。
本發明的主要作用是應用在警用上,由於目前社會的各種集會很多,比如旅遊、演唱會、觀潮等,近年來發生了很多意外的多人踩踏事件,這是無法預期的,那麼利用本發明無人機,就能預判,並做好及時的準備和處理。
本發明中對於標準特徵資料庫的標準特徵的設定是可以改變的,如果是生物的話,比如配合熱探測儀形成圖像,還可以通過紅外線、雷達等手段採集樣本,當然單純的圖像特徵也是可以的,比如滿足人體特徵並移動的物體,就複合標準特徵,那麼選定目標就非常方便。
顯然,上述實施例僅僅是為了清楚的說明所做的舉例,而並非對實施方式的限定。對於所屬領域的技術人員來說,在上述說明的基礎上還可以做出其它不同形式的變化或變動。這裡無需也無法對所有的實施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動仍處於本發明的保護範圍。