[发明专利]一种智能无人机载视频监控方法

说明书

本发明提供了一种智能无人机载视频监控方法。区别于传统视频监控只能把摄像机固定在特定位置，本发明基于视频智能分析技术，将无人机的机动性与摄像机结合起来，设计一种机动灵活的视频监控方案。在正常情况下，无人机搭载摄像机停留在固定位置进行视频监控，一旦摄像机覆盖区域发生异常而摄像机无法处于最佳拍摄视角，或者其他非覆盖区域发生异常，利用本发明方法可以智能地规划无人机路径，根据视频分析结果将监控摄像头自动带到感兴趣的区域，持续监控，灵活快捷便利。

技术领域

本发明属计算机视觉、机器人技术领域，具体涉及一种智能无人机载视频监控方法。

背景技术

随着数字信息时代的到来，数字化高新技术产品日益增加和完善。各行业为了提高和完善生产、管理水平和增加竞争性，都争先采用完善的高新技术产品，视频监控系统就是信息时代的产物之一。视频监控系统是管理人员高质量管理的理想工具，也是公共安全、防盗防范必不可少的强有力的得力助手，利用它可以大大减少不必要的人力，实时监视可视区域，做到控制现场实际工作现状，实时快速的反映所发生的一切事物，便于管理者及时应付处理突发事件等。目前现有的视频监控，虽然能够智能处理摄像头信息，但是摄像头固定，场景固定，很不灵活。一旦遇到新情况、场景的变化、感兴趣的区域移动，就不得不对监控系统进行位置的调整。而且设备限制，功能比较单一。同时，随着监控数量的爆发式增长，视频的数据量也越来越大，使得人工处理这些数据变得非常不便。

随着科学技术的飞速发展，无人机飞行技术有了巨大的提升。无人机以其优良的性能在各种领域中获得了广泛的应用，尤其是在民用领域，无人机承担了许多特殊环境下的作业工作，国家社会也投入了巨大的财力致力于无人机的相关研究。但是，目前的无人机监控，准确说是无人机摄像系统，基本原理是飞手操作无人机，装在无人机上的图传系统将图片返回，飞手根据摄像头返回的区域来手动控制，飞向热点区域。目前的研究局限于图传系统以及算法处理摄像头抖动，并没有自动的控制过程。即无人机和摄像头只是局限在航拍、追踪，大部分要靠人力分析图像，这样很难处理大批量数据，而且时间缓慢，人为操作会错过热点区域。

发明内容

为了克服现有技术的不足，本发明提供一种智能无人机载视频监控方法。不同于传统视频监控只能把摄像机固定在特定位置的做法，本发明基于视频智能分析技术，将无人机的机动性与摄像机结合起来，设计一种机动灵活的视频监控方案。在正常情况下，无人机搭载摄像机停留在固定位置进行视频监控，一旦摄像机覆盖区域发生异常而摄像机无法处于最佳拍摄视角，或者其他非覆盖区域发生异常，无人机可以自主飞行到目标区域进行最佳视角视频采集，实现动态监控分析。本发明方法分为异常行为分析和自主寻路两部分。

一种智能无人机载视频监控方法，其特征在于步骤如下：

步骤1：对整个场景图像进行网格化划分，根据Lucas-Kanade光流算法计算得到每一帧图像相对于前一帧的光流。

步骤2：利用蔡瑞初等人2015年的工作“基于多尺度时间递归神经网络的人群异常检测[J].软件学报,2015,26(11):2884-2896”中的方法计算每个网格的多尺度光流直方图。

步骤3：将所有网格的多尺度光流直方图沿着通道方向合并，然后输入到多尺度时间递归神经网络，利用多尺度时间递归神经网络输出层定位异常发生的位置；所述的多尺度时间递归神经网络及网络参数均记载在蔡瑞初等人2015年的工作“基于多尺度时间递归神经网络的人群异常检测[J].软件学报,2015,26(11):2884-2896”中；

步骤4：利用无人机上图像分析模块得到的人群热点区域，利用双目相机测得人群热点区域到无人机当前位置的距离，利用三角函数计算得出热点区域位置相对于当前位置坐标。

步骤5：利用ORB特征对齐方法对图像进行特征对齐，并使用梯度下降法优化目标函数得到最终的位置转移矩阵T，其中，下标k代表图像帧数序列，u'_i表示位置坐标，σI表示图像的像素值变化量。