[发明专利]一种基于图像探测的无人机识别方法

权利要求书

1.一种基于图像探测技术的无人机识别方法，其特征在于，包括以下步骤：

步骤1，可调焦相机采集低空目标图像，通过USB接口实时地将图像数据发送到PC机的存储器中，读取图像数据；

步骤2，采用Faster R-CNN算法进行运动目标检测，对目标图像进行初次识别，判断是否为无人机并报警；

步骤3，PC对运动目标坐标解析，FPGA通过串口发送平台姿态控制字实现二维控制云台的控制，实时跟踪目标；

步骤4，用Sobel算法评价跟踪的目标图像清晰度得到最佳对焦值，FPGA通过串口发送相机焦距控制字实现相机的自适应调焦，对运动目标再次识别，判断是否为无人机并报警；

步骤1中，图像数据发送和读取具体方法为：

可调焦相机采集低空目标图像，采集的RGB图像数据经过USB口发送到PC机的存储器中，PC上用Python的PIL库中的Image函数完成对图像数据的读取；

步骤2中，运动目标检测具体方法为：

目标检测识别算法可采用Faster R-CNN算法，具体包括以下6个步骤：

步骤31：将读取的RGB图像的R、G、B三个通道的像素求取均值得到平均像素值向量；

步骤32：RGB图像减去平均像素值向量，将图像变换为固定尺寸大小，并以图像矩阵的形式存储在内存中；

步骤33：将图像矩阵送进卷积神经网络CNN中向前传播，进行特征提取：特征提取一方面生成供RPN特征区域生成网络输入的特征图，另一方面在CNN继续向前传播提取，得到更高维度的特征图；

步骤34：RPN网络得到特征图后，利用预设大小和纵横比的锚框anchor去提取预选区域，分别生成属于图像前景和背景的预选框和相应的坐标偏移量；

步骤35：CNN网络的RoI pooling层将RPN传来的预选框和最后的高层feature map进行对应，提取出相应的预选框特征；

步骤36：将预选框特征送到CNN的全连接层进行分类和坐标修正回归，输出预选区域的所属的类和在图像中的精确位置，完成对目标图像的检测识别；

步骤3中，目标跟踪具体方法为：

PC对运动目标坐标解析，计算运动目标的锚框的中心坐标与图像中心坐标的横向差值和纵向差值，组成图像位置偏差向量；建立图像位置偏差向量与二维控制云台偏转角度的关系模型；调整FPGA产生PWM波的占空比控制偏转角度；FPGA输出平台姿态控制字，通过串口发送给二维控制云台，控制云台的偏航角和俯仰角，实现目标跟踪；

步骤4中，自适应放大具体方法为：

读取目标跟踪后的图像数据，对每一帧图像选取合适的调焦窗口，用Sobel算法评价图像清晰度；建立目标图像参数和焦距关系模型，得到最佳对焦评价值；FPGA输出相机焦距控制字，通过串口发送给可变焦相机，自动调焦并实现目标的自适应放大。