[发明专利]一种基于边缘智能的无人机视频帧过滤方法及装置

权利要求书

1.一种基于边缘智能的无人机视频帧过滤方法，其特征在于：包括以下步骤：

步骤1、在无人机端部署轻量级超分辨率模型FLASR和轻量级目标检测模型Yolo_ShuffleNet；

步骤2、将采集到的无人机视频数据使用相似度融合算法初步过滤，得到过滤后的视频帧；

步骤3、将过滤后的视频帧输入到轻量级图像超分辨率模型FALSR中，得到超分辨率视频帧；

步骤4、将超分辨率视频帧输入到轻量级目标检测模型Yolo_ShuffleNet，对视频帧再次进行过滤，过滤掉无目标对象帧，之后上传至云端；

所述步骤2中相似度融合算法为基于投票机制的相似度融合算法，具体包括：

所述基于投票机制的相似度融合算法包括：相似与不相似；根据基于投票机制的相似度融合算法求出相似度进行投票，根据算法求出的结果不相似的个数大于相似的个数时，则将此帧提取，否则将此帧过滤；计算相似度算法包括：EMD距离算法以及结构相似度算法，用于计算相邻两帧间相似度；

定义初始相似度阈值，判断相似度大小，若两种算法计算出来的相似度均大于初始相似度阈值，将此帧过滤；

若否，则判断两算法相似度是否均小于初始相似度阈值，若是则将此帧保存，若否，则通过融合感知哈希算法计算相似度，并设定第二相似度阈值，若感知哈希相似度大于第二相似度阈值，则将此帧进行过滤；若感知哈希相似度小于等于第二相似度阈值，将此帧保存；

所述步骤4进一步具体为：

轻量级目标检测模型Yolo_ShuffleNet利用YOLOv3的结构，将YOLOv3主干网络替换为ShuffleNetv2；将超分辨率视频帧输入到轻量级目标检测模型Yolo_ShuffleNet，进行再次过滤，判断图中是否有目标，当检测目标对象为0时，过滤无目标帧；当检测图中含有目标对象时，将此帧传输到云端。

2.根据权利要求1所述的一种基于边缘智能的无人机视频帧过滤方法，其特征在于：所述步骤1进一步具体为：在无人机端部署轻量级超分辨率模型FLASR和轻量级目标检测模型Yolo_ShuffleNet；从无人机视频数据集中提取每帧图像，分别输入到Yolo_ShuffleNet和YOLO中，进行模型迁移训练，保证分类精度。

3.根据权利要求1所述的一种基于边缘智能的无人机视频帧过滤方法，其特征在于：还包括步骤5、将步骤4中得到的视频帧，输入到部署在云端的目标检测模型YOLO，进行目标检测。