[发明专利]一种基于行为识别的无人机集群内部信息传递方法

权利要求书

1.一种基于行为识别的无人机集群内部信息传递方法，其特征在于，实现过程包括如下步骤

步骤1、无人机主动行为语义信息对照表的建立

仿照摩斯码及数据通信协议，选择振翼作为无人机主动行为基本动作，将无人机完成的一次左振翼记为“0”，完成一次右振翼记为“1”，按照无人机集群任务需求，“0”和“1”自定义排列顺序构成动作编码，用于表达具体的任务信息，并由此制定相应的语义信息对照表；

步骤2、无人机主动行为的表征

无人机在不偏离航线的前提下，按照所要传递任务信息对应的动作编码，完成左振翼或右振翼，由此实现无人机主动行为的表征；在主动行为表征过程中，利用飞控进行补偿，使得无人机在进行左振翼或右振翼时，保持原本的飞行航迹不变，由此获得与无人机正常行为区别明显的振翼效果且保证无人机的安全；

步骤3、无人机主动行为的识别

3.1无人机目标检测

无人机目标检测以全局搜索策略为原则，在无人机的机载摄像头视野范围内对空中其它弱小无人机目标实现探测识别，通过获取无人机位置以及目标大小实现无人机的精准定位；

3.2无人机目标跟踪

空对空情况下无人机目标的长时跟踪是在检测的基础上执行局部搜索策略，在长时序列帧中对复杂背景建模，关联目标的运动轨迹以实现跟踪无人机，不断更新无人机的位置和大小；

3.3无人机行为认知

3.3.1从视频流中获得描述无人机运动的时空特征

实时输入无人机目标跟踪视频流，根据单个目标无人机运动的状态，建立无人机运动时空特征模型，通过构造时间上的运动信息和空间上的几何纹理信息来表达复杂的、隐含的时空特征，进而获得微小像素下的无人机机翼运动描述；

3.3.2设计动作识别策略，实现无人机行为认知

选用基于度量的方式作为动作识别策略，学习一个嵌入函数，将输入空间映射到一个新的嵌入空间，在嵌入空间中有一个相似性度量来区分不同类；具体而言，时空特征提取网络可作为嵌入函数，根据样本特征空间之间的匹配度判别无人机是否发生振翼动作；

训练一个对所有基类进行分类的分类器，并使用余弦最近法执行小样本任务；在所有基类上训练一个具有标准交叉熵损失的分类器，然后去掉它的最后一个全连接层，得到编码器f_θ，它将输入映射到特征空间；给定一个支持集S的小样本任务，设Sc表示c类的小样本，计算平均特征W_c作为c类的质心：

然后，对于一个小样本任务中的样本x，预测样本x属于c类的概率，作为样本x的特征向量与c类质心之间的余弦相似度：

式中·，·为两个向量的余弦相似度；注意，w_c也可以被看作是新全连接层的预测权重；

在训练集中计算每个任务的损失，即由p和查询集中样本的标签计算的交叉熵损失，进而获得每个样本的预测概率分布；

利用训练好的网络评估无人机主动行为，分析无人机振翼动作编码，参照构建好的无人机主动行为语义信息对照表，获取有效任务信息，进而实现无人机集群内部信息传递。

2.根据权利要求1所述的一种基于行为识别的无人机集群内部信息传递方法，其特征在于，所述步骤3.1的无人机目标检索的检测框架选用残差网络结构搭建的Darknet-53作为骨干特征提取网络；考虑到无人机目标的多尺度变化，选取不同尺度的特征图来获取无人机目标的显著特征位置，深层小尺度特征图中可以有效的利用全局感受野捕获大尺度无人机目标，浅层大尺度特征图可以有效避免多层卷积丢失小尺度目标特征，加强小目标无人机识别能力；在获取多层尺度目标后，通过DBL残差卷积模块在各层特征图上分别回归目标框中心点坐标、边界框长宽以及目标的置信度。

3.根据权利要求1所述的一种基于行为识别的无人机集群内部信息传递方法，其特征在于，所述步骤3.2采用基于相关滤波的ECO算法作为无人机目标跟踪算法，快速的在视频中估计无人机的位置和尺度；ECO算法以步骤1中检测出的目标无人机作为跟踪器的初始化目标，持续的在视频序列中跟踪目标；ECO算法采用相关滤波的方法对目标的外观语义特征进行迭代训练，学习到具有无人机目标判别性功能的相关滤波器；在下一帧目标周围区域执行局部搜索策略，通过相关滤波器准确定位目标的位置。

4.根据权利要求3所述的一种基于行为识别的无人机集群内部信息传递方法，其特征在于，采用一个预训练的ResNet18模型构建目标无人机的外观语义模型，ResNet18在大规模的图片数据集上学习了各种目标的外观语义信息，具有强大的目标表示能力，并且Resnet18网络层数少，满足跟踪实时性的要求。