[发明专利]用于户外救援的无人机人物自动识别方法

权利要求书

1.一种用于户外救援的无人机人物自动识别方法，其特征在于，包括如下步骤：

S1.搭建无人机飞行平台；

S2.构建地面站系统；

S3.获取图像数据：利用无人机飞行平台获取户外救援图像数据，利用无线数据传输技术以及物联网技术将红外图像数据以及可见光图像数据传给地面站系统；

S4.图像预处理；

S5.红外图像分割；

S6.确定感兴趣区域；

S7.利用可见光图像识别目标：对通过S7获取的感兴趣区域的位置信息寻找可见光图像中对应的图像通过卷积神经网络进行人体目标识别；

S8.获取GPS位置信息；

其中，在S7中的利用卷积神经网络对人体进行识别前，需要构建卷积神经网络，并对构建的卷积神经网络进行训练：

首先，设置多个网络深度不同的CNN_Based模型，进行图像识别训练，得到不同网络深度的CNN_Based模型图像识别的召回率和精确率，设置深度评估指标作为评估不同网络深度的CNN_Based模型图像识别质量的依据，深度评估指标与不同网络深度模型下图像识别的召回率和精确率之和正相关，深度评估指标的评估公式为：

式中：I_deep记为深度评估指标，i记为不同网络深度的CNN_Based模型对应的编号，记为不同网络深度模型训练结果中的召回率，记为不同网络深度的CNN_Based模型训练结果中的精确率，U₁和V₁分别记为不同网络深度模型训练结果的召回率和精确率数值组成的集合，其中

其次，将深度评估指标最大的网络深度作为CNN_Based模型的网络深度，展开对不同卷积核及神经元数目的CNN_Based模型图像识别测试训练，针对网络深度均为I_deep的CNN_Based模型设置不同的卷积核数量对训练集中的图片进行识别，得到网络深度为I_deep的卷积神经网络在不同卷积核数量下的CNN_Based模型图像识别召回率和精确率，设置卷积核数目评估指标作为评估不同卷积核数量的CNN_Based模型图像识别质量的依据，卷积核数目评估指标与每增加一倍卷积核数量引起的召回率变化量与精确度变化量之和正相关，卷积核数量评估指标的评估公式为：

式中：I_jjh记为卷积核数量评估指标，n记为卷积核数量增加的倍数，a记为卷积核的起始数目，U₂和V₂分别记为不同卷积核数目情况下CNN_Based模型图像识别的召回率和精确率组成的集合，记为卷积核数目扩增n倍时对应的召回率，记为卷积核数目扩增n-1倍时对应的召回率，记为卷积核数目扩增n倍时对应的精确度，记为积核数目扩增n-1倍时对应的精确度；

然后，求取卷积核数量评估指标最大时对应的卷积核数量作为CNN_Based模型的卷积核数目，在网络深度为I_deep的前提下，创建卷积核大小不同的CNN_Based模型，对卷积核大小不同的CNN_Based模型进行识别测试训练，得出各个模型对样本图片识别的召回率和精确率，设置卷积核大小评估指标作为评估不同尺寸卷积核的CNN_Based模型图像识别的依据，卷积核大小评估指标与每种尺寸卷积核大小情况下的召回率和精确率之和正相关，卷积核大小评估指标的评估公式为：

式中：I_jjcc记为卷积核大小评估指标，U₃和V₃分别记为不同卷积核大小的CNN_Based模型图像识别的召回率和精确率的集合，记为卷积核大小为b×b时对应的图像识别结果的召回率，记为卷积核大小为b×b时对应的图像识别结果的精确率；

最后，设置模型综合评估指标作为优化模型参数后的模型识别性能评估指标，模型综合评估指标与深度评估指标、卷积核数量评估指标以及卷积核大小评估指标均正相关，模型综合评估指标的评估公式为：

I_Z＝0.3I_deep+0.3I_jjh+0.3I_jjcc；

式中：I_Z记为模型综合评估指标。