申请/专利权人：北京中超伟业信息安全技术股份有限公司

申请日：2023-02-06

公开（公告）日：2023-05-26

公开（公告）号：CN115861938B

主分类号：G06V20/52

分类号：G06V20/52;G06V20/70;G06V10/82;G06V10/26;G06V10/80;G06T7/73;H04K3/00

优先权：

专利状态码：有效-授权

法律状态：2023.05.26#授权;2023.04.14#实质审查的生效;2023.03.28#公开

摘要：本发明属于无人机反制技术领域，具体涉及一种基于无人机识别的无人机反制方法及系统，该方法包括：获取无人机检测数据集；构建反卷积融合网络，反卷积融合网络用于输出分割结果图；采用无人机检测数据集训练反卷积融合网络，获得无人机检测模型；获取待监测区域的可见光图像和与可见光图像对应的深度图像；将可见光图像输入无人机检测模型，根据无人机检测模型的输出判断可见光图像是否包含无人机；当可见光图像中包含无人机时，根据无人机检测模型输出的分割结果图和对应的深度图像确定无人机的空间中心点坐标；根据无人机的空间中心点坐标向无人机发射干扰信号。本发明提高了无人机识别的准确性同时提高了干扰的准确性。

主权项：1.一种基于无人机识别的无人机反制方法，其特征在于，包括：获取无人机检测数据集；构建反卷积融合网络，所述反卷积融合网络用于输出分割结果图；采用所述无人机检测数据集训练所述反卷积融合网络，获得无人机检测模型；获取待监测区域的可见光图像和与所述可见光图像对应的深度图像；将所述可见光图像输入所述无人机检测模型，根据所述无人机检测模型的输出判断可见光图像是否包含无人机；当可见光图像中包含无人机时，根据所述无人机检测模型输出的分割结果图和对应的深度图像确定无人机的空间中心点坐标；根据无人机的空间中心点坐标向无人机发射干扰信号；所述反卷积融合网络包括特征提取模块、第一反卷积融合模块、第二反卷积融合模块、第三反卷积融合模块、第四反卷积融合模块和分割结果图确定模块，所述特征提取模块用于根据输入图像生成尺寸依次减小的特征图U1、特征图U2、特征图U3、特征图U4和特征图U5；所述第一反卷积融合模块用于对特征图U4进行通道数为2的卷积操作获得特征图U4’，对特征图U5进行通道数为2的卷积操作获得特征图U5’，通过对特征图U5’进行反卷积操作获得与特征图U4’尺寸相同的特征图V5，将特征图V5与特征图U4’进行逐像素加和后进行卷积获得特征图V4’；所述第二反卷积融合模块用于对特征图U3进行通道数为2的卷积操作获得特征图U3’，通过对特征图V4’进行反卷积操作获得与特征图U3’相同尺寸的特征图V4，将特征图V4与特征图U3’进行逐像素加和后进行卷积获得特征图V3’；所述第三反卷积融合模块用于对特征图U2进行通道数为2的卷积操作获得特征图U2’，通过对特征图V3’进行反卷积操作获得与特征图U2’相同尺寸的特征图V3，将特征图V3与特征图U2’进行逐像素加和后进行卷积获得特征图V2’，所述第四反卷积融合模块用于对特征图U1进行通道数为2的卷积操作获得特征图U1’，通过对特征图V2’进行反卷积操作获得与特征图U1’相同尺寸的特征图V2，将特征图V2与特征图U1’进行逐像素加和后进行卷积获得特征图V1’；所述分割结果图确定模块用于对特征图V1’进行反卷积获得与所述输入图像尺寸相同的分割结果图V1；所述当可见光图像中包含无人机时，根据所述无人机检测模型输出的分割结果图和对应的深度图像确定无人机的空间中心点坐标，具体包括：当可见光图像中包含无人机时，基于形心计算函数计算所述无人机检测模型输出的分割结果图中无人机的形心坐标；在对应的深度图像上，获得所述无人机的形心坐标位置的深度值；根据所述无人机的形心坐标和所述深度值确定无人机的空间中心点坐标；根据式1~式3计算无人机的空间中心点坐标x,y,z； 1 2 3其中，a为无人机形心的横坐标，b为无人机形心的纵坐标，d为无人机形心的深度值，c_f为深度相机的内参数，fx为x方向上的焦距值，fy为y方向上的焦距值，c_fx为x方向上光轴对于投影平面坐标中心的偏移量，c_fy为y方向上光轴对于投影平面坐标中心的偏移量。

全文数据：

权利要求：

百度查询： 北京中超伟业信息安全技术股份有限公司 一种基于无人机识别的无人机反制方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD