申请/专利权人：武汉理工大学

申请日：2019-05-31

公开（公告）日：2024-03-08

公开（公告）号：CN112016373B

主分类号：G06V40/10

分类号：G06V40/10;G06V20/17;G06V20/40;G06V10/30;G06V10/82;B63C9/01;B63C9/02;B64U10/13;B64U20/80;B64U20/87;B64U101/31

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2020.12.18#实质审查的生效;2020.12.01#公开

摘要：本发明公开了一种基于视觉感知与计算的水上遇险人员智能辅助搜救系统，包括：多旋翼无人机飞行平台，所述多旋翼无人机飞行平台搭载视频采集模块与便捷式救生设备；所述视频采集模块，用于采集目标区域水上遇险人员的视频图像；基地综合处理平台，包括视频处理单元、落水人员检测识别单元和控制单元；所述落水人员检测识别单元用于根据处理后的图像进行落水人员自主识别检测；救援无人艇，根据基地综合处理平台的控制信息，开往落水人员所在区域进行救援。本发明通过提供一种基于YOLOv3的多旋翼无人机的水上落水人员自主识别单元，利用无人机和无人艇，能有效的完成水上遇险人员智能辅助搜救。

主权项：1.一种基于视觉感知与计算的水上遇险人员智能辅助搜救系统，其特征在于，包括：多旋翼无人机飞行平台，所述多旋翼无人机飞行平台搭载视频采集模块与便捷式救生设备；所述视频采集模块，用于采集目标区域水上遇险人员的视频图像；基地综合处理平台，包括视频处理单元、落水人员检测识别单元和控制单元；所述视频处理单元用于对视频采集模块采集的视频进行图像处理；所述落水人员检测识别单元用于根据处理后的图像进行落水人员自主识别检测；所述落水人员检测识别单元的实现步骤如下：1制作落水人员数据集；模拟落水人员行为，使用多旋翼无人机进行拍摄，获得大量训练数据，制作落水人员训练数据集；2数据集视频图像训练预处理；对落水人员训练数据集进行帧截取、图像筛选和标签标定处理；3基于YOLOv3网络结构训练数据；3.1将处理过的图像进行resize处理，调整图像尺寸为448×448作为整个神经网络的输入；3.2通过运行神经网络得到若干bbox坐标、bbox中包含的人体目标的置信度、类别和概率3种信息：3.3在测试的时候，将每个网格预测的类别信息和bbox预测的confidence信息相乘，就得到每个bbox的具体类别置信分数：3.4通过设置阈值，滤掉得分低的bbox，对保留的bbox进行非极大值抑制处理，得到最终的识别结果；4落水人员自主识别检测；对于YOLOv3网络模型的训练结果，发明将多旋翼无人机实际拍摄落水人员视频图像信息运用已获得的训练参数进行落水人员的实时自主识别检测，针对识别到的落水人员进行标注警示，根据检测结果计算准确率，准确率低于95％时继续优化网络模型，提高落水人员识别准确率；所述控制单元用于根据落水人员检测识别的结果发送控制信息控制多旋翼无人机飞行平台向落水人员投放便捷式救生设备，并发送控制信息引导救援无人艇开往落水人员所在区域进行救援；救援无人艇，根据基地综合处理平台的控制信息，开往落水人员所在区域进行救援。

全文数据：

权利要求：

百度查询： 武汉理工大学 一种基于视觉感知与计算的水上遇险人员智能辅助搜救系统

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