申请/专利权人：中国民用航空飞行学院

申请日：2024-03-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876942A

主分类号：G06V20/40

分类号：G06V20/40;G06V10/764;G06V10/80;G06V10/82;G06V10/44;G06V10/56

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本申请公开了基于卷积神经网络的无人机与飞鸟的监测方法。一种基于卷积神经网络的无人机与飞鸟的监测方法，包括如下步骤：步骤1：采用摄像设备对目标空域进行连续监测，获取目标空域按照时间序列的视频信息；步骤2：将视频信息输入到第一外观信息提取模型中，从视频信息中提取出边界特征信息；边界特征信息包括目标空域中的飞行物以及飞行物的边界框。本申请所提供的技术方案中，采用摄像设备不断的对目标空域进行监测，进而获得目标空域的视频信息。从视频信息中提取出飞行物的外形特征和轨迹特征，然后将外形特征和轨迹特征相互融合之后，用于无人机和飞鸟的判断，极大地增加了飞行物判断的准确性。

主权项：1.一种基于卷积神经网络的无人机与飞鸟的监测方法，其特征在于，包括如下步骤：步骤1：采用摄像设备对目标空域进行连续监测，获取目标空域按照时间序列的视频信息；步骤2：将视频信息输入到第一外观信息提取模型中，从视频信息中提取出边界特征信息；边界特征信息包括目标空域中的飞行物以及飞行物的边界框；步骤3：将边界特征信息输入至第二外观信息提取模型中，从边界特征信息中提取出外形特征，外形特征包括飞行物的外观信息和颜色信息；步骤4：利用视频信息构建出时空轨迹模型，从时空轨迹模型中提取出目标空域中飞行物的轨迹特征；步骤5：将轨迹特征和外形特征进行融合得到融合特征，将融合特征输入至目标分类网络中，以对目标空域的飞行物进行分类。

全文数据：

权利要求：

百度查询： 中国民用航空飞行学院 基于卷积神经网络的无人机与飞鸟的监测方法

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