申请/专利权人：成都欣纳科技有限公司

申请日：2024-01-30

公开（公告）日：2024-04-30

公开（公告）号：CN117690164B

主分类号：G06V40/10

分类号：G06V40/10;G06V20/52;G06V10/764;G06V10/82;A01M29/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本申请提供一种基于边缘计算的机场飞鸟识别驱赶方法及系统，通过获取目标机场环境图像，通过调试完成的目标飞鸟识别神经网络对目标机场环境图像进行图像内容识别，结合不同特征层次对应的图像内容识别结果来确定目标分类识别集合，最后通过目标分类识别集合包含目标机场环境图像中各个像素对应的对象分类结果，识别得到目标机场环境图像中的目标对象，在目标对象包括飞鸟类别时，控制驱鸟设备执行驱鸟操作。采用挖掘不同特征层次得到的表征向量进行对象分类，能够整合通过深层挖掘的表征语义的表征向量进行对象分类和通过在浅层挖掘的浅层的表征向量进行对象分类获得的图像内容识别结果，对象识别的精度和可靠性高。

主权项：1.一种基于边缘计算的机场飞鸟识别驱赶方法，其特征在于，应用于边缘计算设备，所述边缘计算设备与驱鸟设备通信连接，所述方法包括：通过所述驱鸟设备获取拟检测的目标机场环境图像；通过部署在所述边缘计算设备中的目标飞鸟识别神经网络通过所述目标机场环境图像进行图像内容识别操作，得到目标分类识别集合，所述目标分类识别集合包含所述目标机场环境图像中各个像素对应的对象分类结果；其中，所述目标分类识别集合由所述目标飞鸟识别神经网络通过所述目标机场环境图像进行链式深度加深的表征向量挖掘，得到不同特征层次得到的多个目标表征向量集合，以及结合所述多个目标表征向量集合的多个图像内容识别结果以获得；其中，所述链式深度加深的表征向量挖掘的方式为将前一深度挖掘的表征向量集合确定为后一深度的输入数据进行表征向量挖掘；通过所述目标分类识别集合中的对象分类结果，确定所述目标机场环境图像中包含的目标对象；当所述目标对象包括飞鸟类别时，控制所述驱鸟设备执行驱鸟操作；其中，所述目标飞鸟识别神经网络包括P个依次连接的表征向量挖掘组件和图像内容识别组件；所述通过目标飞鸟识别神经网络通过所述目标机场环境图像进行图像内容识别操作，得到目标分类识别集合，包括：对所述目标机场环境图像进行图像编码映射，得到图像编码映射集合；通过所述P个依次连接的表征向量挖掘组件依据所述图像编码映射集合进行链式递进式的表征向量挖掘；其中，所述P个依次连接的表征向量挖掘组件中前一个表征向量挖掘组件的执行结果作为后一个表征向量挖掘组件的输入，其中，P＞1；在所述P个依次连接的表征向量挖掘组件执行得到的表征向量集合中，获取其中A个目标表征向量挖掘组件执行得到的A个目标表征向量集合，其中，P≥A＞1；通过图像内容识别组件通过所述A个目标表征向量集合中每一目标表征向量集合进行图像内容识别，获得每一目标表征向量集合对应的图像内容识别结果；获取各个所述图像内容识别结果的整合偏心系数；所述整合偏心系数为相应特征层次在网络调试过程中设置的权重值；依据所述整合偏心系数对多个所述图像内容识别结果进行整合操作，得到偏心整合结果；通过所述偏心整合结果确定所述目标机场环境图像对应的目标分类识别集合；其中，所述图像内容识别组件包含先验支持系数分类模块和上下文约束分类模块，所述通过图像内容识别组件通过所述A个目标表征向量集合中每一目标表征向量集合进行图像内容识别，获得每一目标表征向量集合对应的图像内容识别结果，包括：对于每一目标表征向量集合，通过所述先验支持系数分类模块对所述目标表征向量集合中的每一语义表征向量进行分类，得到每一所述目标表征向量集合对应的支持系数分布数组，其中，先验支持系数表示先验信息的支持系数；通过所述上下文约束分类模块，依据每一所述支持系数分布数组中每一语义表征向量属于各对象分类结果的支持系数，得到每一所述目标表征向量集合对应的图像内容识别结果。

全文数据：

权利要求：

百度查询： 成都欣纳科技有限公司 基于边缘计算的机场飞鸟识别驱赶方法及系统

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