一种基于无人机的海上遇险人员检测和跟踪方法及其系统技术方案

本发明专利技术公开了一种基于无人机的海上遇险人员检测和跟踪方法及其系统，包括：获取无人机身上搭载的摄像头拍摄的海上遇险现场的图像信息；输入图像信息至YOLOv3小目标检测模型，提取候选区域；计算候选区域对应的存在遇险人员的置信度，根据置信度得到遇险人员的目标信息；根据目标信息，测量遇险人员的求救信号，获取信号强度指示信息；根据信号强度指示信息，得到遇险人员的定位信息。通过建立YOLOv3小目标检测模型，提高对图像信息的处理速度和检测遇险人员的准确率；通过信号强度指示信息和基于多无人机的巡逻算法，实现对遇险人员的实时跟踪和定位，进一步缩小搜救范围，提高海上救援的效率。

【技术实现步骤摘要】
一种基于无人机的海上遇险人员检测和跟踪方法及其系统
本专利技术涉及无人机
，尤其是一种基于无人机的海上遇险人员检测和跟踪方法及其系统。
技术介绍
随着海运事业的飞速发展，水上安全事故也不断增加。针对海上发起的求助，一般都会对海上的遇险人员进行搜救，而对于渺茫的大海而言，人类相对渺小，而且受到风浪的影响，位置也会随时变化，几乎无法掌握的遇险人员的位置，一旦发生险情，援救的时间变得至关重要，遇险人员的搜救将面临着很大的挑战。目前部分海上遇险现场已采用无人机进行搜寻和救援，但是由于海上环境复杂多变，现有的无人机检测方法存在误判率高、检测时间长等问题，只能定位遇险人员当前的位置，缺乏跟踪定位的能力。
技术实现思路
为解决上述问题，本专利技术的目的在于提供一种基于无人机的海上遇险人员检测和跟踪方法及其系统，以实现对海上遇险人员的高效检测和跟踪定位。本专利技术解决其问题所采用的技术方案是：本专利技术的第一方面，一种基于无人机的海上遇险人员检测和跟踪方法，包括：获取无人机身上搭载的摄像头拍摄的海上遇险现场的图像信息；输入所述图像信息至YOLOv3小目标检测模型，提取候选区域；计算所述候选区域对应的存在遇险人员的置信度，根据所述置信度得到遇险人员的目标信息；根据所述目标信息，测量遇险人员的求救信号，经过基于接收信号强度定位算法，获取信号强度指示信息；根据所述信号强度指示信息，利用基于多无人机的巡逻算法，得到遇险人员的定位信息；定期重复获取所述定位信息，得到遇险人员的跟踪定位信息；将所述跟踪定位信息发送给搜救船队。上述基于无人机的海上遇险人员检测和跟踪方法至少具有以下的有益效果：通过建立YOLOv3小目标检测模型，提高对图像信息的处理速度和检测遇险人员的准确率；通过信号强度指示信息和基于多无人机的巡逻算法，实现对遇险人员的实时跟踪和定位，进一步缩小搜救范围，提高海上救援的效率。进一步，所述YOLOv3小目标检测模型对单元格的划分进行调整，把所述图像信息划分为21×9个单元格。这种划分方式，优化了横纵向检测权重，更好地应对图像信息中密集度不相等的情况，提高检测的准确率。进一步，所述YOLOv3小目标检测模型包括多个3×3的卷积层和多个1×1的卷积层。通过增加3×3的卷积层，减小神经网络的参数,加快计算速度,并获得更深层次的特征；通过增加1×1的卷积层,进一步减少了模型参数,同时增加了模型的非线性,提高模型的学习能力。进一步，所述YOLOv3小目标检测模型利用小人物检测数据集进行训练学习。通过利用小人物检测数据集进行训练学习，数据集具有人物图像较小、人物纵横比存在较大差异、物体密度高的特征，提高远距离且大背景下的微小目标检测性能。进一步，所述YOLOv3小目标检测模型还包括用于保持额外训练集和所述小人物检测数据集尺度一致的尺度匹配算法。通过设置尺度匹配算法，使与海上救援环境相差较大的额外训练集在训练过程中得到校正，保证YOLOv3小目标检测模型的性能和准确性。进一步，所述YOLOv3小目标检测模型还通过多次复制粘贴的方式增强所述图像信息中小目标图像的识别。通过多次复制粘贴图像信息的小目标图像来对目标的数据集进行特征增强，增加了小目标位置的多样性。同时，每个图像中小目标数量的增加进一步解决了少量正匹配的锚点的问题。进一步，根据所述信号强度指示信息，利用基于多无人机的巡逻算法，得到遇险人员的定位信息，包括：所述无人机以最大化定期测量所述信号强度指示信息的方式移动，所述信号强度指示信息进行如下的操作处理：Ri,j(k)＝h(di,j(k))+vi,j(k)其中，Ri,j(k)是从第j个遇险人员到第i个无人机的测量所述信号强度指示信息的第k个样本，vi,j(k)是零相关且方差为δ2的不相关测量噪声，h(di,j(k))是第j个遇险人员与第i个无人机之间的距离di,j(k)的递减函数，其公式如下：其中，R0是在给定距离d0处的信号强度，α是衰减系数，K为无单位常数；第j个遇险人员位置向量uv,j(k)进行如下的操作处理：Ai(k)uv,j(k)＝bi,j(k)其中，向量bi,j(k)为di,j(k)的平方差向量，矩阵Ai(k)为第i个无人机坐标的位移矩阵。进一步，所述遇险人员的定位信息还包括偏差角其计算公式如下：其中，和为利用最小二乘法估计函数导出估计的第j个遇险人员位置矢量的坐标向量。通过定期重复进行遇险人员位置向量和偏差角的计算，实现跟踪遇险人员位置随时间变化的情况，为搜救船队提供更加准确、实时的跟踪定位信息，提高救援效率和遇险人员的生还率。本专利技术的第二方面，一种基于无人机的海上遇险人员检测和跟踪系统，包括：摄像模块，为无人机身上搭载的摄像头，用于获取海上遇险现场的图像信息；检测模块，被配置为对所述图像信息进行提取候选区域；计算所述候选区域对应的存在遇险人员的置信度，得到遇险人员的目标信息；射频信号发射模块，安装在所述遇险人员身上，用于发送求救信号；节点传感模块，用于检测所述求救信号；跟踪模块，被配置为根据所述求救信号的强度，经过基于接收信号强度定位算法，获取信号强度指示信息；根据所述信号强度指示信息，利用基于多无人机的巡逻算法，得到遇险人员的定位信息；定期重复获取所述定位信息，得到遇险人员的跟踪定位信息；信息发送模块，用于将所述跟踪定位信息发送给搜救船队。本专利技术的第三方面，一种存储介质，所述存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上所述的基于无人机的海上遇险人员检测和跟踪方法。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明下面结合附图和实例对本专利技术作进一步说明。图1为本专利技术实施例一种基于无人机的海上遇险人员检测和跟踪方法的流程图；图2为图1中YOLOv3小目标检测模型的结构图；图3为图1中YOLOv3小目标检测模型的流程图；图4为本专利技术实施例一种基于无人机的海上遇险人员检测和跟踪系统的结构图；图5为图3中小人物检测数据集的分类示例图。具体实施方式参照图1，本专利技术实施例提供了一种基于无人机的海上遇险人员检测和跟踪方法，包括步骤S110、获取无人机身上搭载的摄像头拍摄的海上遇险现场的图像信息；步骤S120、输入所述图像信息至YOLOv3小目标检测模型，提取候选区域；计算所述候选区域对应的存在遇险人员的置信度，根据所述置信度得到遇险人员的目标信息；步骤S130、根据所述目标信息，测量遇险人员的求救信号，经过基于接收信号强度定位算法，获取信号强度指示信息；步骤S140、根据所述信号强度指示信息，利用基于多无人机的巡逻算法，得到遇险人员的定位信息；步骤S150、定期重复获取所述定位信息，得到遇险人员的跟踪定位信息；步骤S160、将所述跟踪定位信息发送给搜救船队。通过建立YOLOv3小目标检测模型，提高对图本文档来自技高网...

【技术保护点】
1.一种基于无人机的海上遇险人员检测和跟踪方法，其特征在于，包括：/n获取无人机身上搭载的摄像头拍摄的海上遇险现场的图像信息；/n输入所述图像信息至YOLOv3小目标检测模型，提取候选区域；计算所述候选区域对应的存在遇险人员的置信度，根据所述置信度得到遇险人员的目标信息；/n根据所述目标信息，测量遇险人员的求救信号，经过基于接收信号强度定位算法，获取信号强度指示信息；/n根据所述信号强度指示信息，利用基于多无人机的巡逻算法，得到遇险人员的定位信息；/n定期重复获取所述定位信息，得到遇险人员的跟踪定位信息；/n将所述跟踪定位信息发送给搜救船队。/n

【技术特征摘要】
1.一种基于无人机的海上遇险人员检测和跟踪方法，其特征在于，包括：
获取无人机身上搭载的摄像头拍摄的海上遇险现场的图像信息；
输入所述图像信息至YOLOv3小目标检测模型，提取候选区域；计算所述候选区域对应的存在遇险人员的置信度，根据所述置信度得到遇险人员的目标信息；
根据所述目标信息，测量遇险人员的求救信号，经过基于接收信号强度定位算法，获取信号强度指示信息；
根据所述信号强度指示信息，利用基于多无人机的巡逻算法，得到遇险人员的定位信息；
定期重复获取所述定位信息，得到遇险人员的跟踪定位信息；
将所述跟踪定位信息发送给搜救船队。


2.根据权利要求1所述的基于无人机的海上遇险人员检测和跟踪方法，其特征在于，所述YOLOv3小目标检测模型对单元格的划分进行调整，把所述图像信息划分为21×9个单元格。


3.根据权利要求2所述的基于无人机的海上遇险人员检测和跟踪方法，其特征在于，所述YOLOv3小目标检测模型包括多个3×3的卷积层和多个1×1的卷积层。


4.根据权利要求3所述的基于无人机的海上遇险人员检测和跟踪方法，其特征在于，所述YOLOv3小目标检测模型利用小人物检测数据集进行训练学习。


5.根据权利要求4所述的基于无人机的海上遇险人员检测和跟踪方法，其特征在于，所述YOLOv3小目标检测模型还包括用于保持额外训练集和所述小人物检测数据集尺度一致的尺度匹配算法。


6.根据权利要求4所述的基于无人机的海上遇险人员检测和跟踪方法，其特征在于，所述YOLOv3小目标检测模型还通过多次复制粘贴的方式增强所述图像信息中小目标图像的识别。


7.根据权利要求1所述的基于无人机的海上遇险人员检测和跟踪方法，其特征在于，根据所述信号强度指示信息，利用基于多无人机的巡逻算法，得到遇险人员的定位信息，包括：所述无人机以最大化定期测量所述信号强度指示信息的方式移动，所述信号强度指示信息进行如下的操作处理：
Ri,j(k...

【专利技术属性】
技术研发人员：翟懿奎，张俊亮，余翠琳，王金鑫，王天雷，徐颖，甘俊英，曾军英，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44