一种无人机巡检方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种无人机巡检方法、装置、电子设备及存储介质，该方法包括：获取无人机采集的视频数据；使用神经网络模型对视频数据进行识别，获得巡检对象；统计出巡检对象在视频数据中的总数量。在上述方案的实现过程中，由于无人机能够到达地形复杂的区域且能够在高处更快地采集全面视角的视频数据，因此，对无人机采集的视频数据进行识别，获得巡检对象，能够快速地统计出巡检对象在视频数据中的总数量，从而有效地提高了进行巡检的效率。从而有效地提高了进行巡检的效率。从而有效地提高了进行巡检的效率。

【技术实现步骤摘要】
一种无人机巡检方法、装置、电子设备及存储介质


[0001]本申请涉及图像识别、目标检测和无人机的
，具体而言，涉及一种无人机巡检方法、装置、电子设备及存储介质。

技术介绍

[0002]目前的牧场巡检方式通常是人工巡检方式，具体例如：通过人骑上马或者开车去牧场区域中进行巡检，并在巡检过程中还需要清点牲畜(例如牛、羊或马等等)的数量。然而，在实践过程中发现，现代化的牧场规模一般都很大，少则几公顷，多则几百公顷，且地形地势和植被覆盖也比较多样化，通过人骑上马或者开车很难到达一些地形复杂的区域(例如沼泽、湖泊或林地)进行清点。因此，通过人工巡检方式对牧场进行巡检的效率较低。

技术实现思路

[0003]本申请实施例的目的在于提供一种无人机巡检方法、装置、电子设备及存储介质，用于改善对牧场进行巡检的效率较低的问题。
[0004]本申请实施例提供了一种无人机巡检方法，包括：获取无人机采集的视频数据；使用神经网络模型对视频数据进行识别，获得巡检对象；统计出巡检对象在视频数据中的总数量。在上述方案的实现过程中，由于无人机能够到达地形复杂的区域且能够在高处更快地采集全面视角的视频数据，因此，对无人机采集的视频数据进行识别，获得巡检对象，能够快速地统计出巡检对象在视频数据中的总数量，从而有效地提高了进行巡检的效率。
[0005]可选地，在本申请实施例中，使用神经网络模型对视频数据进行识别，包括：对视频数据中的视频图像进行预处理，获得预处理后的视频图像；使用神经网络模型对预处理后的视频图像进行识别，获得巡检对象。在上述方案的实现过程中，通过对视频数据中的视频图像进行去除视频数据前后及中间大段的无目标巡检对象的片段等预处理，并使用神经网络模型对预处理后的视频图像进行识别，从而有效地加速视频数据的处理过程，缩短了需要识别的视频时长。
[0006]可选地，在本申请实施例中，神经网络模型，包括：特征提取网络模型和目标检测网络模型；使用神经网络模型对视频数据进行识别，包括：使用特征提取网络模型对视频数据中的视频图像进行特征提取，获得巡检对象的图像特征；使用目标检测网络模型对巡检对象的图像特征进行识别，获得巡检对象。在上述方案的实现过程中，通过使用特征提取网络模型对视频数据中的视频图像进行特征提取，获得巡检对象的图像特征，并使用目标检测网络模型对巡检对象的图像特征进行识别，从而能够快速地统计出巡检对象在视频数据中的总数量，从而有效地提高了进行巡检的效率。
[0007]可选地，在本申请实施例中，使用神经网络模型对视频数据进行识别，包括：针对视频数据中的每帧视频图像，根据面部特征、步态姿势特征和/或身体表面特征对巡检对象在该视频图像中的区域位置进行跟踪和筛选，获得筛选后的视频图像；使用神经网络模型从视频数据中的视频图像中识别出巡检对象。在上述方案的实现过程中，通过根据面部特
征、步态姿势特征和/或身体表面特征对巡检对象在该视频图像中的区域位置进行跟踪和筛选，从而避免了重复统计或者遗漏统计巡检对象的问题，有效地提高了统计巡检对象的准确率。
[0008]可选地，在本申请实施例中，统计出巡检对象在视频数据中的总数量，包括：针对视频数据中的每帧视频图像，统计出巡检对象在该视频图像中的数量，获得巡检对象在视频数据中的初始数量；根据巡检对象在该视频图像中的区域位置、面部特征、步态姿势特征和/或身体表面特征对初始数量进行去重，获得巡检对象在视频数据中的总数量。在上述方案的实现过程中，通过根据巡检对象在该视频图像中的区域位置、面部特征、步态姿势特征和/或身体表面特征对初始数量进行去重，从而避免了重复统计巡检对象的问题，有效地提高了统计巡检对象的准确率。
[0009]可选地，在本申请实施例中，巡检对象是牲畜；在获得巡检对象之后，还包括：若牲畜的行为和姿态是否存在异常，则输出牲畜的第一预警消息；若牲畜在视频数据中的总数量小于预设阈值，则输出牲畜的第二预警消息。在上述方案的实现过程中，通过在牲畜的行为和姿态存在异常或者总数量少于预设阈值的情况下，输出预警消息，从而避免了存在不能及时获知牲畜的病态和丢失的问题，有效地提高了获知牲畜情况的及时性。
[0010]可选地，在本申请实施例中，巡检对象是食肉动物；在统计出巡检对象在视频数据中的总数量之后，还包括：若食肉动物在视频数据中的总数量大于预设阈值，则输出食肉动物的预警消息。在上述方案的实现过程中，通过在食肉动物在视频数据中的总数量大于预设阈值的情况下，输出食肉动物的预警消息，从而避免了存在不能及时获知食肉动物的问题，有效地提高了获知食肉动物情况的及时性。
[0011]本申请实施例还提供了一种无人机巡检装置，包括：视频数据获取模块，用于获取无人机采集的视频数据；巡检对象获得模块，用于使用神经网络模型对视频数据进行识别，获得巡检对象；巡检对象统计模块，用于统计出巡检对象在视频数据中的总数量。
[0012]可选地，在本申请实施例中，巡检对象获得模块，包括：视频图像获得子模块，用于对视频数据中的视频图像进行预处理，获得预处理后的视频图像；视频图像识别子模块，用于使用神经网络模型对预处理后的视频图像进行识别，获得巡检对象。
[0013]可选地，在本申请实施例中，神经网络模型，包括：特征提取网络模型和目标检测网络模型；巡检对象获得模块，包括：图像特征获得子模块，用于使用特征提取网络模型对视频数据中的视频图像进行特征提取，获得巡检对象的图像特征；图像特征识别子模块，用于使用目标检测网络模型对巡检对象的图像特征进行识别，获得巡检对象。
[0014]可选地，在本申请实施例中，巡检对象获得模块，包括：对象跟踪筛选子模块，用于针对视频数据中的每帧视频图像，根据面部特征、步态姿势特征和/或身体表面特征对巡检对象在该视频图像中的区域位置进行跟踪和筛选，获得筛选后的视频图像；巡检对象识别子模块，用于使用神经网络模型从视频数据中的视频图像中识别出巡检对象。
[0015]可选地，在本申请实施例中，巡检对象统计模块，包括：对象数量统计子模块，用于针对视频数据中的每帧视频图像，统计出巡检对象在该视频图像中的数量，获得巡检对象在视频数据中的初始数量；初始数量去重子模块，用于根据巡检对象在该视频图像中的区域位置、面部特征、步态姿势特征和/或身体表面特征对初始数量进行去重，获得巡检对象在视频数据中的总数量。
[0016]可选地，在本申请实施例中，巡检对象是牲畜；无人机巡检装置，还包括：第一消息输出模块，用于若牲畜的行为和姿态是否存在异常，则输出牲畜的第一预警消息；第二消息输出模块，用于若牲畜在视频数据中的总数量小于预设阈值，则输出牲畜的第二预警消息。
[0017]可选地，在本申请实施例中，巡检对象是食肉动物；无人机巡检装置，还包括：预警消息输出模块，用于若食肉动物在视频数据中的总数量大于预设阈值，则输出食肉动物的预警消息。
[0018]本申请实施例还提供了一种电子设备，包括：处理器和存储器，存储器存储有处理器可执行的机器可读指令，机器可读指令被处理器执行时执本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机巡检方法，其特征在于，包括：获取无人机采集的视频数据；使用神经网络模型对所述视频数据进行识别，获得巡检对象；统计出所述巡检对象在所述视频数据中的总数量。2.根据权利要求1所述的方法，其特征在于，所述使用神经网络模型对所述视频数据进行识别，包括：对所述视频数据中的视频图像进行预处理，获得预处理后的视频图像；使用所述神经网络模型对所述预处理后的视频图像进行识别，获得所述巡检对象。3.根据权利要求1所述的方法，其特征在于，所述神经网络模型，包括：特征提取网络模型和目标检测网络模型；所述使用神经网络模型对所述视频数据进行识别，包括：使用所述特征提取网络模型对所述视频数据中的视频图像进行特征提取，获得所述巡检对象的图像特征；使用所述目标检测网络模型对所述巡检对象的图像特征进行识别，获得所述巡检对象。4.根据权利要求1所述的方法，其特征在于，所述使用神经网络模型对所述视频数据进行识别，包括：针对所述视频数据中的每帧视频图像，根据面部特征、步态姿势特征和/或身体表面特征对所述巡检对象在该视频图像中的区域位置进行跟踪和筛选，获得筛选后的视频图像；使用所述神经网络模型从所述视频数据中的视频图像中识别出所述巡检对象。5.根据权利要求4所述的方法，其特征在于，所述统计出所述巡检对象在所述视频数据中的总数量，包括：针对所述视频数据中的每帧视频图像，统计出所述巡检对象在该视频图像中的数量，获得所述巡检对象在所述视频数据中的初始数量；根据所...

【专利技术属性】
技术研发人员：刘光雷，
申请(专利权)人：青岛创新奇智科技集团股份有限公司，
类型：发明
国别省市：