【技术实现步骤摘要】
本专利技术涉及判断算法，具体为一种基于视频分析判断飞鸟位置方向的算法。
技术介绍
1、机场判断飞鸟的必要性主要体现在以下几个方面，飞行安全:飞鸟与飞机相撞可能导致严重的安全事故。鸟击不仅可能对飞机的结构造成破坏，还可能影响飞机的发动机、导航系统等关键部件，导致飞机失控或坠毁。因此，机场判断飞鸟的存在和数量，有助于避免鸟击事件的发生，保障飞行安全。，班延误和取消:鸟击事件可能导致航班延误或取消，给机场和航空公司带来巨大的经济损失。通过判断飞鸟的情况，机场可以采取措施避免鸟击事件的发生，减少航班延误和取消的情况，提高机场和航空公司的运营效率。
2、现有的飞鸟位置判断算法存在的缺陷是：
3、1、申请文件cn116569909a公开了一种智能化激光驱鸟方法，其公开了“涉及驱鸟
，用于解决现有技术中现有的激光驱鸟方式由于需要基于集成图像采集的光学器件完成驱鸟导致飞鸟位置信息捕捉要求较高的问题，包括获取多组显示区域；对比多组显示区域与多组图像一；基于数据库判断所诉多个对象一所对应的飞鸟信息；获取位置信息一，通过设置在位于多组摄像装置一侧的多组声传感器通过此时对象一的叫声信息获得；获取运行轨迹一，通过飞鸟信息配合遗传算法获得，并配合多组图像二通过跳帧帧间差分法重识确定；发送位置信息一和运行轨迹一，用于使激光驱鸟系统能配合位置信息一和运行轨迹一调整自身姿态发射激光进行驱鸟，从而实现基于图像联动实时驱鸟”，现有的算法大多不能够自动的对视频进行处理，导致处理的视频量较大，影响处理效率；
4、2、专利文件cn
5、3、专利文件cn106597510a公开了基于模糊判断算法的多旋翼无人机位置数据融合滤波方法，其公开了“包括以下步骤：1)针对多传感器融合的kalman滤波，选取定义修正阶段方程；2)选取测量模型；3)定义包括传感器在内的精度标准；4)对多旋翼无人机的位置数据融合滤波引入模糊算法中隶属度的概念，改善在降低传感器信任程度时可能引发的数据跳变。本专利技术的方法是在多旋翼无人机上搭载全球卫星定位系统并利用其位置信号的基础上，对位置信号进行滤波处理，从而使得传感器的数据具有容错能力。现有的算法大多不能自动决策，需要工作人员辅助，增加了工作人员的工作负担；
6、4、专利文件cn101685014b公开了一种具有快速侦测物体位置的装置及方法，其公开了“特别是一种能直接套用于各种影像系统以进行物体位置侦测装置及方法。本专利技术主要是通过影像系统依使用者对欲侦测方向的区域进行影像撷取，再由影像处理单元通过场景区影像选定以及物体辨识方法来判断物体的位置和相关信息。本专利技术所使用的影像资料处理方法是一种将二维影像资料转换为距离轴之一维信号信息，而物体辨识是以一种将一维信号信息利用数值微分估算方式来判断物体的位置，然后再对连续输入的相邻两影像之一维信号信息差值进行物体的逼近状态的判断。算法所需运算量小，可移植性好”；现有的算法大多不能够对视频数据进行加密保护，导致数据容易发生泄漏。
技术实现思路
1、本专利技术的目的在于提供一种基于视频分析判断飞鸟位置方向的算法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于视频分析判断飞鸟位置方向的算法，包括视频获取模块、特征提取模块和动态适应模块，所述视频获取模块通过监控摄像头或高清摄像头对飞鸟进行持续拍摄监控，所述特征提取模块对拍摄视频中的飞鸟特征进行提取，所述动态适应模块对视频获取模块进行调整；
3、所述视频获取模块包括拍摄单元、处理单元、提取单元、降噪过滤单元和深度学习单元，所述拍摄单元包括超高清红外摄像机，超高清红外摄像机的参数如下，像素3300-4500万，分辨率7680×4320，f1.5～f2.6超大光圈镜头，内嵌ai图像增强算法，全天24小时持续拍摄，拍摄帧率为120-160帧；
4、所述处理单元，对视频数据进行筛选，将视频中每隔3-10帧选取一副图像，判断图像是否拍摄到飞鸟，当拍摄到飞鸟时，则将该段视频发送到飞鸟数据提取单元进行处理，当图像中未拍到飞鸟时，则跳过该段视频数据，开始对下一段视频数据进行判断。
5、优选的，所述提取单元，对视频中含有飞鸟的部分关键帧进行提取，提取数量为6-12帧；
6、所述降噪过滤单元，对提取到的多副图像进行降噪处理，使用k-svd算法进行降噪，降噪流程如下，字典学习选择一组完备的基向量作为字典矩阵其中m为样本数，yi∈rn是一个n维的特征向量，m个单个样本按列组成样本集矩阵，di∈rn为基向量，维度是n，k个基向量按列组成字典矩阵，当k>nk>nk>n时为超完备字典，字典学习的目标是学习一个字典矩阵d，使得y≈d*x，x尽可能稀疏，d∈rn*k，y∈rn*m，因此x∈rk*m，d矩阵中不同颜色代表不同的基向量，x矩阵中不同的颜色代表对应基向量的系数，y矩阵中某一样本，灰色块就是由d矩阵的基向量通过x矩阵中黑框中的系数进行线性组合获得的，由于是稀疏组合，所以中间有系数是零，s.t.∨i，||xi||0≤t0，或者其中xi为稀疏矩阵x的行向量，代表字典矩阵的系数，||xi||0是零阶范数，它表示向量中不为0的数的个数，利用拉格朗日乘子法将其转化为无约束优化问题，
7、优选的，所述深度学习单元，通过ai技术建立图像自动识别模型，对模型进行训练，训练方法为数据准备，将训练集和测试集的图片整理成数据框，并标注数据，模型设计，搭建卷积神经网络模型，包括卷积层、池化层、全连接层，模型编译，使用分类模型的compile函数编译模型，包括指定损失函数、优化器，模型训练，使用训练集对模型进行训练，不断调整模型参数，直到模型达到满意的准确率，模型评估，使用测试集对模型进行评估，计算模型的准确率。
8、优选的，所述特征提取模块包括飞鸟数据录入单元，飞鸟纹理检测单元，运动轨迹判断单元、方向判断单元、智能决策单元和数据保护单元；
9、所述飞鸟数据录入单元，将多种飞鸟的种类、名称、形状数据录入到特征提取模块中；
10、所述飞鸟纹理检测单元，对多副图像中的飞鸟进行检测，使用6层网络，4层卷积层和两层全连接层对图像进行识别，其识别步骤conv--&g本文档来自技高网...
【技术保护点】
1.一种基于视频分析判断飞鸟位置方向的算法，其特征在于：包括视频获取模块、特征提取模块和动态适应模块，所述视频获取模块通过监控摄像头或高清摄像头对飞鸟进行持续拍摄监控，所述特征提取模块对拍摄视频中的飞鸟特征进行提取，所述动态适应模块对视频获取模块进行调整；
2.根据权利要求1所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述提取单元，对视频中含有飞鸟的部分关键帧进行提取，提取数量为6-12帧；
3.根据权利要求1所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述深度学习单元，通过AI技术建立图像自动识别模型，对模型进行训练，训练方法为数据准备，将训练集和测试集的图片整理成数据框，并标注数据，模型设计，搭建卷积神经网络模型，包括卷积层、池化层、全连接层，模型编译，使用分类模型的compile函数编译模型，包括指定损失函数、优化器，模型训练，使用训练集对模型进行训练，不断调整模型参数，直到模型达到满意的准确率，模型评估，使用测试集对模型进行评估，计算模型的准确率。
4.根据权利要求3所述的一种基于视频分析判断飞鸟位置方向的算
5.根据权利要求1所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述特征提取模块包括飞鸟数据录入单元，飞鸟纹理检测单元，运动轨迹判断单元、方向判断单元、智能决策单元和数据保护单元；
6.根据权利要求4所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述轨迹判断单元和方向判断单元，轨迹判断的流程为对每一帧进行运动目标检测，对检测到的物体进行判断，判断是否是存在的运动目标，是则添加运动轨迹，不是则当作新的目标，通过上述步骤对飞鸟的运动轨迹进行判断，并根据经纬度给出飞鸟的运动方向。
7.根据权利要求6所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述使用goodFeaturesToTrack函数，获取图像中的最大特征值的角点，对两帧图像做一个absdiff得到新图像，对新图像做灰度和二值化处理，使用goodFeaturesToTrack函数得到最大特征值的角点，计算角点的平均点，扔进队列，维护一个长度为10的队列，队列满时计算队列中数据的增减情况，来确定运动方向。
8.根据权利要求1所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述动态适应模块包括环境检测单元和智能调节单元；
9.根据权利要求4所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述智能决策单元，使用贝叶斯公式，A表示已经发生的事件，Bi为导致事件A发生的第i个原因，当判断飞鸟种类出现模糊时，通过决策单元根据相似度自动判断飞鸟的种类，防止出现。
10.根据权利要求1所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述数据保护单元，使用Zig-Zag置乱算法对视频数据进行加密，步骤如下，步骤一，产生一个基数为64的置乱序列表，把DC系数分成两个较小值的数，假设DC是二进制数d7d6d5d4d3d2d1d0,将它分成两个数d7d6d5d4和d3d2d1d0，范围都在[0,15]，步骤二，将DC系数置为d7d6d5d4，将原最后一个AC系数置为d3d2d1d0，通常DC系数值远大于AC系数值，因此乱序后很容易被识别，分离变小后难于从AC系数中区分，最末一个AC系数通常为0，用其存放d3d2d1d0，恢复时取0值，不影响图象质量，也不增加数据量，用随机置乱序列表将经分离处理的8×8块映射成1×64序列，步骤三，将每8个块分成一组，把8个DC系数组合在一起，每系数8位，恰好64位，然后运用DES加密，加密的结果按字节映射回到8个块中，按上面1～3步骤，过程和置乱对每块进行加密，产生两张不同的置乱序列表表1和表2，对每个8×8块抛掷硬币，反面用表1，正面用表2，抛币产生的正反序列和两张表作为密码。
...【技术特征摘要】
1.一种基于视频分析判断飞鸟位置方向的算法，其特征在于：包括视频获取模块、特征提取模块和动态适应模块，所述视频获取模块通过监控摄像头或高清摄像头对飞鸟进行持续拍摄监控，所述特征提取模块对拍摄视频中的飞鸟特征进行提取，所述动态适应模块对视频获取模块进行调整；
2.根据权利要求1所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述提取单元，对视频中含有飞鸟的部分关键帧进行提取，提取数量为6-12帧；
3.根据权利要求1所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述深度学习单元，通过ai技术建立图像自动识别模型，对模型进行训练，训练方法为数据准备，将训练集和测试集的图片整理成数据框，并标注数据，模型设计，搭建卷积神经网络模型，包括卷积层、池化层、全连接层，模型编译，使用分类模型的compile函数编译模型，包括指定损失函数、优化器，模型训练，使用训练集对模型进行训练，不断调整模型参数，直到模型达到满意的准确率，模型评估，使用测试集对模型进行评估，计算模型的准确率。
4.根据权利要求3所述的一种基于视频分析判断飞鸟位置方向的算法，其特性在于：所述深度学习单元通过多层神经网络进行学习，多层神经网络包括输入层，直接接收输入数据，处理图像数据，输入层的每个神经元会接收图像的一个像素值，在输入层，不对数据进行任何处理，简单地传递给下一层，隐藏层，每个隐藏层的神经元将从前一层接收输入，然后通过激活函数sigmoid、relu对输入进行非线性转换，并将结果传递给下一层，这些隐藏层帮助神经网络学习更复杂的特征和模式，输出层，网络的最顶层，负责输出网络的最终预测结果，输出层的神经元数量取决于具体的任务需求，输出层的神经元数量等于类别的数量。
5.根据权利要求1所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述特征提取模块包括飞鸟数据录入单元，飞鸟纹理检测单元，运动轨迹判断单元、方向判断单元、智能决策单元和数据保护单元；
6.根据权利要求4所述的一种基于视频分析判断飞鸟位置方向的算法，其特征在于：所述轨迹判断单元和方向判断单元，轨迹判断的流程为对每一帧进行运动目标检测，对检测到的物体进行判断，判断是否是存在的...
【专利技术属性】
技术研发人员：翟艳臣，孙传凤，贺雪冬，翟浩涵，
申请(专利权)人：北京中航智信建设工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。