【技术实现步骤摘要】
本专利技术属于数据处理，具体涉及一种基于分布式的无人机反制监控方法。
技术介绍
1、随着无人机技术的而不断发展，其使用门槛也越来越低，无人机持有者的人数空前增加，纵观整个无人机市场，绝大多数的无人机使用者从未受到过专业的训练，“黑飞”无人机层出不穷，飞行安全完全得不到保证，给安全和反恐制造领域造成了一定的威胁。
2、无人机反制技术是指通过采用各种技术手段，对非法入侵的无人机进行探测和识别等操作，从而消除无人机威胁，保障人员和财产安全。为了实现对入侵无人机的反制，通常是工作人员人工分析和运行不同的功能模块来对入侵无人机进行反制，这种方式容易因为工作人员的误判或疏忽导致无人机的反制失败。
技术实现思路
1、本专利技术为了解决以上问题，提出了一种基于分布式的无人机反制监控方法。
2、本专利技术的技术方案是：一种基于分布式的无人机反制监控方法包括以下步骤：
3、s1、通过摄像头采集监测区域的完整图像数据，为完整图像数据构建全局分析函数；
4、s2、利用全局分析函数对监测区域的完整图像数据进行筛选，得到重点监测数据；
5、s3、构建反制监控模型，将重点监测数据输入至反制监控模型中，确定无人机反制监控结果；
6、s1包括以下子步骤：
7、s11、通过摄像头采集监测区域的完整图像数据，将完整图像数据的两条对角线所处像素点作为对角像素点序列，将两条对角线的交叉点所在像素点的所在行作为对称线段；
8、s1
9、s13、根据对角像素点序列的像素训练值，确定第一全局系数、第二全局系数和第三全局系数；
10、s14、根据第一全局系数、第二全局系数和第三全局系数，为完整图像数据构建全局分析函数；
11、s2中，利用全局校验函数对监测区域的完整图像数据进行筛选的方法为：利用完整图像数据的两条对角线将完整图像数据划分为第一局部图像数据、第二局部图像数据、第三局部图像数据和第四局部图像数据；利用全局分析函数分别计算各个局部图像数据的全局分析差值，将最小全局分析差值对应的局部图像数据作为重点监测数据；
12、s3包括以下子步骤：
13、s31、构建反制监控模型，将重点监测数据输入至反制监控模型中，得到反制监控阈值；
14、s32、将重点监测数据中小于反制监测阈值的像素点作为疑似反制轨迹；
15、s33、任取重点监测数据中一个像素点作为第一像素点，将疑似反制轨迹上距离第一像素点直线距离最近的像素点作为第二像素点；
16、s34、将第一像素点的像素值与第二像素点的像素值进行拼接，作为疑似反制向量；
17、s35、判断疑似反制向量的向量值是否大于或等于反制监控阈值，若是，则监测区域存在无人机，否则不存在无人机。
18、在本专利技术中，完整图像数据是一个矩形，将矩形的中心（即矩形中两条对角线的交点）所在像素点的行作为对称轴，即将矩形上下对称，根据矩形的对角线所处像素点以及对角像所处像素点关于对称轴对称的像素点像素值情况，确定三个全局系数，三个全局系数分别作为全局分析函数中三项的系数。该全局分析函数可以大致反映完整图像数据中具有代表性的像素点的像素值。
19、进一步地，s12中，对角像素点序列的像素训练值 p train的计算公式为：；式中， p x表示对角像素点序列中第 x个像素点的像素值， i表示对角像素点序列的像素点个数， p x,0表示第 x个像素点关于对称线段对称的像素点的像素值， p b表示对角像素点序列中所有像素点的像素值的中位数。
20、进一步地，s13中，第一全局系数 a1的计算公式为：；式中， p train表示对角像素点序列的像素训练值， p max表示完整图像数据中最大像素值；
21、s13中，第二全局系数 a2的计算公式为：；式中， p min表示完整图像数据中最小像素值；
22、s13中，第三全局系数 a3的计算公式为：；式中， p a表示完整图像数据中所有像素点的像素值均值。
23、进一步地，s14中，完整图像数据的全局分析函数 q的表达式为：；式中， a1表示第一全局系数， a2表示第二全局系数， a3表示第三全局系数， exp(·)表示指数函数， p max表示完整图像数据中最大像素值， p min表示完整图像数据中最小像素值， p a表示完整图像数据中所有像素点的像素值均值。
24、进一步地，局部图像数据的全局分析差值 d的计算公式为：；式中， q表示完整图像数据的全局分析函数， p j表示局部图像数据中第 j个像素点的像素值， max(·)表示最大值函数， min(·)表示最小值函数。
25、上述进一步方案的有益效果是：在本专利技术中，通过对角线将矩形状的完整图像数据分为四个局部图像数据，四个局部图像数据为四个三角形区域，根据各个局部图像的最大像素值和最小像素点以及全局分析函数的运算关系，确定全局分析差值最小的三角形区域，作为重点监测数据。
26、进一步地，s31中，反制监控模型 f的表示为：；式中， exp(·)表示指数函数， ln(·)表示对数函数， p r表示重点监测数据中第 r个本文档来自技高网...
【技术保护点】
1.一种基于分布式的无人机反制监控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于分布式的无人机反制监控方法，其特征在于，所述S12中，对角像素点序列的像素训练值Ptrain的计算公式为：；式中，Px表示对角像素点序列中第x个像素点的像素值，I表示对角像素点序列的像素点个数，Px,0表示第x个像素点关于对称线段对称的像素点的像素值，Pb表示对角像素点序列中所有像素点的像素值的中位数。
3.根据权利要求1所述的基于分布式的无人机反制监控方法，其特征在于，所述S13中，第一全局系数a1的计算公式为：；式中，Ptrain表示对角像素点序列的像素训练值，Pmax表示完整图像数据中最大像素值；
4.根据权利要求1所述的基于分布式的无人机反制监控方法，其特征在于，所述S14中，完整图像数据的全局分析函数Q的表达式为：；式中，a1表示第一全局系数，a2表示第二全局系数，a3表示第三全局系数，exp(·)表示指数函数，Pmax表示完整图像数据中最大像素值，Pmin表示完整图像数据中最小像素值，Pa表示完整图像数据中所有像素点的像素值均值。
...【技术特征摘要】
1.一种基于分布式的无人机反制监控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于分布式的无人机反制监控方法，其特征在于，所述s12中，对角像素点序列的像素训练值ptrain的计算公式为：；式中，px表示对角像素点序列中第x个像素点的像素值，i表示对角像素点序列的像素点个数，px,0表示第x个像素点关于对称线段对称的像素点的像素值，pb表示对角像素点序列中所有像素点的像素值的中位数。
3.根据权利要求1所述的基于分布式的无人机反制监控方法，其特征在于，所述s13中，第一全局系数a1的计算公式为：；式中，ptrain表示对角像素点序列的像素训练值，pmax表示完整图像数据中最大像素值；
4.根据权利要求1所述的基于分布式的无人机反制监控方法，其特征在于，所述s14中，完整图像数据的全局分析函数q的表...
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。