本發(fā)明涉及無人機(jī)技術(shù)領(lǐng)域，具體涉及一種無人機(jī)。

背景技術(shù)：

隨著微電子技術(shù)和計算機(jī)視覺技術(shù)的不斷發(fā)展，使得目標(biāo)跟蹤得以實時實現(xiàn)，尤其是將目標(biāo)跟蹤裝置安裝到無人機(jī)上，可以實現(xiàn)對目標(biāo)的靈活動態(tài)跟蹤，在地圖測繪、森林勘測、搶險救災(zāi)、物流快遞、高空拍攝等領(lǐng)域具有較高的使用價值。傳統(tǒng)無人機(jī)的目標(biāo)跟蹤技術(shù)中，通常使用激光、雷達(dá)和超聲等主動環(huán)境感知方法，其缺點為并不能直接獲得目標(biāo)的未知信息，并且多個無人機(jī)檢測時會相互干擾，更為弊端的是在戰(zhàn)場環(huán)境中隱蔽性差，被敵方發(fā)現(xiàn)的概率大的增加。

現(xiàn)有的無人機(jī)主要致力于增大航時，提高速度，隱身機(jī)體，縮小體積，高度智能，加載武器，增強(qiáng)傳輸可靠性和通用性，使無人機(jī)能夠按照指令或者預(yù)先編制的程序來完成預(yù)定的作戰(zhàn)任務(wù)。而現(xiàn)有的無人機(jī)上的相機(jī)一般無法實現(xiàn)目標(biāo)跟蹤拍攝的圖像的高清處理識別等。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明提供一種無人機(jī)。

本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：

提供了一種無人機(jī)，包括攝像機(jī)子系統(tǒng)、飛行控制器、圖像處理子系統(tǒng)、終端；攝像機(jī)子系統(tǒng)設(shè)置在所述無人機(jī)的機(jī)身上，所述攝像機(jī)子系統(tǒng)用于在飛行過程中實時拍攝目標(biāo)圖像；所述飛行控制器用于實時調(diào)整所述無人機(jī)的飛行姿態(tài)和所述攝像機(jī)子系統(tǒng)的拍攝模式，使得所述攝像機(jī)子系統(tǒng)對所述目標(biāo)圖像實現(xiàn)跟蹤拍攝；所述圖像處理子系統(tǒng)用于實時對所述目標(biāo)圖像進(jìn)行處理，以識別出目標(biāo)圖像，得到識別結(jié)果，將所述識別結(jié)果通過所述終端顯示出來。

本發(fā)明的有益效果為：本發(fā)明提供一種無人機(jī)，首先通過攝像機(jī)子系統(tǒng)在飛行過程中實時拍攝目標(biāo)圖像，然后通過圖像處理子系統(tǒng)對目標(biāo)圖像進(jìn)行處理，識別出目標(biāo)圖像，得到識別結(jié)果，最終經(jīng)過終端顯示識別結(jié)果，生成高清的圖像。

附圖說明

利用附圖對本發(fā)明作進(jìn)一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1本發(fā)明的結(jié)構(gòu)連接框圖；

圖2是本發(fā)明圖像處理子系統(tǒng)的結(jié)構(gòu)連接框圖；

圖3是本發(fā)明圖像壓縮模塊的結(jié)構(gòu)連接框圖。

附圖標(biāo)記：

攝像機(jī)子系統(tǒng)1、飛行控制器2、圖像處理子系統(tǒng)3、終端4、圖像預(yù)處理模塊301、圖像壓縮模塊302、圖像特征提取模塊303、圖像識別模塊304、圖像數(shù)據(jù)庫305、目標(biāo)特征區(qū)域提取單元3021和目標(biāo)特征區(qū)域壓縮單元3022。

具體實施方式

結(jié)合以下實施例對本發(fā)明作進(jìn)一步描述。

參見圖1，本實施例提供了一種無人機(jī)，其特征是，包括依次相連的攝像機(jī)子系統(tǒng)1、飛行控制器2、圖像處理子系統(tǒng)3、終端4，所述攝像機(jī)子系統(tǒng)1設(shè)置在所述無人機(jī)的機(jī)身上；所述攝像機(jī)子系統(tǒng)1用于在飛行過程中實時拍攝目標(biāo)圖像；所述飛行控制器2用于實時調(diào)整所述無人機(jī)的飛行姿態(tài)和所述攝像機(jī)子系統(tǒng)的拍攝模式，使得所述攝像機(jī)子系統(tǒng)對所述目標(biāo)圖像實現(xiàn)跟蹤拍攝；所述圖像處理子系統(tǒng)3用于實時對所述目標(biāo)圖像進(jìn)行處理，以識別出目標(biāo)圖像，得到識別結(jié)果，將所述識別結(jié)果通過所述終端4顯示出來。

優(yōu)選地，所述攝像機(jī)子系統(tǒng)1包括多個攝像頭，所述攝像頭均勻布置在所述機(jī)身周圍，且位于同一水平面上。

優(yōu)選地，所述攝像頭為廣角鏡頭。

本發(fā)明上述實施例是一種無人機(jī)，首先能夠在飛行過程中實時拍攝目標(biāo)圖像，然后對目標(biāo)圖像進(jìn)行處理，識別處目標(biāo)圖像，最終經(jīng)過終端顯示生成高清的圖像。

優(yōu)選地，參照圖2，所述圖像處理子系統(tǒng)3包括依次相連的圖像預(yù)處理模塊301、圖像壓縮模塊302、圖像特征提取模塊303、圖像識別模塊304、圖像數(shù)據(jù)庫305；所述圖像預(yù)處理模塊301用于對拍攝的所述目標(biāo)圖像進(jìn)行預(yù)處理，得到預(yù)處理的目標(biāo)圖像；所述圖像壓縮模塊302用于對所述預(yù)處理的目標(biāo)圖像進(jìn)行壓縮，得到壓縮的目標(biāo)圖像；所述圖像特征提取模塊303用于對所述壓縮的目標(biāo)圖像進(jìn)行特征提取，得到目標(biāo)圖像的特征；所述圖像識別模塊304用于將所述目標(biāo)圖像的特征向量與所述圖像數(shù)據(jù)庫305中標(biāo)準(zhǔn)圖像的特征向量進(jìn)行相似度的比對，輸出識別結(jié)果，將所述識別結(jié)果通過所述終端4顯示出來。

優(yōu)選地，所述圖像預(yù)處理模塊301用于對拍攝的所述目標(biāo)圖像進(jìn)行預(yù)處理，得到預(yù)處理的目標(biāo)圖像，包括：

所述圖像預(yù)處理模塊用于對拍攝的所述目標(biāo)圖像通過自定義過濾函數(shù)進(jìn)行光照和噪聲的過濾處理，形成過濾后的目標(biāo)圖像，自定義過濾函數(shù)為：

式中，y(i,j)為過濾后的目標(biāo)圖像中像素點(i,j)處的像素值，x(i,j)為過濾前目標(biāo)圖像中像素點(i,j)處的像素值，z為高斯濾波器，*表示卷積操作。

本優(yōu)選實施例，通過對拍攝的目標(biāo)圖像進(jìn)行預(yù)處理，也就是對拍攝的目標(biāo)圖像通過預(yù)處理函數(shù)進(jìn)行去光照和去噪聲的預(yù)處理，能夠提高后續(xù)對拍攝的目標(biāo)圖像的內(nèi)在特征的提取，能夠提高對圖像的識別效率，從而提高后續(xù)的計算效率，減小后續(xù)系統(tǒng)的計算工作量，提高對圖像的處理效率。

優(yōu)選地，參照圖3，所述圖像壓縮模塊302包括依次相連接的目標(biāo)特征區(qū)域提取單元3021和目標(biāo)特征區(qū)域壓縮單元3022；

所述目標(biāo)特征區(qū)域提取單元用于對所述過濾后的目標(biāo)圖像進(jìn)行目標(biāo)特征區(qū)域的提取，包括：

(1)選定大小和形狀均相同的搜索窗口和樣板檢測圖，其中，所述搜索窗口和所述樣板檢測圖的大小均為m×n；

(2)將所述搜索窗口疊放在所述過濾后的目標(biāo)圖像上并依次進(jìn)行平移，形成多個實時測量子圖，其中，所述實時測量子圖為所述搜索窗口覆蓋在所述過濾后的目標(biāo)圖像的區(qū)域，所述樣板檢測圖的大小小于所述過濾后的目標(biāo)圖像的大?。?/p>

(3)依次計算各實時檢測子圖與所述樣板檢測圖之間的各相似灰度值；定義相似灰度值的計算公式為：

式中，w^g為第g個所述實時檢測子圖與所述樣板檢測圖之間的相似灰度值，ga,b為所述樣板檢測圖中坐標(biāo)點(a,b)的灰度值，為第g個所述實時檢測子圖上坐標(biāo)點(a,b)的灰度值；

(4)取出各相似灰度值中滿足設(shè)定條件的相似灰度值，將所述滿足設(shè)定條件的相似灰度值對應(yīng)的所述實時測量子圖取出來，將所述滿足設(shè)定條件的相似灰度值對應(yīng)的所述實時測量子圖視為邊緣圖，其余視為背景圖；其中，所述設(shè)定條件為相似灰度值大于設(shè)定的閾值；

(5)將所述邊緣圖進(jìn)行拼接，從而得到所述目標(biāo)區(qū)域。

本優(yōu)選實施例，對預(yù)處理后的目標(biāo)圖像提取重點區(qū)域即目標(biāo)區(qū)域而不需要對整個區(qū)域進(jìn)行處理，有利于下一步針對目標(biāo)區(qū)域進(jìn)行相應(yīng)的壓縮編碼處理，且不需對整個圖像進(jìn)行壓縮，能夠節(jié)省資源，同時能夠達(dá)到對拍攝的目標(biāo)圖像高壓縮比的目的，同時保持目標(biāo)區(qū)域的信息，為節(jié)省后續(xù)對圖像處理的時間、提高處理的效率奠定了堅實基礎(chǔ)。

優(yōu)選地，所述目標(biāo)特征區(qū)域壓縮單元3022用于對所述目標(biāo)特征區(qū)域進(jìn)行壓縮，包括：

(1)對所述目標(biāo)特征區(qū)域進(jìn)行離散小波變換，得到相應(yīng)的離散小波變換系數(shù)；

(2)對所述離散小波變換系數(shù)進(jìn)行量化，得到量化后的離散小波變換系數(shù)；

(3)對所述量化后的離散小波變換系數(shù)進(jìn)行熵編碼，得到壓縮的目標(biāo)特征區(qū)域。

本優(yōu)選實施例，通過對待識別人臉圖像的目標(biāo)區(qū)域進(jìn)行離散小波變換的處理得到對應(yīng)的離散小波變換系數(shù)，然后對離散小波變換系數(shù)進(jìn)行量化，得到量化后的離散小波變換系數(shù)，最后對量化后的離散小波變換系數(shù)進(jìn)行熵編碼，來實現(xiàn)對待識別圖像的目標(biāo)區(qū)域的壓縮，不僅方法簡單、能夠提高系統(tǒng)的計算效率，節(jié)約處理時間和系統(tǒng)空間，而且可以達(dá)到根據(jù)實際情況需要來進(jìn)行圖像壓縮，有效節(jié)省資源，提高計算效率的效果。

另外，需要說明的是，對所述目標(biāo)特征區(qū)域進(jìn)行壓縮的方法還可以是：

(1)將所述目標(biāo)區(qū)域分成多個圖像塊；

(2)針對每一個圖像塊，按一維的方式重新排列，構(gòu)成圖像矢量；

(3)將所述圖像矢量與碼書中的碼字進(jìn)行比較，按照失真測度確定與所述圖像矢量最匹配的碼字；

(4)將所述最匹配的碼字在所述碼書中的索引值作為所述圖像塊的編碼，其中，所述索引值以比特數(shù)表示。

本優(yōu)選實施例，將圖像分塊，每一個圖像塊按一維的方式重新排列，就構(gòu)成了一個圖像矢量，然后將這些矢量與碼書中的碼字進(jìn)行比較，按照某種失真測度找到最匹配的碼字，最后將該碼字在碼書中的索引值作為該塊的編碼進(jìn)行傳輸，由于索引值可用小的比特數(shù)表示，且可以進(jìn)一步用變長編碼來描述，因此可以獲得較大的壓縮率。另外，通過對目標(biāo)區(qū)域的壓縮，還可以看出，不僅能夠提高系統(tǒng)的計算效率，節(jié)約處理時間和系統(tǒng)空間，而且還可以根據(jù)實際情況需要來進(jìn)行圖像壓縮，進(jìn)一步有效節(jié)省資源，提高計算效率，此外，還可以根據(jù)具體實施中的需要，有針對性地對圖像的目標(biāo)區(qū)域和背景區(qū)域進(jìn)行壓縮，有效提高后續(xù)針對不同的區(qū)域而進(jìn)行特征提取的效率和正確率，同時可以看出，該系統(tǒng)具有很好的靈活性。

優(yōu)選地，所述圖像特征提取模塊對壓縮的目標(biāo)區(qū)域進(jìn)行特征提取，具體為：

優(yōu)選地，所述圖像識別模塊用于將壓縮的目標(biāo)圖像的特征向量與所述圖像數(shù)據(jù)庫中標(biāo)準(zhǔn)圖像的特征向量進(jìn)行相似度的比對，輸出識別結(jié)果，將所述識別結(jié)果通過所述終端顯示出來，具體包括：

所述圖像識別模塊用于將所述壓縮的目標(biāo)特征區(qū)域的特征與所述圖像數(shù)據(jù)庫中標(biāo)準(zhǔn)圖像的特征進(jìn)行相似度的比對，輸出識別結(jié)果，將所述識別結(jié)果通過所述終端顯示出來；

(1)采用下述公式提取所述壓縮的目標(biāo)特征區(qū)域的特征向量；

式中，s^v表示所述壓縮的目標(biāo)特征區(qū)域的特征向量，iv表示所述壓縮的目標(biāo)特征區(qū)域的平均像素值，o×l表示所述壓縮的目標(biāo)特征區(qū)域的尺寸；

(2)采用下述公式提取所述圖像數(shù)據(jù)庫中標(biāo)準(zhǔn)圖像的特征向量：

式中，s^u表示所述圖像數(shù)據(jù)庫中標(biāo)準(zhǔn)圖像的特征向量，iu表示所述圖像數(shù)據(jù)庫中標(biāo)準(zhǔn)圖像的平均像素值，p×q表示所述圖像數(shù)據(jù)庫中標(biāo)準(zhǔn)圖像的尺寸；

(3)計算所述壓縮的目標(biāo)特征區(qū)域的特征向量與各個標(biāo)準(zhǔn)圖像的特征向量的相似度值，所述相似度值的計算公式為：

式中，表示所述壓縮的目標(biāo)特征區(qū)域的特征向量與第e個標(biāo)準(zhǔn)圖像的特征向量的相似度值，為第一修正因子，norm(·)表示求范數(shù)，δa表示第二修正因子，表示所述圖像數(shù)據(jù)庫中第e個標(biāo)準(zhǔn)圖像的特征向量，x表示所述圖像數(shù)據(jù)庫中標(biāo)準(zhǔn)圖像的個數(shù)；

(4)若所述相似度值大于設(shè)定的閾值，則輸出識別結(jié)果。

本優(yōu)選實施例，根據(jù)壓縮后的目標(biāo)區(qū)域的特征向量和圖像數(shù)據(jù)庫中的各標(biāo)準(zhǔn)圖像的特征向量的相似度來確定圖像的類型，且在計算相似度時候加入了第一修正因子和第二修正因子，使計算出來的相似度結(jié)果更精準(zhǔn)。在加入第一修正因子和第二修正因子來計算相似度的基礎(chǔ)上，再去判斷相似度與設(shè)定閾值的比較，最終確定出目標(biāo)圖像的類型，同時解決了當(dāng)目標(biāo)圖像的目標(biāo)特征區(qū)域與多個標(biāo)準(zhǔn)圖像都相似的情況時，從多個標(biāo)準(zhǔn)圖像中選取滿足設(shè)定的閾值的標(biāo)準(zhǔn)圖像為該圖像的類型，從而使確定該目標(biāo)圖像類型過程更加細(xì)化，進(jìn)而能夠保證確定出的目標(biāo)圖像類型的正確性，提高了識別效率。

其中，具體實施中，該圖像數(shù)據(jù)庫的建立過程可以是：

(1)將采集的包括多張所述樣本圖像的樣本圖像集按照一定的比例分成訓(xùn)練集和測試集，并轉(zhuǎn)化所述樣本圖像集中的所有樣本圖像的格式，形成轉(zhuǎn)化格式后的樣本圖像集，同時將測試集中的樣本圖像進(jìn)行正負(fù)標(biāo)記，所述正標(biāo)記為包括預(yù)定圖像類型的樣本圖像，所述負(fù)標(biāo)記為不包括預(yù)定圖像類型的樣本圖像；

(2)對所述轉(zhuǎn)化格式后的樣本圖像集進(jìn)行歸一化大小處理，形成歸一化后的樣本圖像集，所述歸一化后的樣本圖像集包括歸一化后的訓(xùn)練集和歸一化后的測試集；

(3)對所述歸一化后的訓(xùn)練集進(jìn)行特征提取，形成所述歸一化后的訓(xùn)練集的特征向量；

其中，對歸一化后的訓(xùn)練集進(jìn)行特征提取，具體包括以下步驟：

a.針對訓(xùn)練集中的每一張樣本圖像，將樣本圖像分割成多個子圖像塊；

b.提取各子圖像塊的特征，形成各子圖像塊的特征向量，按如下公式進(jìn)行特征提取：

式中，μi為第i個樣本圖像的灰度均值，δi為第i個樣本圖像塊的灰度方差值，m為子圖像塊的個數(shù)，xm為第i個樣本圖像的第m個子圖像塊的灰度值的分量值；

c.將各子圖像塊的特征向量進(jìn)行整合，形成該樣本圖像的特征向量f，即f＝(μi,δi；i＝1,2,…,n)，n為樣本圖像的個數(shù)；

(4)將所述歸一化的訓(xùn)練集的特征向量作為支撐向量機(jī)分類器的輸入，輸入到支撐向量機(jī)分類器中進(jìn)行迭代訓(xùn)練，訓(xùn)練出特征提取模型，并利用該特征提取模型測出所述歸一化的測試集中的樣本圖像的正負(fù)樣本圖像結(jié)果；

(5)根據(jù)所述負(fù)樣本圖像結(jié)果不斷更新所述特征提取模型，形成更新特征提取模型；

(6)將各樣本圖像輸入到所述更新特征提取模型中，得到所述樣本圖像庫。

另外，對壓縮的目標(biāo)區(qū)域進(jìn)行特征提取除了上述的方法外，還可以基于局部結(jié)構(gòu)分解的圖像特征提取((localstructurebasedimagedecomposition，idls)的方法進(jìn)行特征提取，生成所述壓縮的目標(biāo)區(qū)域的特征向量。

本優(yōu)選實施例，通過對壓縮的目標(biāo)區(qū)域進(jìn)行有針對性地特征提取，而不是對整個圖像的區(qū)域進(jìn)行特征提取，這樣能夠提高對圖像特征提取的效率和正確性，同時能夠有效節(jié)省圖像處理的時間，降低特征提取的復(fù)雜度和節(jié)約系統(tǒng)資源。

最后應(yīng)當(dāng)說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護(hù)范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。