本發(fā)明涉及民用無人機防御領(lǐng)域，特別涉及一種基于動態(tài)圖像識別的反無人機方法。

背景技術(shù)：

隨著無人機的制造成本不斷下降、性能不斷提升，無人機從軍用和高端商用逐漸走向大眾市場。無人機作為一種飛行載體，不同的人可以拿它做不同的事。既不能無限制地使用，也不能因為它有協(xié)助犯罪的潛力就完全禁止。無人機雖然有利于各種戶外作業(yè)的需求，但從反恐和犯罪的角度講，無人機的確可以變成極具危害性的航空武器，讓人防不勝防，它們能夠攜帶照相機、武器、有毒化學物質(zhì)和爆炸物等，并可能被大量用于恐怖襲擊、間諜行為和走私活動，如果管控不好將成為懸在人們頭上的定時炸彈。

特別是近年來，無人機技術(shù)不斷發(fā)展，無人機飛行速度和反應能力不斷提高。無人機發(fā)現(xiàn)及識別是反無人機的第一步也是后續(xù)對無人機跟蹤的關(guān)鍵，傳統(tǒng)的無人機識別技術(shù)采用無人機靜態(tài)圖像建立固定無人機模板數(shù)據(jù)庫，通過比對監(jiān)控圖像與無人機模板數(shù)據(jù)庫識別無人機，進而對無人機進行有效跟蹤。然而，對于高速飛行切姿態(tài)變化情況復雜的目標無人機，其在監(jiān)控圖像中的位置變化、形狀變化、尺度變化明顯，傳統(tǒng)的無人機識別方案很難做到有效識別，識別率低，進而容易造成對無人機跟蹤失敗。根據(jù)需要對無人機實施反制措施是反無人機的根本目的，由于無人機飛行速度的提高傳統(tǒng)的主動物理攻擊方式，如發(fā)射捕獲/攔截無人機的彈體裝置等方式存在成功率隨無人機飛行速度提高而降低的顯著問題。此外，若捕獲/攔截失敗，彈體容易對周圍設(shè)施造成連帶損害。

另外一方面，無人機威脅多發(fā)生在天氣條件復雜的情形或夜間時段，基于常規(guī)可視圖像的無人機識別監(jiān)測手段存在圖像采集質(zhì)量低導致的識別精度低的問題，對于夜間時段，單獨的可視監(jiān)測手段更加難以實現(xiàn)全天候有效識別無人機的需求。

此外，無人機工作頻率并不唯一，針對不同廠家或自制無人機實施干擾反制時，需要實時分析目標無人機工作頻率，以便實施有效反制。干擾反制的同時，需要持續(xù)對無人機進行識別跟蹤，確定干擾是否成功，若干擾失敗，需要調(diào)節(jié)干擾信號頻率范圍。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中所存在的上述不足，提供一種基于動態(tài)圖像識別的反無人機方法。本發(fā)明提供的反無人機方法圖像識別過程采用動態(tài)模板，所述動態(tài)模板根據(jù)實時采集的監(jiān)控圖像定期更新，顯著提高無人機圖像識別精度。

為了實現(xiàn)上述發(fā)明目的，本發(fā)明提供了以下技術(shù)方案：

一種基于圖像動態(tài)識別的反無人機方法，包括以下步驟：

S1，建立無人機圖像初始模板；

S2，從所述監(jiān)控圖像中識別出無人機；

S3，建立無人機圖像動態(tài)模板，跟蹤無人機；

S4，向無人機發(fā)射干擾信號。

進一步地，步驟S2中，所述監(jiān)控圖像包括可見光圖像和紅外圖像。

作為一種具體的實施方式，所述監(jiān)控圖像由紅外監(jiān)控攝像機采集。

進一步地，將可視圖像與紅外圖像融合重構(gòu)，從重構(gòu)圖像中識別無人機。CCD傳感器接收的可視圖像和紅外熱成像傳感器接收的紅外圖像經(jīng)過配準，對可視圖像和紅外圖像分別進行離散小波變換(DWT)，然后對各個分解層進行融合，不同分解層上的不同頻率分量采用不同的融合算子，最后對融合后的圖像序列進行逆離散小波變化(IDWT)，得到可視圖像與紅外圖像融合重構(gòu)的圖像。融合算子基于系數(shù)絕對值較大法，加權(quán)平均法或局部方差準則。具體地，融合算子將融合重構(gòu)圖像用于圖像識別，可有效提高監(jiān)控圖像無人機識別率，尤其是對于夜晚和復雜天氣環(huán)境下的無人機監(jiān)控識別。

進一步地，所述動態(tài)模板包括不連續(xù)的至少2幀無人機圖像。至少2幀圖像中的每一幀分別用作其后連續(xù)一定幀數(shù)圖像的識別模板。所述動態(tài)模板從無人機識別圖像中動態(tài)選擇，取代原有的預存無人機圖像數(shù)據(jù)庫。

優(yōu)選地，所述動態(tài)模板包括2幀無人機圖像。選用2幀圖像作為動態(tài)模塊兼顧了動態(tài)識別精度要求和運算效率問題。

進一步地，每隔預定周期，更新所述動態(tài)模板。

所述預定周期在圖像采集設(shè)備捕獲圖像幀率一定的情況下，以相隔預定幀數(shù)的幀形式體現(xiàn)。

優(yōu)選地，對于幀率為25幀/s的CCD傳感器，每25幀選取2幀無人機圖像作為動態(tài)模板。

作為一種優(yōu)選的實施方式，對于前75幀圖像，選用第1幀、第25幀圖像作為動態(tài)模板，第1幀圖像用作第2幀～第25幀圖像識別模板，第25幀用作第26幀～第50幀圖像識別模板。前25幀圖像識別完成后，第25幀、第50幀圖像作為第26幀～第75幀圖像識別模板，依此遞推，構(gòu)成實時更新的動態(tài)模板。

進一步地，無人機飛行速度增大或減小，所述預定周期相應成比例地減小或增大。據(jù)此，可保證用于無人機圖像識別的動態(tài)模板與待識別圖像特征差異處于可控范圍。

作為一種具體的實施方式，對于捕獲圖像幀率為25幀/s的CCD傳感器，若無人機飛行速度提高一倍，所述預定周期為原預定周期的1/2。

進一步地，步驟S4中，所述干擾信號干擾包括無人機通信鏈路、控制鏈路和GPS信號。

進一步地，通過第一干擾源干擾無人機通信鏈路和控制鏈路。所述第一干擾源為2.4GHz干擾源，通過定向八木發(fā)射天線發(fā)射干擾信號。

進一步地，通過第二干擾源干擾無人機GPS信號。所述第二干擾源為1.5GHz干擾源，通過GPS定向螺旋發(fā)射天線發(fā)射干擾信號。

進一步地，步驟S4中，發(fā)射干擾信號之前，分析無人機上/下行工作頻段。

具體地，發(fā)射干擾信號之前，采用全向接收天線掃描無人機信號，將所述無人機分為功率相同的多路信號，對每路信號進行濾波、A/D轉(zhuǎn)換和離散傅里葉(DFT)變換后，分析其上/下行工作頻段，針對工作頻段，在該工作頻段內(nèi)發(fā)送干擾信號。

進一步地，步驟S4中，當無人機距離監(jiān)控設(shè)備小于預定距離時，發(fā)射干擾信號。預定距離依據(jù)監(jiān)控場景需要而定。作為一種具體的實施方式，預定距離為200m。

進一步地，步驟S4中，發(fā)射干擾信號的同時，持續(xù)識別、跟蹤無人機。為了避免干擾失敗，或者無人機驅(qū)逐后再次返回。在發(fā)射干擾信號的同時，持續(xù)識別、跟蹤無人機，直至其飛離所述預定距離，停止發(fā)送干擾信號。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

本發(fā)明提供的反無人機方法，采用無人機圖像動態(tài)模板取代靜態(tài)模板，圖像識別采用實時動態(tài)模板，顯著提高了無人機圖像識別精度；

可視圖像與紅外圖像融合重構(gòu)技術(shù)，提高了復雜環(huán)境下的圖像識別精度，特別是對于夜間、多云等可視圖像檢測效果較差的應用場景；

發(fā)射干擾信號前分析無人機上/下行工作頻段，針對目標頻段釋放干擾信號，做到有目的地干擾，提高干擾成功率，干擾過程與識別跟蹤同步，圖像監(jiān)控對干擾成功率提供驗證措施，進一步確保有效干擾。

附圖說明：

圖1為本發(fā)明基于圖像動態(tài)識別的反無人機方法流程圖。

具體實施方式

下面結(jié)合試驗例及具體實施方式對本發(fā)明作進一步的詳細描述。但不應將此理解為本發(fā)明上述主題的范圍僅限于以下的實施例，凡基于本發(fā)明內(nèi)容所實現(xiàn)的技術(shù)均屬于本發(fā)明的范圍。

實施例1

一種基于圖像動態(tài)識別的反無人機方法，如圖1所示，包括以下步驟：

S1，建立無人機圖像初始模板；

S2，從所述監(jiān)控圖像中識別出無人機；

S3，建立無人機圖像動態(tài)模板，跟蹤無人機；

S4，向無人機發(fā)射干擾信號。

進一步地，步驟S2中，所述監(jiān)控圖像包括可見光圖像和紅外圖像。

作為一種具體的實施方式，所述監(jiān)控圖像由紅外監(jiān)控攝像機采集。

進一步地，將可視圖像與紅外圖像融合重構(gòu)，從重構(gòu)圖像中識別無人機。CCD傳感器接收的可視圖像和紅外熱成像傳感器接收的紅外圖像經(jīng)過配準，對可視圖像和紅外圖像分別進行離散小波變換(DWT)，然后對各個分解層進行融合，不同分階層上的不同頻率分量采用不同的融合算子，最后對融合后的圖像序列進行逆離散小波變化(IDWT)，得到可視圖像與紅外圖像融合重構(gòu)的圖像。將融合重構(gòu)圖像用于圖像識別，可有效提高監(jiān)控圖像無人機識別率，尤其是對于夜晚和復雜天氣環(huán)境下的無人機監(jiān)控識別。

可以選擇地，圖像融合還可以采用像素灰度值選大算法，像素灰度值選小算法，加權(quán)平均融合算法，拉普拉斯圖像金字塔分解融合算法。

小波變換可將原始圖像分解成一系列具有不同方向分辨率的子圖像，能充分反映原始圖像的局部變換特征。正交小波變換去除了兩相鄰尺度上圖像信息差的相關(guān)性，所以基于小波變換的圖像融合技術(shù)能夠克服拉布拉斯金字塔的不穩(wěn)定性。在小波分解過程中，由于圖像的數(shù)據(jù)量不變，同時各層的融合可并行進行，其計算速度和所需的存儲量都由于拉普拉斯金字塔。此外，小波變換的多分辨率結(jié)構(gòu)可解決圖像灰度特性不同給圖像融合帶來的困難。

進一步地，所述動態(tài)模板包括不連續(xù)的至少2幀無人機圖像。至少2幀圖像中的每一幀分別用作其后連續(xù)一定幀數(shù)圖像的識別模板。所述動態(tài)模板從無人機識別圖像中動態(tài)選擇，取代原有的預存無人機圖像數(shù)據(jù)庫。

優(yōu)選地，所述動態(tài)模板包括2幀無人機圖像。選用2幀圖像作為動態(tài)模塊兼顧了動態(tài)識別精度要求和運算效率問題。

進一步地，每隔預定周期，更新所述動態(tài)模板。具體地，對于幀率為25幀/s的CCD傳感器，預定周期為每25幀，更新所述動態(tài)模板。

優(yōu)選地，對于幀率為25幀/s的CCD傳感器，每25幀選取2幀無人機圖像作為動態(tài)模板。

作為一種優(yōu)選的實施方式，對于前75幀圖像，選用第1幀、第25幀圖像作為動態(tài)模板，第1幀圖像用作第2幀～第25幀圖像識別模板，第25幀用作第26幀～第50幀圖像識別模板。前25幀圖像識別完成后，第25幀、第50幀圖像作為第26幀～第75幀圖像識別模板，依此遞推，構(gòu)成實時更新的動態(tài)模板。

進一步地，無人機飛行速度增大或減小，所述預定周期相應成比例地減小或增大。據(jù)此，可保證用于無人機圖像識別的動態(tài)模板與待識別圖像特征差異處于可控范圍。

作為一種具體的實施方式，對于捕獲圖像幀率為25幀/s的CCD傳感器，若無人機飛行速度提高一倍，所述預定周期為原預定周期的1/2。

進一步地，步驟S4中，所述干擾信號干擾包括無人機通信鏈路、控制鏈路和GPS信號。

進一步地，通過第一干擾源干擾無人機通信鏈路和控制鏈路。所述第一干擾源為2.4GHz干擾源，通過定向八木發(fā)射天線發(fā)射干擾信號。定向天線實現(xiàn)干擾信號定向施放，避免了對鄰區(qū)其他設(shè)施的信號干擾。

進一步地，通過第二干擾源干擾無人機GPS信號。所述第二干擾源為1.5GHz干擾源，通過GPS定向螺旋發(fā)射天線發(fā)射干擾信號。

進一步地，步驟S4中，發(fā)射干擾信號之前，分析無人機上/下行工作頻段。

具體地，發(fā)射干擾信號之前，采用全向接收天線掃描無人機信號，將所述無人機分為功率相同的多路信號，對每路信號進行濾波、A/D轉(zhuǎn)換和離散傅里葉(DFT)變換后，分析其上/下行工作頻段，針對工作頻段，在該工作頻段內(nèi)發(fā)送干擾信號。

進一步地，步驟S4中，當無人機距離監(jiān)控設(shè)備小于預定距離時，發(fā)射干擾信號。預定距離依據(jù)監(jiān)控場景需要而定。作為一種具體的實施方式，預定距離為200m。

進一步地，步驟S4中，發(fā)射干擾信號的同時，持續(xù)識別、跟蹤無人機。為了避免干擾失敗，或者無人機驅(qū)逐后再次返回。在發(fā)射干擾信號的同時，持續(xù)識別、跟蹤無人機，直至其飛離所述預定距離，停止發(fā)送干擾信號。

需要指出的是，本申請所記載的流程圖或者流程圖處理由多個步驟組成，并且，各個步驟能夠分割為多個子部分；另一方面，多個部分也能夠合并為一個部分。本申請文本雖然根據(jù)實施例進行了闡述，但應理解的是本發(fā)明并不限定于該實施例，本文本也包含多種變形例、同等范圍內(nèi)的變形。除此之外，各種組合、方式，甚至是在其中僅包含一個要素、或更多或更少的其他組合、方式也歸入本文本的范疇、思想范圍內(nèi)。