公开(公告)号：CN117876942B

公开(公告)日：2024-05-24

申请号：CN202410278889.3

申请日：2024-03-12

Applicant: 中国民用航空飞行学院

Inventor： 张强 ,  谢威宇

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06V10/56

Abstract: 本申请公开了基于卷积神经网络的无人机与飞鸟的监测方法。一种基于卷积神经网络的无人机与飞鸟的监测方法，包括如下步骤：步骤1：采用摄像设备对目标空域进行连续监测，获取目标空域按照时间序列的视频信息；步骤2：将视频信息输入到第一外观信息提取模型中，从视频信息中提取出边界特征信息；边界特征信息包括目标空域中的飞行物以及飞行物的边界框。本申请所提供的技术方案中，采用摄像设备不断的对目标空域进行监测，进而获得目标空域的视频信息。从视频信息中提取出飞行物的外形特征和轨迹特征，然后将外形特征和轨迹特征相互融合之后，用于无人机和飞鸟的判断，极大地增加了飞行物判断的准确性。

公开(公告)号：CN117876942A

公开(公告)日：2024-04-12

申请号：CN202410278889.3

申请日：2024-03-12

Applicant: 中国民用航空飞行学院

Inventor： 张强 ,  谢威宇

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06V10/56

Abstract: 本申请公开了基于卷积神经网络的无人机与飞鸟的监测方法。一种基于卷积神经网络的无人机与飞鸟的监测方法，包括如下步骤：步骤1：采用摄像设备对目标空域进行连续监测，获取目标空域按照时间序列的视频信息；步骤2：将视频信息输入到第一外观信息提取模型中，从视频信息中提取出边界特征信息；边界特征信息包括目标空域中的飞行物以及飞行物的边界框。本申请所提供的技术方案中，采用摄像设备不断的对目标空域进行监测，进而获得目标空域的视频信息。从视频信息中提取出飞行物的外形特征和轨迹特征，然后将外形特征和轨迹特征相互融合之后，用于无人机和飞鸟的判断，极大地增加了飞行物判断的准确性。