一种结合AI识别功能的无人机应急预警照明方法及系统与流程

本发明涉及无人机应急预警，尤其涉及一种结合ai识别功能的无人机应急预警照明方法及系统。

背景技术：

1、随着无人机技术在应急救援、夜间巡逻及安防监控等领域的广泛应用，其搭载的视觉识别系统在复杂光照和动态场景下的应急预警能力已成为该领域性能提升的核心瓶颈。然而实际作业环境中光照强度的剧烈波动、地面纹理的多样性以及目标区域内的动态干扰物共同构成了极度非均匀且随机变化的视觉识别场景，这给基于传统图像处理与固定照明策略的无人机预警方法在复杂场景下的识别准确率、响应及时性与可靠性带来了严峻的技术挑战。

2、中国专利公开号：cn112633326a，公开了一种基于贝叶斯多源融合的无人机目标检测方法，该方法包括以下步骤：s1：对检测区域的光学图像进行目标检测，并得到第一向量化结果；s2：对检测区域的通信信号进行目标检测，并得到第二向量化结果；s3：分别将第一向量化结果和第二向量化结果作为贝叶斯函数的输入，进行多源融合，完成无人机目标检测。

3、由此可见，该现有技术存在以下问题：其依赖于固定参数的目标检测网络，未根据实际场景光照变化或环境干扰动态调整识别策略，导致光照剧烈变化或夜间低照度条件下识别率显著下降；其多源融合策略虽利用置信度进行融合决策，但主要用于目标定位精度提升，未建立针对环境动态干扰的闭环反馈调节机制，难以有效应对地面动态干扰物造成的误报问题；其预警决策依赖于单次或静态融合识别结果，缺乏基于实时传感反馈的二次确认与干扰扣除机制，导致预警可靠性不足。

技术实现思路

1、为此，本发明提供一种结合ai识别功能的无人机应急预警照明方法及系统，用以通过实时监测地面图像特征并动态调节飞行姿态与照明策略来克服现有技术中由于光照变化及地面干扰导致识别准确性差、预警可靠性不足的问题。

2、为实现上述目的，一方面，本发明提供一种结合ai识别功能的无人机应急预警照明方法，包括：

3、基于地面图像序列识别地面异常特征，其中，地面图像序列基于监测无人机机载视觉传感器在巡航过程中采集的地面图像确定；

4、基于所述地面异常特征和异常覆盖范围调节飞行姿态，其中，异常覆盖范围基于停止巡航后记录得到，停止巡航基于实时获取预期识别时长内的识别状态是否达到稳定确定；

5、控制所述无人机悬停于目标区域上空以进行二次悬停扫描，并基于重新采集的地面图像序列和调节飞行姿态的幅度设定分区段照明程序以进行分区段照明投射，得到环境干扰区与目标预警区；

6、对环境干扰区与目标预警区分别进行ai识别模型检测，以获得环境干扰区中误报信号和目标预警区中目标特征置信度，并将目标特征置信度通过识别置信度因子转换为有效目标数量；

7、基于有效目标数量和所述目标区域的区域面积确定预警等级，其中，有效目标数量基于从所述目标特征置信度对应的目标数量中扣除所述环境干扰区检出误报信号对应的数量当量确定。

8、进一步地，基于监测无人机机载视觉传感器在巡航过程中采集的地面图像确定地面图像序列的过程包括：

9、记录所述无人机进入巡航状态前的初始地面图像；

10、在巡航过程中按固定时间间隔采集实时地面图像；

11、计算各时间点的实时地面图像与初始地面图像的差异特征，并将差异特征按时间顺序排列形成地面图像序列。

12、进一步地，基于地面图像序列得到地面异常特征的过程包括：

13、以采集时间点为横坐标、实时地面图像与初始地面图像的差异特征为纵坐标，将所述地面图像序列中的各数据点依次连接形成原始变化曲线；

14、对所述原始变化曲线进行滑动平均滤波以消除高频噪声，得到所述地面异常特征曲线。

15、进一步地，基于地面异常特征曲线识别地面异常特征的过程包括：

16、计算所述地面异常特征曲线的一阶导数以得到异常变化速率随时间的变化曲线；

17、响应于异常变化速率单调递减且始终高于基线噪声，判定所述地面异常特征为正常场景；

18、响应于异常变化速率下降后出现二次上升再下降，判定所述地面异常特征为动态干扰场景；

19、响应于在预期识别时长结束时异常变化速率仍高于所述基线噪声，则判定所述地面异常特征为持续变化场景。

20、进一步地，基于实时获取预期识别时长内的识别状态是否达到稳定确定停止巡航的过程包括：

21、实时获取巡航过程中的光照强度、飞行高度及地面纹理复杂度，以从预存储的识别时长对照表中检索得到对应的预期识别时长；

22、在巡航过程中实时监测当前已巡航时长；

23、响应于所述已巡航时长达到所述预期识别时长时的实时异常变化速率已降至所述基线噪声以下，判定当前识别状态达到稳定并停止巡航。

24、进一步地，基于所述地面异常特征和异常覆盖范围调节飞行姿态的过程包括：

25、响应于所述地面异常特征为动态干扰场景，判定目标区域中存在与预警目标竞争的干扰物；

26、根据所述异常覆盖范围与预期覆盖范围之间的偏差量确定干扰程度，其中，预期覆盖范围基于实时获取的光照强度、飞行高度及地面纹理复杂度从预存储场景模型中预测得到；

27、响应于所述干扰程度超过预设干扰阈值，调节飞行姿态中的悬停高度，以改变所述干扰物与机载视觉传感器之间的识别视场角；

28、响应于所述地面异常特征为持续变化场景，判定目标区域向所述机载视觉传感器传输的图像信号受环境光照变化影响；

29、根据所述异常覆盖范围与预期覆盖范围之间的偏差量确定光照影响程度；

30、响应于所述光照影响程度超过预设光照阈值，调节飞行姿态中的偏航角，以提高目标区域向所述机载视觉传感器的光照入射均匀度；

31、记录用以表征飞行姿态变化对识别行为的影响程度的姿态调节幅度。

32、进一步地，基于重新采集的地面图像序列和调节飞行姿态的幅度设定分区段照明程序的过程包括：

33、根据重新采集的地面图像序列在异常变化速率降至所述基线噪声以下时对应的总差异量确定总识别信息量；

34、根据所述地面图像序列在异常变化速率降至所述基线噪声以下前的衰减速率和所述总识别信息量确定场景复杂等级，其中，所述衰减速率越小且所述总识别信息量越大，则所述场景复杂等级越高；

35、根据所述姿态调节幅度修正所述场景复杂等级，以获得目标照明强度等级；

36、根据所述目标照明强度等级确定低照度段保持时长、高照度段保持时长以及高照度段终止光强；

37、按照所确定的低照度段保持时长和高照度段保持时长执行分区段照明程序；

38、在低照度段投射环境适应性照明光作为环境干扰区；

39、在高照度段投射高亮度识别照明光作为目标预警区。

40、进一步地，将目标特征置信度通过识别置信度因子转换为有效目标数量的过程包括：

41、获取预先通过标准目标样本标定得到的识别置信度因子，所述识别置信度因子用于确定单位目标特征置信度对应的有效目标数量；

42、将所述目标特征置信度乘以所述识别置信度因子，得到有效目标数量。

43、进一步地，基于有效目标数量和所述目标区域的区域面积确定预警等级的过程包括：

44、将所述有效目标数量除以所述目标区域的区域面积，得到所述目标区域的单位面积目标密度，并基于所述单位面积目标密度确定预警等级。

45、另一方面，本发明还提供一种结合ai识别功能的无人机应急预警照明系统，包括：

46、识别模块，其用以基于地面图像序列识别地面异常特征，其中，地面图像序列基于监测无人机机载视觉传感器在巡航过程中采集的地面图像确定；

47、调节模块，其用以基于所述地面异常特征和异常覆盖范围调节飞行姿态，其中，异常覆盖范围基于停止巡航后记录得到，停止巡航基于实时获取预期识别时长内的识别状态是否达到稳定确定；

48、投射模块，其用以控制所述无人机悬停于目标区域上空以进行二次悬停扫描，并基于重新采集的地面图像序列和调节飞行姿态的幅度设定分区段照明程序以进行分区段照明投射，得到环境干扰区与目标预警区；

49、检测模块，其用以对环境干扰区与目标预警区分别进行ai识别模型检测，以获得环境干扰区中误报信号和目标预警区中目标特征置信度，并将目标特征置信度通过识别置信度因子转换为有效目标数量；

50、预警确定模块，其用以基于有效目标数量和所述目标区域的区域面积确定预警等级，其中，有效目标数量基于从所述目标特征置信度对应的目标数量中扣除所述环境干扰区检出误报信号对应的数量当量确定。

51、与现有技术相比，本发明的有益效果在于，通过将机载视觉传感器实时监测的地面图像特征与ai识别模型的目标检测相融合，依据地面异常特征动态调节飞行姿态并执行二次悬停扫描，能够补偿因光照变化或遮挡导致的识别偏差，再利用分区段照明程序将环境干扰区与目标预警区分离，并从识别结果中扣除误报目标的数量当量，从而获得更准确的应急预警等级，通过多源数据融合与物理环境补偿机制直接提升了复杂场景下无人机应急预警的可靠性。

52、进一步地，通过计算机载视觉传感器采集的实时地面图像与初始地面图像的差异特征并排序形成地面图像序列，再以时间点为横坐标、差异特征为纵坐标连接成原始变化曲线，并经滑动平均滤波消除高频噪声得到地面异常特征曲线，进而计算该曲线的一阶导数获得异常变化速率随时间的变化曲线，根据异常变化速率是否单调递减、是否出现二次上升或在预期识别时长结束时是否仍高于基线噪声即可分别判定正常场景、动态干扰场景或持续变化场景，这种处理方式直接将视觉传感器输出的图像信号转化为地面异常的可判读特征，使得巡航过程中干扰物进入或光照突变等异常现象能够被即时识别，无需依赖任何预设的经验模型或统计分类器。

53、进一步地，通过实时获取巡航过程中的光照强度、飞行高度及地面纹理复杂度并从预存储的识别时长对照表中检索预期识别时长，再依据实时异常变化速率是否降至基线噪声以下来判定识别状态稳定并停止巡航，使得巡航时长能够自适应于实际环境条件的变化，在识别出动态干扰场景时计算干扰程度并据此调节悬停高度以改变干扰物的识别视场角，在识别出持续变化场景时计算光照影响程度并据此调节偏航角以改善光照入射均匀度，能够直接基于视觉测量值与标准条件下的预期值之间的偏差进行闭环控制，以补偿因动态干扰或光照不均导致的识别效率损失。

54、进一步地，通过依据异常变化速率衰减速率与总识别信息量共同决定场景复杂等级，再利用姿态调节幅度对该等级进行修正以得到目标照明强度等级，进而能够自适应确定低照度段与高照度段的保持时长及终止光强，使分区段照明程序与实际场景的识别难度相匹配，通过利用环境干扰区与目标预警区在光照响应特性上的内在差异，使得受环境光照影响较大的区域在低照度段获得适应性照明而目标特征聚集的区域在高照度段获得高亮度识别照明，从而无需针对不同场景预先设定照明参数即可实现两者的选择性照明增强。

55、进一步地，通过预先标定的识别置信度因子将目标特征置信度转换为有效目标数量，再将该数量除以区域面积得到单位面积目标密度并据此确定预警等级，该转换过程遵循ai识别模型中置信度与目标检出概率之间的统计对应关系，从而直接获得可溯源且可量化的预警等级评估结果。