一种协作式无人机检测方法、装置及设备与流程

技术特征：

1.一种协作式无人机检测方法，其特征在于，应用于包括服务中心端和多个数据持有端的系统，所述方法应用于任一数据持有端，所述方法包括：

获取初始数据规范模型和初始无人机检测模型；

基于第一数据集对所述初始数据规范模型进行训练，得到目标数据规范模型；将所述第一数据集中的样本数据输入给所述目标数据规范模型，得到所述样本数据对应的规范后数据；其中，所述目标数据规范模型至少包括多个隐藏层，所述规范后数据是所述多个隐藏层中的目标隐藏层的输出数据；

利用所述第一数据集中的多个样本数据对应的多个规范后数据生成第二数据集；基于所述第二数据集对所述初始无人机检测模型进行训练，得到候选无人机检测模型，并从所述候选无人机检测模型中提取出模型参数；

将所述模型参数发送给所述服务中心端，以使所述服务中心端基于多个数据持有端发送的模型参数生成目标无人机检测模型；

从所述服务中心端获取所述目标无人机检测模型，并利用所述目标无人机检测模型检测目标场景是否存在无人机。

2.根据权利要求1所述的方法，其特征在于，所述基于第一数据集对所述初始数据规范模型进行训练，得到目标数据规范模型，包括：

针对所述第一数据集中的样本数据，为所述样本数据添加噪声，得到加噪声数据；将所述加噪声数据输入给所述初始数据规范模型得到去噪声数据；

确定所述去噪声数据与所述样本数据之间的损失值，并基于所述损失值对所述初始数据规范模型的网络参数进行调整，得到调整后的数据规范模型；

确定调整后的数据规范模型是否已收敛；

若否，则将调整后的数据规范模型作为初始数据规范模型，返回执行将所述加噪声数据输入给所述初始数据规范模型得到去噪声数据的操作；

若是，则将调整后的数据规范模型作为目标数据规范模型。

3.根据权利要求1所述的方法，其特征在于，

所述目标数据规范模型依次包括输入层、k个第一隐藏层、1个第二隐藏层、k个第三隐藏层和输出层，k为正整数，所述目标隐藏层为所述第二隐藏层；

针对每个第一隐藏层，该第一隐藏层的输入数据的长度大于该第一隐藏层的输出数据的长度；针对所述第二隐藏层，所述第二隐藏层的输入数据的长度大于所述第二隐藏层的输出数据的长度；针对每个第三隐藏层，该第三隐藏层的输入数据的长度小于该第三隐藏层的输出数据的长度。

4.根据权利要求1所述的方法，其特征在于，所述利用所述第一数据集中的多个样本数据对应的多个规范后数据生成第二数据集，包括：

针对所述第一数据集中的多个样本数据对应的每个规范后数据，确定该规范后数据对应的数据类型，该数据类型为图像类型、或音频类型、或射频类型；基于该数据类型确定目标位置和扩展位置，在所述目标位置处添加该规范后数据，在所述扩展位置处添加扩展数据，得到该规范后数据对应的目标数据；

将该规范后数据对应的样本数据的标签值作为该目标数据的标签值；其中，所述标签值用于表示该目标数据对应的是存在无人机或不存在无人机；

基于各规范后数据对应的目标数据及各目标数据的标签值生成第二数据集。

5.根据权利要求4所述的方法，其特征在于，所述从所述候选无人机检测模型中提取出模型参数，将所述模型参数发送给所述服务中心端，包括：

将所述第二数据集中的每个目标数据输入给所述候选无人机检测模型，得到该目标数据对应的第一检测结果；基于每个目标数据对应的第一检测结果及各目标数据的标签值，确定所述候选无人机检测模型对应的第一准确率；

将所述第二数据集中的每个目标数据输入给所述初始无人机检测模型，得到该目标数据对应的第二检测结果；基于每个目标数据对应的第二检测结果及各目标数据的标签值，确定所述初始无人机检测模型对应的第二准确率；

若所述第一准确率大于所述第二准确率，则从所述候选无人机检测模型中提取出模型参数，并将所述模型参数发送给所述服务中心端。

6.根据权利要求1所述的方法，其特征在于，所述服务中心端基于多个数据持有端发送的模型参数生成目标无人机检测模型，包括：

针对每个数据持有端，获取该数据持有端对应的质量分数；其中，所述质量分数越高，则表示该数据持有端训练的候选无人机检测模型的性能越好；

基于该数据持有端对应的质量分数确定该数据持有端对应的加权系数；其中，所述质量分数越高，则该数据持有端对应的加权系数越大；

基于每个数据持有端发送的模型参数及各数据持有端对应的加权系数确定目标参数，并基于所述目标参数生成目标无人机检测模型。

7.根据权利要求1所述的方法，其特征在于，

所述利用所述目标无人机检测模型检测目标场景是否存在无人机，包括：

将目标场景的待检测数据输入给所述目标数据规范模型，得到规范后数据，该规范后数据是所述目标数据规范模型的目标隐藏层的输出数据；

基于该规范后数据对应的数据类型确定目标位置和扩展位置，在所述目标位置处添加该规范后数据，在所述扩展位置处添加扩展数据，得到目标数据；

将所述目标数据输入给所述目标无人机检测模型，得到无人机检测结果，所述无人机检测结果用于表示所述目标场景存在无人机或者不存在无人机。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

所述服务中心端接收多个数据持有端发送的无人机检测结果，所述无人机检测结果为第一取值或者第二取值，所述第一取值表示所述目标场景存在无人机，所述第二取值表示所述目标场景不存在无人机；

确定每个数据持有端对应的权重值，并基于每个数据持有端发送的无人机检测结果及各数据持有端对应的权重值确定目标检测结果；

若所述目标检测结果大于阈值，则确定所述目标场景存在无人机；

若所述目标检测结果不大于阈值，则确定所述目标场景不存在无人机。

9.一种协作式无人机检测装置，其特征在于，应用于包括服务中心端和多个数据持有端的系统，所述装置应用于任一数据持有端，所述装置包括：

获取模块，用于获取初始数据规范模型和初始无人机检测模型；

训练模块，用于基于第一数据集对所述初始数据规范模型进行训练，得到目标数据规范模型；将第一数据集中的样本数据输入给所述目标数据规范模型，得到所述样本数据对应的规范后数据；其中，所述目标数据规范模型至少包括多个隐藏层，所述规范后数据是所述多个隐藏层中的目标隐藏层的输出数据；利用第一数据集中的多个样本数据对应的多个规范后数据生成第二数据集；基于第二数据集对所述初始无人机检测模型进行训练，得到候选无人机检测模型；

发送模块，用于在得到候选无人机检测模型后，从所述候选无人机检测模型中提取出模型参数，将所述模型参数发送给所述服务中心端，以使所述服务中心端基于多个数据持有端发送的模型参数生成目标无人机检测模型；

所述获取模块，还用于从所述服务中心端获取所述目标无人机检测模型，并利用所述目标无人机检测模型检测目标场景是否存在无人机。

10.一种数据持有端，其特征在于，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；

所述处理器用于执行机器可执行指令，以实现如下步骤：

获取初始数据规范模型和初始无人机检测模型；

基于第一数据集对所述初始数据规范模型进行训练，得到目标数据规范模型；将所述第一数据集中的样本数据输入给所述目标数据规范模型，得到所述样本数据对应的规范后数据；其中，所述目标数据规范模型至少包括多个隐藏层，所述规范后数据是所述多个隐藏层中的目标隐藏层的输出数据；

利用所述第一数据集中的多个样本数据对应的多个规范后数据生成第二数据集；基于所述第二数据集对所述初始无人机检测模型进行训练，得到候选无人机检测模型，并从所述候选无人机检测模型中提取出模型参数；

将所述模型参数发送给服务中心端，以使所述服务中心端基于多个数据持有端发送的模型参数生成目标无人机检测模型；

从所述服务中心端获取所述目标无人机检测模型，并利用所述目标无人机检测模型检测目标场景是否存在无人机。

技术总结
本申请提供一种协作式无人机检测方法、装置及设备，该方法包括：基于第一数据集对初始数据规范模型进行训练，得到目标数据规范模型；将第一数据集中的样本数据输入给目标数据规范模型，得到样本数据对应的规范后数据；利用第一数据集中的多个样本数据对应的规范后数据生成第二数据集；基于第二数据集对初始无人机检测模型进行训练，得到候选无人机检测模型，从候选无人机检测模型中提取模型参数；将模型参数发送给服务中心端，以使服务中心端基于模型参数生成目标无人机检测模型；从服务中心端获取目标无人机检测模型，并利用所述目标无人机检测模型检测目标场景是否存在无人机。通过本申请的技术方案，能够提高无人机检测准确率，保护数据隐私。

技术研发人员：王滨;张峰;王星;史治国;陈积明
受保护的技术使用者：杭州海康威视数字技术股份有限公司
技术研发日：2021.08.03
技术公布日：2021.08.31