(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210689184.1 (22)申请日 2022.06.17 (71)申请人 湖南中科助英智能科技研究院有限 公司 地址 410000 湖南省长 沙市岳麓区桐梓坡 路96号 (72)发明人 谢剑斌　束伟　 (74)专利代理 机构 长沙国科天河知识产权代理 有限公司 432 25 专利代理师 彭小兰 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/44(2022.01) G06V 10/75(2022.01) (54)发明名称 一种融合形状变化特征的区分无人机与飞 鸟的方法 (57)摘要 本发明涉及一种融合形状变化特征的区分 无人机与飞鸟的方法， 包括： S1.基于监控视频 获 取其中运动目标的目标轨迹， 并基于所述目标轨 迹提取运动目标序列； S2.基于预训练的无人机 目标检测模型从所述运动目标序列中抽取出候 选目标序列； S3.基于所述候选目标序列选取序 列中第i时刻的候选目标， 并计算其与序列中第i 时刻之前时刻的候选目标之间的形状变化特征； S4.获取所述形状变化特征的整体类别置信度， 若所述整体类别置信度大于预设的阈值， 则判定 序列中第i时刻的候选目标为无人机。 本方案通 过采用区分形状变化特征的方式可以有效的分 辨出处于动态外形的鸟类和固定外形的无人机， 极大的提高了分辨能力和分辨效率。 权利要求书2页 说明书6页 附图1页 CN 115063743 A 2022.09.16 CN 115063743 A 1.一种融合形状 变化特征的区分无 人机与飞鸟的方法， 包括： S1.基于监控视频获取其中运动目标的运动目标序列； S2.基于预训练的无 人机目标检测模型从所述 运动目标序列中抽取 出候选目标序列； S3.基于所述候选目标序列选取序列中第i时刻的候选目标， 并计算其与序列中第i时 刻之前时刻的候选目标之间的形状 变化特征； S4.获取所述形状变化特征的整体类别置信度， 若所述整体类别置信度大于预设的阈 值， 则判定序列中第i时刻的候选目标为无 人机。 2.根据权利要求1所述的方法， 其特征在于， 步骤S1中， 基于监控视频获取其中运动目 标的运动目标序列的步骤中， 包括： S11.截取多帧所述监控视频中的监控图像， 基于获取的所述监控图像采用高斯背景建 模方法建立当前 所述监控视频的背景模型； S12.利用所述背景模型对所述监控视频中的每帧监控图像进行去背景处理， 提取所述 监控图像中的运动像素区域； S13.对所述 运动像素区域进行去噪处 理， 并提取保留下的连通区域； S14.采用相关滤波法对相邻帧的所述连通区域进行跟踪， 确定不同帧所提取的所述连 通区域的隶属度关系， 基于所述隶属度关系确定出 所述连通区域的顺序； S15.获取不同帧所提取的所述连通区域的质心坐标和空间掩模， 并基于所述连通区域 的顺序构建所述 运动目标序列。 3.根据权利要求2所述的方法， 其特征在于， 步骤S11中， 截取所述监控视频中的前N帧 所述监控图像建立所述背景模型； 步骤S12中， 利用所述背景模型对所述监控视频中第 N帧后的所述监控图像进行去背景 处理， 并提取 所述运动像素区域。 4.根据权利要求3所述的方法， 其特征在于， 步骤S3中， 所述形状变化特征包括： 周长变 化特征和面积变化特 征； 步骤S3中， 包括： S31.获取第i时刻的候选目标所对应的空间掩模的归一化周长， 以及获取第i时刻的候 选目标所对应的空间掩 模的归一 化面积； S32.构建不同时刻的所述候选目标之间的周长变化趋势， 以及构建不同时刻的所述候 选目标之间的面积变化趋势； S33.选取多组不同时刻的所述候选目标并基于所述周长变化趋势分别计算出相应的 周长变化值， 以及选取多组不同时刻的所述候选目标并基于所述面积变化趋势分别计算出 相应的面积变化 值； S34.基于获取的多个所述周长变化 值和多个所述 面积变化 值构建所述形状 变化特征。 5.根据权利要求 4所述的方法， 其特 征在于， 步骤S31中， 所述归一 化周长表示 为： 其中， Li表示第i时刻的归一化周长； li表示第i时刻候选目标所对应的空间掩模中所有 边缘像素点的数量； wi和hi分别表示第i时刻候选目标 所对应的空间掩 模的宽度和高度； 所述归一 化面积表示 为：权　利　要　求　书 1/2 页 2 CN 115063743 A 2其中， Si表示归一化面积； si表示第i时刻候选 目标所对应的空间掩模中所有像素点 的 数量； wi和hi分别表示第i时刻候选目标 所对应的空间掩 模的宽度和高度。 6.根据权利要求5所述的方法， 其特 征在于， 步骤S32中， 所述周长变化趋势 表示为： ΔL[i][j]＝abs(Li‑Lj) 其中， ΔL[i][j]表示第i时刻和第j时刻之间的周长变化趋势； Li表示第i时刻的归 一化周 长； Lj表示表示第j时刻的归一 化周长； 所述面积变化趋势 表示为： ΔS[i][j]＝abs(Si‑Sj) 其中， ΔS[i][j]表示第i时刻和第j时刻之间的面积变化趋势； Si表示第i时刻的归 一化面 积； Sj表示表示第j时刻的归一 化面积。 7.根据权利要求6所述的方法， 其特征在于， 步骤S33中， 选取多组不同时刻的所述候选 目标并基于所述周长变化趋势分别计算出相应的周长变化值的步骤中， 选取三组不同时刻 的所述候选目标并基于所述周长变化趋势分别计算出相应的周长变化值， 其中， 第一组不 同时刻之 间的间隔小于第二组不同时刻之 间的间隔， 第二组不同时刻之间的间隔小于第三 组不同时刻之间的间隔； 选取多组不同时刻的所述候选目标并基于所述面积变化趋势分别计算出相应的面积 变化值的步骤中， 选取三组不同时刻的所述候选目标并基于所述面积变化趋势分别计算出 相应的面积 变化值， 其中， 第一组不同时刻之 间的间隔小于第二组不同时刻之间的间隔， 第 二组不同时刻之间的间隔小于第三组不同时刻之间的间隔。 8.根据权利要求7所述的方法， 其特征在于， 步骤S4中， 获取所述形状变化特征的整体 类别置信度， 若所述整体类别置信度大于预设的阈值， 则判定序列中第i时刻的候选目标为 无人机的步骤中， 包括： 分别计算第i时刻的所述周长变化特 征和所述 面积变化特 征所对应的类别置信度； 基于所计算得到的所述类别 置信度获取所述候选目标运动到第 i时刻的整体类别置信 度； 将所述整体类别置信度与所述阈值相比较， 若所述整体类别置信度大于预设的阈值， 则判定序列中第i时刻的候选目标为无 人机。 9.根据权利要求8所述的方法， 其特 征在于， 所述整体 类别置信度表示 为： Q1＝q1 Qi＝(qi‑1+qi)/2,i＞1 其中， Qi表示整体 类别置信度， qi表示类别置信度。权　利　要　求　书 2/2 页 3 CN 115063743 A 3