CN114155489B 一种多设备协同的无人机飞手检测方法、设备及存储介质 （上海瀚界科技发展有限公司）

本发明涉及一种多设备协同的无人机飞手飞手检测，使用跟踪算法对无人机飞手进行跟再次调用周围区域的其他视频监控系统的视频别方法，对当前画面中的无人机飞手进行重识22.根据权利要求1所述的多设备协同的无人机飞手检测方法，其特征在于，所述步骤测模型的训练期间，通过调整当前训练批次内无人机飞手的样本量，使得所述检测模型对无人机飞手更加敏感。3.根据权利要求1所述的多设备协同的无人机飞手检测方法，其特征在于，所述步骤的方法在目标区域进行移位操作，形成大量的样本来训练所述邻回归分类器；通过核6.一种计算机设备，包括存储器、处理器及存储在3行以实现如权利要求1-5中任一所述的多设备协同的无人机飞4类识别各电磁源，形成电磁指纹(电磁指纹目标识别技术是将设备获取的目标电磁特征)，[0003]基于电磁指纹数据库技术识别无人机飞手目标时，如何配置电磁感知节点设失。并且在对无人机飞手发出的电磁信号使用基于TDOA(TimeDifferenceofArrival)方飞手检测的应用。[0004]本发明所要解决的技术问题是提供一种多设备协同的无人机飞手检测方法和系[0006](1)获取无人机飞手发出的电磁信号，使用电磁目标定位方法确定无人机飞手的5[0008](3)当跟踪的无人机飞手运动到当前画面外时，保存并裁剪当前图像中无人机飞[0010]所述步骤(2)中使用跟踪算法对无人机飞手进行跟踪具体为：以邻回归分类器为[0011]所述步骤(3)中的无监督生成伪标签的无人机飞手重识别方法分为训练阶段和测别。[0012]在所述根据聚类的结果为当前簇类中的特征分配伪标签与所述形成查询库之间[0013]在分配伪标签时，根据设备的索引将训练数据集中划分用的损失函数为交叉熵损失函数和Triplet损失函数，使用正则项将所述交叉熵损失函数行所述程序时实现上述的多设备协同的无人机飞[0017]本发明解决其技术问题所采用的技术方案是：还提供一6[0027]步骤1.通过频谱感知设备对无人机飞手遥控器等电磁源设备发出的电磁信号进像头的视频流，利用无人机飞手检测算法对无人机飞手位置范围内的多路视频进行分析，7[0031]当无人机飞手检测成功后，可以使用KCF(KernelCorrelationFilter)跟踪算法[0035]值得一提的是，使用的目标检测算法也可以替换为基于两阶段的FastRCNN、8用多个分类器对特征进行分类，以分类概率向量间的距离平均值作为度量依据进行聚类，训练的分类器对输入的图像进行分类，并对数据集中的分类概率向量进行聚类，使用程分为伪标签生成和网络更新两个阶段，在本步骤中使用VGG16作为无人机飞手重识别的其中，无人机飞手重识别的数据集可以是线下采集不同设备下同一个无人机飞手的图像，[0040]上述的聚类方法可以为K-means算法，其中第一阶段伪标签生成的过程中使用度[0043]网络更新阶段是指伪标签分配完成后，一个批次的输入样本经过VGG16的特征提9[0047](1)依据电磁目标定位方法确定的无人机飞手的空间位置范围，根据这个空间位[0049](3)当该视频流中的无人机飞手运动到视野范围后，将运动出视野的图像保存在聚类和相机间数据集的聚类的两阶段伪标签生成方法，提高了无人机飞手重识别的准确可编程数据处理设备的处理器执行的这些指令来创建用于实施这些流程图和/或框和/或一个或多个流程框图中指定的功能/操作的单些指令构成包含实施流程图和/或框图的一个或多个框中指定的功能/操作的指令部件的[0055]还应该注意在一些备选实现中，框中所示的功能/操作可以不按流程图所示的次行介质在机器上执