CN119515036A 基于行为识别模式的无人机风险评估方法和系统 （广东开放大学（广东理工职业学院））

基于行为识别模式的无人机风险评估方法本申请公开了基于行为识别模式的无人机概率分布数据输入至目标风险评估模型进行评2获取目标环境区域内敌对无人机的目标声学信号和目标图像序将所述目标融合数据输入至目标神经网络进行识别，得到所述敌对对所述目标行为模式和当前传感器数据进行计算，得到所述目标行将所述概率分布数据输入至目标风险评估模型进行评估，通过马尔可夫决策方法对所述目标风险等级进行预测，得到获取所述目标环境区域内所述敌对无人机的原始声学信号和原始图像序通过TDOA方法对所述目标声学信号进行计算，得到各个所述对所述目标时间差和各个所述声学传感器的坐标位置进行计算，通过多普勒效应方法对所述目标声学信号进行分析，得到所述运动动状态信息包含所述敌对无人机的当前速度和所述敌对无通过无迹卡尔曼滤波器将所述声源定位信息和所述光流数据进行融3通过所述无迹卡尔曼滤波器对所述初步融合数据进行状态估计处理对所述目标环境区域内的传感器阵列进行动态监测，当监测到所述传感器根据所述失效传感器的所述失效特性，对无迹卡尔曼滤波器中的观测在调整所述无迹卡尔曼滤波器中的所述观测矩阵和所述测量过所述传感器阵列中的冗余传感器对所述失效传感器进行数据补偿，得到目标补偿数据基于所述目标补偿数据集更新所述无迹卡尔曼滤波器的状态估计值和状态协方差矩数据获取模块，用于获取目标环境区域内敌对无人机的目标声学信号和目标图像序数据融合模块，用于将所述声源定位信息和所述光流数据进行为识别模块，用于将所述目标融合数据输入至目标神经网络进行概率分布计算模块，用于对所述目标行为模式和当前传感器数据进风险评估模块，用于将所述概率分布数据输入至目标风险评估模型进行4[0002]在敌对无人机的安全防御领域中，相关技术往往基于单5所述目标行为模式对应的候选行为模式的概率分险评估方法和系统,该方案通过获取目标环境区域内敌对无人机的目标声学信号和目标图[0024]图1是本申请实施例提供的基于行为识别模式的无人机风险评估方法的步骤流程[0025]图2是本申请实施例提供的基于行为识别模式的无人机风险评估方法的流程示意[0026]图3是本申请实施例提供的基于行为识别模式的无人机风险评估系统的结构示意6技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，[0032]在敌对无人机的安全防御领域中，相关技术往往基于单[0033]有鉴于此，本申请实施例中提供基于行为识别模式的无人机风险评估方法和系统,该方案通过获取目标环境区域内敌对无人机的目标声学信号和目标图像序列；对目标声源定位信息和光流数据进行融合得到目标融合数据，能够综合利用声学信息和视觉信术领域。本申请实施例提供的基于行为识别模式的无人机风险评估方法可应用于终端中，7存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(ContentDelivery8是为了后续更准确地提取原始声学信号对应的声源定位信息和原始图像序列对应的光流[0051]其中，Δtij表示为第i个声学传感器和第j个声学传感器接收到声音信号的时间9[0057]Farneback光流算法提供了一种有效的计算密集光流的方法，通过多分辨率分析析和轨迹预测具有重要意义。使用Farneback光流算法通过分析图像在连续帧之间的亮度[0060]在Farneback光流算法中，假设图像在小区域内的像素值可以用二次多项式来近v2)分别是时间间隔为Δt的两帧之间的光流矢量，那么加速度(ax，ay)可以表示为如下公息和光流数据直接相关。光流和声学信号的处理结果数据被用于后续的行为模式识别步效传感器S1的位置数据，接着通过加权平均来整合S1和S2的数据，加权平均的计算公示如数据的估计值；XK,S和XKS2分别是传感器SdXt＝(1+θ1B+θ2B2+…+θqBq)Zt表t表示白噪声误差序列。H(l+1)表示经过l层图卷积操作后得到的卷积H(l+1)在神经网络模型中表示为对当前层l的输出进行时间维度上的卷积操作，然后通[0151]另外，神经网络的训练过程使用交叉熵损失函数来衡量预测类别与真实类别yDac,)表示损失函数L对参数θ[0163]在具体实现中，对识别出的敌对无人机行为模式和实时传感器数据进行风险评逻辑系统能够处理这些由时空图卷积网络识别出的行为模式识别结果，在不确定性条件敌对无人机的风险等级，为后续的防御决策提供了关于敌对无人机威胁程度的定量信息，[0187]在本申请实施例中，通过马尔可夫决策方法预测目标风矩阵和噪声协方差矩阵，使得无迹卡尔曼滤波器能够持续对目标融合数据进行状态估计，[0196]本申请实施例使用Farneback光流算法通过分析图像在连续帧之间的亮度变化能进行行为模式识别。[0207]步骤S205，通过马尔可夫决策过程和模糊逻辑进行敌对无人机的风险评估与决[0208]在具体实现中，对识别出的敌对无人机行为模式和实时传感器数据进行风险评[0210]对于动态调整和决策部分，具体流程为：使用马尔可夫决策模型(Markov[0214]本申请实施例通过获取目标环境区域内敌对无人机的目标声学信号和目标图像矩阵和噪声协方差矩阵，使得无迹卡尔曼滤波器能够持续对目标融合数据进行状态估计，合技术和先进的数据处理算法提高了监测的[0221](4)传感器失效处理：使用无迹卡尔曼滤波器和冗余传感器数据处理传感器失效[0222]本申请实施例提供的基于行为识别模式的无人机风险评估方法的应用场景可以[0226]请参阅图3，本申请实施例还提供基于行为识别模式的无人[0227]数据获取模块301，用于获取目标环境区域内敌对无人机的目标声学信号和目标方案；402可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提险评估模型能够基于概率分布数据评估敌对无人机的风险等级，提高了风险评估的准确可以根据实际的需要选择其中的部分或者全部模块来实现本