(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 202211027884.0 (22)申请日 2022.08.25 (71)申请人 成都国翼电子技 术有限公司 地址 610041 四川省成 都市高新区科园二 路10号2栋1单 元6层1号、 7层1-2号 (72)发明人 刘军　王秋霖　方苑也　 (74)专利代理 机构 成都金英专利代理事务所 (普通合伙) 51218 专利代理师 袁英 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/74(2022.01) G06V 40/20(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于视频的空中目标行为判别方法及 装置 (57)摘要 本发明公开了一种基于视频的空中目标行 为判别方法及装置， 方法包括以下步骤： 实时采 集无人机飞行线范围内的视频； 采用目标检测模 型实时检测采集的视频中是否存在空中目标； 采 用目标跟踪模型对检测到的空中目标进行跟踪 并分析行为； 根据目标跟踪分析的结果， 判断有 无撞击风险， 若有撞击风险则进行报警。 本装置 成本低廉的同时能够保证检测精度与检测时效 性； 本方法能准确检测空中目标并进行行为判 别， 根据分析提前报警， 避免发生飞鸟或无人机 撞机的安全事故； 采用实时连续对空中目标进行 检测和跟踪的方式， 平滑输出分析结果数据， 使 飞机系统或操作人员可以及时作出反应 。 权利要求书2页 说明书4页 附图1页 CN 115331149 A 2022.11.11 CN 115331149 A 1.一种基于 视频的空中目标 行为判别方法， 其特 征在于， 包括以下步骤： 实时采集无 人机飞行线范围内的视频； 采用目标检测模型实时检测采集的视频中是否存在空中目标； 采用目标跟踪模型对检测到的空中目标进行跟踪并分析 行为； 根据目标跟踪分析的结果， 判断有无撞击风险， 若 有撞击风险则进行报警。 2.根据权利要求1所述的一种基于视频的空中目标行为判别方法， 其特征在于， 还包括 所述目标检测模型和目标跟踪模型的训练步骤， 所述训练步骤如下： S1： 获取不同时段的无 人机、 飞鸟图片样本并进行 标记， 生成训练样本； S2： 将训练样本 输入YOLO目标检测模型， 对YOLO目标检测模型进行训练； S3： 将YOLO目标检测模型输出的结果再输入DeepSort多目标跟踪模型， 对DeepSort多 目标跟踪模型进行训练； S4： 根据De epSort多目标跟踪模型的输出 结果， 判断有无撞击风险。 3.根据权利要求2所述的一种基于视频的空中目标行为判别方法， 其特征在于， 步骤S2 包括以下子步骤： S21： 输入视频原 始图片帧； S22： 使用YOLO目标检测算法获取目标检测框； S23： 将所有目标框中对应的目标抠出来， 进行 特征提取； S24： 进行相似度计算， 计算前后两帧目标之间的匹配程度， 通过前后两帧中目标间距 大小变化 来判断是否属于同一个目标； S25： 输出存在的空中目标 给DeepSort多目标跟踪模型。 4.根据权利要求3所述的一种基于视频的空中目标行为判别方法， 其特征在于， 所述步 骤S23中特 征提取包括表 观特征提取和运动特 征提取。 5.根据权利要求2所述的一种基于视频的空中目标行为判别方法， 其特征在于， 步骤S3 包括以下子步骤： S31： 将YOLO目标检测模型输出的结果进行ID编号； S32对同一 ID编号的目标进行远离或靠 近行为分析； S33： 对同一 ID编号的目标进行绕飞行为分析； S34： 对分析 结果进行输出。 6.根据权利要求5所述的一种基于视频的空中目标行为判别方法， 其特征在于， 所述 S32对目标进行远离或靠 近行为判断， 包括以下步骤： S321： 连续间隔10帧提取目标框， 并计算10帧平均面积:； S322： 行为判别 模型根据 连续3次计算的平均面积进行判断， 如果目标框面积由小到大 则输出结果为远离； 如果目标框由大到小则输出 结果为靠近。 7.根据权利要求5所述的一种基于视频的空中目标行为判别方法， 其特征在于， 所述 S33对目标进行绕飞行为判断， 包括以下步骤： S331： 定义图像左上角为图像原点， 向右为X轴且为 正， 向下为Y轴且为 正； S332： 连续间隔10帧提取目标框， 并计算10帧的平均中心点 位置； S333： 根据连续3次计算的中心点位置进行判断， 如果中心点位置沿着X轴或者Y轴的坐 标值越来越大， 则输出结果为正绕飞； 如果中心 点位置沿着X轴或者Y轴的坐标值越来越小，权　利　要　求　书 1/2 页 2 CN 115331149 A 2则输出结果为负绕飞。 8.根据权利要求5所述的一种基于视频的空中目标行为判别方法， 其特征在于， 跟跟踪 检测到远离或靠近、 绕飞两种情况同时存在时， 优 先输出远离或靠近， 根据目标跟踪模型的 分析结果判断有无撞击风险， 如果分析 结果为靠近， 则输出报警。 9.根据权利要求2所述的一种基于视频的空中目标行为判别方法， 其特征在于， 步骤S2 中YOLO检测算法检测跟踪到图像中没有目标时， 继续进行下一帧的检测； 当检测 到图像中 存在目标时， 输出目标 给DeepSort多目标跟踪算法进行ID编号。 10.一种基于视频的空中目标行为判别装置， 采用权利要求1 ‑9的方法运行， 其特征在 于， 包括视频采集装置、 目标检测模块、 目标跟踪模块和行为判别模块， 所述视频采集装置 实时采集无人机飞行范围的视频； 所述 目标检测模块对图片帧中的目标进行检测； 所述 目 标跟踪模块对图片帧中的目标进 行跟踪行为分析， 所述行为判别模块对目标跟踪模块输出 的计算结果进行判断并报警。权　利　要　求　书 2/2 页 3 CN 115331149 A 3