本發(fā)明屬于反無人機蜂群，主要涉及一種基于視覺的無人機蜂群隊形識別方法。

背景技術：

1、無人機蜂群具有超低空飛行、重組、智能避障等功能，在執(zhí)行不同任務時會采用不同的編隊隊形飛行，如環(huán)形隊形代表護送高價值目標；楔形隊形代表巡查；縱形隊形代表進攻等。識別無人機隊形可以有效地辨別其戰(zhàn)斗模式和判斷其威脅度，從而選擇高戰(zhàn)術價值的目標進行反制，進而提高反蜂群任務的效能與效費比。因此，具有隊形識別和目標選擇的能力對于反蜂群任務具有十分重要的作用。

2、中國電科周強首先采用ssd與lenet相結合的輕量級模型進行無人機隊形檢測，該方法存在的問題是無法應對實際作戰(zhàn)任務中背景復雜的無人機圖像?，F有技術很少有針對于無人機蜂群隊形識別的研究，相關研究多集中在對無人機的目標檢測方面。

3、yolov5算法于2020年公開發(fā)布，相比于ssd具有更高的檢測精度和速度。而resnet具有更深的網絡結構，因此可以更好地提取圖像特征。本發(fā)明采用無人機圖像數據集構建技術、基于yolov5的無人機目標檢測技術、基于resnet50的無人機隊形分類技術，使光電系統(tǒng)可以在獲取無人機蜂群圖像后，通過無人機圖像提取、圖像二值化、隊形分類等步驟，在線、準確、快速地對無人機蜂群隊形完成識別。

技術實現思路

1、(一)要解決的技術問題

2、本發(fā)明要解決的技術問題是，傳統(tǒng)光電探測方法無法有效識別無人機隊形的問題。

3、(二)技術方案

4、為解決上述技術問題，本發(fā)明提出一種基于視覺的無人機蜂群隊形識別方法，它包含下列步驟：

5、步驟1：無人機圖像數據集的構建，主要包括無人機目標圖像數據、無人機隊形圖像數據等真實與仿真相結合的數據集。真實數據集主要獲取手段為網絡爬蟲和外場試驗拍攝的方式，仿真手段主要采用基于flocking避障算法的行為編隊控制方法，并通過軟件仿真的方式構建無人機蜂群飛行編隊，獲取編隊隊形數據庫。

6、步驟2：采用yolov5對無人機圖像進行訓練，得到無人機目標檢測模型。該步驟的目的是為了將圖像中的所有無人機目標檢測出來并給出其在圖像中的檢測框坐標。

7、步驟3：基于resnet50訓練無人機隊形數據，得到無人機隊形分類模型。該分類模型可以將無人機隊形圖像分類為楔形、縱行、橫行、環(huán)形、蛇形、梯形等。

8、步驟4：將步驟2中的目標檢測模型圖像中檢測的所有無人機與背景圖像分離，分別設置為黑白兩色，并通過步驟3中的隊形分類模型對其進行分類，得到該組無人機隊形的分類結果。

9、(三)有益效果

10、本發(fā)明的有益效果體現在以下幾點：

11、(1)自動化程度高、易于實現

12、在已有的光電平臺下進行軟件修改即可實現。隊形識別全過程由軟件自動完成，可以快速地作用于數量龐大的無人機蜂群。

13、(2)提高反蜂群任務的效率

14、該方法建立無人機圖像與隊形數據集，通過yolov5和resnet50相結合的方法快速地對圖像或視頻中無人機編隊進行檢測、分割、重構和隊形分類，使光電系統(tǒng)可以在短時間內判斷出高價值的無人機目標。

技術特征：

1.一種基于視覺的無人機蜂群隊形識別方法，其特征在于，它包括以下步驟：

技術總結
本發(fā)明公開了一種基于視覺的無人機蜂群隊形識別方法，針對反無人機蜂群系統(tǒng)隊形識別的具體要求，采用無人機圖像數據集構建技術、基于Yolov5的無人機目標檢測技術、基于Resnet50的無人機隊形分類技術，使光電系統(tǒng)可以在獲取無人機蜂群圖像后，通過無人機圖像提取、圖像二值化、隊形分類等步驟，在線、準確、快速地對無人機隊形完成識別，從而判斷其威脅度。本發(fā)明的方法易于實現、成本低且具有智能化的特點，克服了傳統(tǒng)光電系統(tǒng)無法自動實現無人機蜂群隊形識別的問題。

技術研發(fā)人員：張根源,林智偉,范繼,田亞峰,舒立鵬,劉新宇,唐旭,吳曄,朱柏飛,王媛
受保護的技術使用者：西北機電工程研究所
技術研發(fā)日：
技術公布日：2025/1/9