一种基于图像数据处理的驱鸟器运行监管方法及系统与流程

本发明涉及驱鸟器监管，具体为一种基于图像数据处理的驱鸟器运行监管方法及系统。

背景技术：

1、现有鸟类聚集时大多会有多个种类的鸟类因食物来源、栖息地或其他生态因素而聚集在机场，机场的工作人员会利用驱鸟器可对其进行驱散，驱鸟器会利用声音、超声波和激光驱等方式来对聚集的鸟群进行驱散，在驱鸟器工作过程中，为了提高驱赶效果，一些驱鸟器会采用图像数据处理技术对鸟群进行拍摄分析，准确判断聚集鸟类的种类，从而让驱鸟器释放合适的声音、超声波或激光进行驱赶，控制驱鸟器有效的运作需要依靠相应的监管方法。

2、如公布号为cn117612087a的一种基于鸟类物种识别的输电杆塔驱鸟方法、设备及系统，该方法首先通过搭载于二自由度云台的工业相机实时采集图像数据，并将其传输至数据处理单元，接着通过改进的卷积神经网络yolov5实现鸟类目标物种识别及其空间位置定位，然后根据物种识别结果确定所使用的音频驱鸟信息，同时根据其空间位置进行目标追踪，最后通过音频播放设备实现定向驱鸟工作，其以改进的yolov5网络模型为算法主体，结合音频驱鸟方法实现输电杆塔上的智能定向驱鸟，可为输配电系统安全稳定运行提供可选技术支持和参考。

3、上述技术及其类的技术侧重于利用图像数据准确识别出监控区内的飞鸟种类和飞行轨迹进行智能定向驱鸟，但是在机场日常运行中飞机班次繁多，且飞机班次容易受到气候影响延迟，所以飞机进出机场时间相对不固定，定向驱鸟工作会随着鸟类飞行规律而展开，也就意味着监控区域内会出现鸟群，然后被驱赶，无法保证监控区域始终处于一个良好工作环境，且无法对鸟类的飞行规律进行学习，无法做到提前应对预警，故上述的此类监管手段无法胜任于机场这种飞机航班不固定和起飞环境要求苛刻的场景，难以对现有机场的飞行环境带来有效改善。

技术实现思路

1、本发明的目的在于提供主题，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、第一方面设计了一种基于图像数据处理的驱鸟器运行监管方法，所述监管方法包括：

4、基础信息收集：获取监控区域覆盖范围信息数据集和鸟类信息数据集；

5、图像信息获取：多个拍摄设备基于监控区域覆盖范围信息数据集进行位置分布，依据图像数据采集法来对监控区域覆盖范围内的环境图像进行采集，获得采集图像信息集；

6、信息处理：使用处理单元通过图像分析法对采集图像信息集进行分析，分析后得到鸟类行为数据集；

7、监管模型建立：基于鸟类行为数据集和鸟类信息数据集共同建立监管模型，用于模拟鸟类在监控区域内的行为规律；

8、实时预警：根据监管模型和采集图像信息集共同进行监控区域内鸟类危险行为的预警；

9、所述监管模型建立的方法包括：

10、s1：图像信息收集标注，建立学习库对鸟类信息数据集和鸟类行为数据集进行收集，对鸟类信息数据集内的图像信息进行标注，并将学习库划分成训练集、验证集和测试集；

11、s2：图像信息提取，选择卷积神经网络和循环神经网络作为特征提取器，提取图像信息中目标特征；

12、s3：模型训练，两个特征提取器使用训练集并选择对应的监管模型进行训练优化，从而得到分析鸟类外观特征和飞行规律的初始模型；

13、s4：模型改进，利用交叉验证技术对初始模型性能进行评估，并基于评估结果调整各种超参数优化得到监管模型。

14、更进一步地，所述图像分析法包括：

15、m1：特征提取，利用图像分析软件对采集图像信息集进行特征提取，并对提取的各个特征进行初步标注；

16、m2：特征匹配，基于鸟类特征数据集与提取的各个特征进行匹配，在各个特征找到对应的参照信息后，对初步标注的特征进行二次标注；

17、m3：飞行轨迹提取，依据多张采集图像信息分析得出鸟类在监控区域覆盖范围内的活动时间，并根据鸟类飞行轨迹追踪法得出鸟类飞行轨迹，然后对二次标注的特征进行三次标注，得到鸟类行为数据集。

18、更进一步地，所述图像数据采集法包括：

19、n1：目标检测，拍摄设备检测到监控区域覆盖范围附近是否有鸟类靠近，并创建检测信息；

20、n2：拍摄目标，基于检测信息对拍摄设备下达拍摄指令，让拍摄设备依据预设采集参数对监控区域覆盖范围内的环境图像进行拍摄，得到多张鸟类活动图像；

21、n3：图像预处理，拍摄设备对多张鸟类活动图像进行图像预处理，提高鸟类活动图像可读性并得到采集图像信息集。

22、更进一步地，所述驱鸟器和拍摄设备均与处理单元通过专有局域网建立联系，所述专有局域网的搭建方法：a1：信息获取，获取驱鸟器、拍摄设备均和处理单元的基本联网信息，所述基本联网信息包括设备ip；

23、a2：设备连接，处理单元自行分配通信通道让驱鸟器的ip与拍摄设备的ip进行匹配；

24、a3：配置组网，处理单元对通信通道配置相应网络服务和安全措施，创建专有局域网。

25、更进一步地，所述鸟类飞行轨迹追踪法包括：

26、b1：图像整理，按照时间顺序对多张采集图像进行排列；

27、b2：提取二维轨迹，利用光流法跟踪每张采集图像的特征点，通过特征点在不同图像中的位置变化，可得到特征点在二维平面的平面运动轨迹；

28、b3：搭建三维轨迹，利用立体视觉技术并基于多个拍摄设备拍出的多张采集图像建立三维信息，得出特征点在三维空间的三维运动轨迹；

29、b4：轨迹优化，使用空间平均法来优化平面运动轨迹和三维运行轨迹，让平面运动轨迹和三维运行轨迹接近真实情况。

30、更进一步地，所述训练优化的方法包括：

31、c1：一次优化，监管模型通过反向传播算法优化网络参数；

32、c2：二次优化，监管模型利用交叉熵损失设置合适的损失函数，并配合优化器以确保监管模型能够有效地学习和泛化；

33、c3：三次优化，监管模型在训练过程中对验证集性能进行监控，用于后续选择合适的监管模型和超参数的调整。

34、更进一步地，所述检测信息的创建方法包括：

35、t1：发现目标，拍摄设备发现监控区域周围环境有鸟类出现创建检测集；

36、t2：信息添加，基于检测集添加设备状态信息和对应拍摄设备的坐标信息，得到检测信息。

37、更进一步地，所述拍摄指令的创建方法：

38、d1：设备选择，处理单元获取检测信息，统计待工状态下的拍摄设备，并获取坐标信息附近的一个或多个拍摄设备的坐标信息；

39、d2：指令创建，处理单元获取多个拍摄设备的坐标信息，并设置设备调节参数，创建拍摄命令控制多个拍摄设备完成拍摄。

40、第二方面，基于上述的一种基于图像数据处理的驱鸟器运行监管方法设计了一种基于图像数据处理的驱鸟器运行监管系统。

41、与现有技术相比，本发明的有益效果是：

42、通过监管模型建立的方法，能够得到监控区域范围内鸟类飞行规律和鸟类外观特征，能够预警某个时间段监控区域周围的某个位置可能会出现飞鸟，以及飞鸟的种类和飞鸟的飞行轨迹，从而预先让驱鸟器调节到对应的驱赶模式，并且可快速的选择角度合适的多个拍摄设备，让拍摄设备调节好角度，从而能够及时的发现飞鸟，增加采集图像信息集的可读性，得到更为准确的鸟类行为数据集，不断的完善监管模型，让驱鸟器更为准确发出预警驱赶，有助于让机场保持良好的工作环境。

43、通过图像采集法能够自行捕捉多张有效的鸟类图像，再基于图像分析法，能够提取到飞鸟的各个外观特征、种类和飞行轨迹，从而能够让驱鸟器快速调节驱赶模式，对监控区域范围内的飞鸟进行驱赶。

44、通过专有局域网的搭建方法，可在驱鸟器工作时控制其附近的拍摄设备进行拍摄，对飞鸟的当前行为状态进行采集，丰富鸟类行为数据集，进一步的完善驱赶策略。