一种无人机公共安全数据管理平台的制作方法

本技术涉及无人机，具体地，涉及一种无人机公共安全数据管理平台。

背景技术：

1、随着科技的发展和社会需求的增长，无人机在各个领域的应用越来越广泛，特别是在公共安全管理方面，无人机因其灵活、高效的特点成为了重要的工具之一。传统的公共安全监控系统主要依赖于固定摄像头和人工监控，这种方式虽然能够提供一定的安全保障，但在应对突发事件或需要大范围监控的情况下存在局限性。例如，在自然灾害救援、大型活动安保等场景中，固定摄像头的视角有限，难以覆盖所有关键区域，而人工监控则可能因为视觉疲劳等因素导致效率降低。

2、无人机作为新兴的监控手段，能够克服传统监控系统的部分缺陷，已成为城市监控、灾害救援、交通管理、环境监测等多个方面不可或缺的工具。无人机可以快速部署到任何需要监控的位置，并且能够在空中自由移动，实现全方位无死角的监控。然而，由于无人机采集的图像数据量巨大，单纯依靠人力分析不仅耗时费力，而且无法实时响应。

3、因此，期待一种智能化的无人机公共安全数据管理平台，能够自动处理和分析无人机采集的大量图像数据，实现高效、实时的监控和管理。

技术实现思路

1、提供该
技术实现要素：
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、第一方面，本技术提供了一种无人机公共安全数据管理平台，所述平台包括：

3、人脸识别模块，用于识别和验证无人机操作人员的身份信息；

4、烟火识别模块，用于检测和识别无人机拍摄画面中的烟火事件；

5、车牌识别模块，用于识别无人机拍摄画面中的车辆牌照信息；

6、车辆识别模块，用于识别无人机拍摄画面中的车辆，并统计车辆数量；

7、裸露土地检测模块，用于检测无人机拍摄画面中的裸露土地面积；

8、人员识别模块，用于检测无人机拍摄画面中是否存在人员活动，并生成相应的提示信号；

9、其中，所述人员识别模块，包括：

10、监控图像获取单元，用于获取由无人机采集的区域监控图像；

11、前景高频对象提取单元，用于提取所述区域监控图像中的前景高频对象以得到区域前景高频对象图像；

12、深浅特征提取单元，用于对所述区域前景高频对象图像进行多尺度特征提取和特征显著性增强处理以得到区域前景高频对象浅层增强特征图和区域前景高频对象深层增强特征图；

13、高频对象识别单元，用于基于所述区域前景高频对象浅层增强特征图和所述区域前景高频对象深层增强特征图的主成分匹配融合特征，生成识别结果，所述识别结果用于表示高频对象是否为人体对象；

14、提示信号生成单元，用于响应于所述识别结果为高频对象为人体对象，生成周围有人员活动的提示信号。

15、可选地，所述前景高频对象提取单元，包括：前景区域提取子单元，用于将所述区域监控图像输入前景-背景划分网络以得到区域监控前景图像；高频成分提取子单元，用于提取所述区域监控前景图像中的高频成分以得到所述区域前景高频对象图像。

16、可选地，所述深浅特征提取单元，包括：多尺度特征提取子单元，用于将所述区域前景高频对象图像输入基于空洞金字塔网络的对象多尺度特征提取器以得到区域前景高频对象浅层特征图和区域前景高频对象深层特征图；梯度掩码子单元，用于将所述区域前景高频对象浅层特征图和所述区域前景高频对象深层特征图输入梯度掩码特征显著性增强模块以得到所述区域前景高频对象浅层增强特征图和所述区域前景高频对象深层增强特征图。

17、可选地，所述梯度掩码子单元，包括：梯度幅度计算二级子单元，用于计算所述区域前景高频对象浅层特征图中各个位置的多向梯度值分布，并基于所述各个位置的多向梯度值分布确定所述区域前景高频对象浅层特征图中各个位置的梯度幅度值以得到区域前景高频对象浅层特征梯度幅度分布图；局部显著性度量二级子单元，用于计算所述区域前景高频对象浅层特征梯度幅度分布图中的各个位置的梯度幅值局部描述算子以得到区域前景高频对象浅层特征梯度幅值局部显著分布图；门控掩码二级子单元，用于将所述区域前景高频对象浅层特征梯度幅值局部显著分布图输入基于gelu函数的门控掩码器以得到梯度幅值局部显著门控掩码图；掩码施加二级子单元，用于计算所述梯度幅值局部显著门控掩码图与所述区域前景高频对象浅层特征图之间的按位置点乘以得到所述区域前景高频对象浅层增强特征图。

18、可选地，所述局部显著性度量二级子单元，用于：确定局部邻域的尺度，计算所述区域前景高频对象浅层特征梯度幅度分布图中预定位置的梯度幅度值与局部邻域内其他位置的梯度幅度值之差的均值以得到对应于所述预定位置的梯度幅值局部描述算子。

19、可选地，所述高频对象识别单元，包括：主成分匹配融合子单元，用于将所述区域前景高频对象浅层增强特征图和所述区域前景高频对象深层增强特征图输入基于特征主成分查询匹配的显著融合网络以得到区域前景高频对象浅层-深层主成分显著融合特征向量；识别结果生成子单元，用于将所述区域前景高频对象浅层-深层主成分显著融合特征向量输入基于分类器的对象识别器以得到所述识别结果。

20、可选地，所述主成分匹配融合子单元，包括：特征展平化二级子单元，用于对所述区域前景高频对象浅层增强特征图和所述区域前景高频对象深层增强特征图进行特征展平化处理以得到区域前景高频对象浅层增强特征向量和区域前景高频对象深层增强特征向量；标准化二级子单元，用于对所述区域前景高频对象浅层增强特征向量和所述区域前景高频对象深层增强特征向量进行标准化处理以得到标准化区域前景高频对象浅层增强特征向量和标准化区域前景高频对象深层增强特征向量；样本协方差计算二级子单元，用于分别计算所述标准化区域前景高频对象浅层增强特征向量和所述标准化区域前景高频对象深层增强特征向量的样本协方差矩阵以得到区域前景高频对象浅层样本协方差矩阵和区域前景高频对象深层样本协方差矩阵；主成分特征提取二级子单元，用于对所述区域前景高频对象浅层样本协方差矩阵和所述区域前景高频对象深层样本协方差矩阵进行基于矩阵分解的特征向量提取以得到区域前景高频对象浅层主成分特征向量的集合和区域前景高频对象深层主成分特征向量的集合；查询匹配二级子单元，用于将所述区域前景高频对象浅层主成分特征向量的集合和所述区域前景高频对象深层主成分特征向量的集合输入最大近似查询匹配网络以得到区域前景高频对象浅层主成分特征向量和区域前景高频对象深层主成分特征向量的最佳匹配对的集合；细粒度语义联合二级子单元，用于将所述区域前景高频对象浅层主成分特征向量和区域前景高频对象深层主成分特征向量的最佳匹配对的集合中的各个最佳匹配对输入语义细粒度联合分析模块以得到区域前景高频对象浅层-深层主成分联合特征向量的集合；主成分匹配特征全局聚合二级子单元，用于将所述区域前景高频对象浅层-深层主成分联合特征向量的集合进行级联以得到所述区域前景高频对象浅层-深层主成分显著融合特征向量。

21、可选地，所述查询匹配二级子单元，用于：计算所述区域前景高频对象浅层主成分特征向量的集合中的第i个区域前景高频对象浅层主成分特征向量与所述区域前景高频对象深层主成分特征向量的集合中各个区域前景高频对象深层主成分特征向量之间的余弦相似度以得到余弦相似度的集合；将所述余弦相似度的集合中的最大值对应的区域前景高频对象深层主成分特征向量与所述第i个区域前景高频对象浅层主成分特征向量组成所述最佳匹配对。

22、可选地，所述细粒度语义联合二级子单元，用于：计算所述最佳匹配对中的区域前景高频对象浅层主成分特征向量和区域前景高频对象深层主成分特征向量之间的按位置点加、按位置点减和按位置点乘以得到第一匹配融合结果、第二匹配融合结果和第三匹配融合结果；将所述第一匹配融合结果、所述第二匹配融合结果和所述第三匹配融合结果级联为区域前景高频对象浅层-深层主成分多尺度融合特征向量后，对其进行一维卷积处理和最大值池化处理以得到所述区域前景高频对象浅层-深层主成分联合特征向量。

23、采用上述技术方案，通过基于深度学习的图像处理技术对无人机采集的区域监控图像进行前景高频成分提取，并对提取出的区域前景高频对象图像进行多层次特征提取和特征梯度掩码增强处理，以获取区域前景高频对象的浅层显著特征表示和深层显著特征表示，进而基于两者的主成分匹配融合特征，智能识别该高频对象是否为人体对象，并生成相应的人员活动提示信号。这样，能够实现对无人机监控图像中人体目标的快速、准确识别，从而提高公共安全管理的效率和应急响应的及时性。

24、本技术的其他特征和优点将在随后的具体实施方式部分予以详细说明。