閆若璇 廖子薇 陸葉

摘 ? 要：當前世界無人機技術發(fā)展迅猛，相比于其他工具產品，無人機具有機動性強，反應快速，環(huán)境適應能力強，能迅速到達現(xiàn)場的優(yōu)勢，廣泛應用于多個領域。本文針對傳統(tǒng)的無人機海上巡檢救援機動性差、反應緩慢的缺陷，基于圖像處理技術，利用BP神經網絡優(yōu)化技術解決了動態(tài)飛行時目標識別捕捉速率問題。大大減少了救援時間，實現(xiàn)快速海上巡檢救援。

關鍵詞：巡檢救援 ?無人機 ?圖像識別 ?BP神經網絡

中圖分類號：TN91 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2020）02（c）-0119-02

災難來臨時，怎樣迅速準確得知災情，如何第一時間探索到救援力量無法達到的惡劣環(huán)境，一直都是迫在眉睫的難題。再加之，災難的頻發(fā)、受難者人數之多，更加劇了救援的困難。空中干涉救援現(xiàn)場是最快最便捷的手段。隨著無人機的發(fā)展，無人機的各種技術也日漸成熟，但是傳統(tǒng)的無人機通過拍攝裝置和無線電傳輸裝置無法達到短時間內巡檢并快速救援的要求，所以研究能夠快速進行目標識別的無人機才是解決快速進行救援的關鍵。

1 ?研究現(xiàn)狀

目前，水上救援大致有以下兩種方式實現(xiàn)：

第一，運用有人設備進行救援，如救生船只、直升飛機等。這種方法雖然可以更直觀的使人親臨現(xiàn)場，但存在著造價高、風險大、限制多的缺點;第二，運用無人駕駛設備進行救援，如無人機、無人快艇等，這種方法風險小，成本低廉，適應環(huán)境的能力強。

在眾多無人駕駛設備中，無人機的應用更為廣泛，無人機結構目前以旋翼類居多，旋翼類無人機具有飛行穩(wěn)定、可進行定點飛行、載荷大等優(yōu)點，現(xiàn)已經被廣泛應用于高危地區(qū)的災難檢測、巡檢、空中救援等眾多方面。但是旋翼類無人機飛行航程短、航速低、留空時間有限是其重大的短板，因此在遠距離水上輔助救援這個特定的領域，旋翼類無人飛行器是不能滿足特定任務的需求。因此采取固定翼式無人機更為恰當，解決了普遍固定翼式都需要特定跑道的需求，水上起飛無需固定跑道，起飛要求低。同時目前少有飛行狀態(tài)下進行識別反饋的固定翼式無人機，這種功能的結合大大增加救援效率，將是一個領域的突破。

解決動態(tài)飛行時目標識別捕捉速率問題，無需反饋航拍全部圖像，只需識別目標物體，直接反饋救援對象的具體地理坐標信息，不僅大大減少了救援時間，還可以短時間擴大搜救范圍，第一時間救出遇難者。利用新的技術，結合opencv加快無人機圖像識別捕捉的速度，真正意義上實現(xiàn)技術的成熟化，在救援等領域發(fā)揮更大的作用。

2 ?基于OpenCV的圖像處理技術

2.1 高斯濾波算法

本文采用高斯濾波算法，獲得關于圖像的濾波功能，所謂高斯濾波，從根本上來講，就是對原圖像的各像素實施濾波，而與之相對應的像素濾波之后所得到的值，實為依據其相鄰像素，乘以1個濾波器模板，即僅需將高斯濾波器模板弄清楚便可。需要指出的是，因本文需要進行處理的是二維幀圖像。

2.2 雙邊平滑算法

對于雙邊濾波而言，其實為一種邊緣平滑且簡單的非迭代方案，與值域與域過濾相結合，便可以被表示為雙邊濾波，如果處于平滑區(qū)域中，那么即便是一個小的且處于鄰域狀態(tài)的像素值，也會是相似的;還需要指出的是，在實現(xiàn)雙邊濾波器過程中，實為一個比較典型且標準化的域濾波，也就是平均掉小、弱相關像素值見存在不同而引起的噪音。從根本上來講，其不僅可以運用雙邊平滑算法，而且還可根據實際情況，選擇高斯平滑等算法來進行圖像的平滑處理。

2.3 圖像融合操作

現(xiàn)階段，已經出現(xiàn)了許多用于圖像融合的算法，而在現(xiàn)實應用領域，可依據實際情況及需要，選擇最實用、恰當的算法。本文通過 add Weighted 函數的應用，使增益處理與平滑處理后所得到的圖像融合在一起，并借助于給增益處理與平滑處理的圖像賦予的各種權值，最終獲得各種效果的圖像。

3 ?BP神經網絡優(yōu)化

3.1 優(yōu)化原理

典型的BP神經網絡包括3層：輸入層、隱含層和輸出層。各層之間實行全連接，同層之間無連接。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調整神經網絡的權值和閾值，使網絡的誤差平方和最小。具體步驟如下：

（1）數據預處理，確定網絡的初始參數;

（2）初始化網絡權值和閾值;

（3）計算第一、二層神經元的輸入和輸出;

（4）假設隱含層（第二層）神經元激勵函數為單極S型函數，即為，所以第二層神經元的輸出。

（5）計算第三層的輸入和輸出;

第三層與第二層道理相似：。

（6）計算能量函數;

計算能量函數的目的是達到預定誤差就可以停止神經網絡。假設實際輸出樣本為Y，則很容易由E定義知道：

（7）計算第二層和第三層之間的權值和閾值調整量;

BP神經網絡的核心內容，鏈式偏微分：

3.2 編程實現(xiàn)

借助于遍歷圖像像素點方式，對由無人機所采集到的實時圖像進行圖像濾波、平滑、融合等操作。為了最大程度提高圖像的處理速度，減少對相關硬件的過渡依賴與消耗;除此之外，還能儲存實時圖像序列，儲存格式為 Mat，運用指針對圖像進行儲存，然后用領域像素、雙邊平滑以及高斯濾波等算法來處理。如圖1即為系統(tǒng)搭建效果圖。

4 ?結語

本文在基于 OpenCV基礎上， 將高斯濾波算法、雙邊平滑算法、圖像增益技術以及圖像融合技術應用于無人機實時視頻處理上，突破無人機圖像識別效率問題，傾斜攝影數據處理，具有很大的市場潛力和核心競爭力，解決市場技術缺陷：識別功能差，建模效率極低，續(xù)航性及穩(wěn)定性的不足等，對于無人機現(xiàn)有局限性將是極大的突破。

參考文獻

[1] 邱啟榮.基于主成分分析的BP神經網絡對房價的預測研究[D].華北電力大學，2016.

[2] 楊桂元.數學建模[M].上海：上海財經大學出版社，2015.

[3] 趙明，李濤，蘇小紅，等.三維多無人機系統(tǒng)協(xié)同任務規(guī)劃關鍵問題綜述[J].智能計算機與應用，2016（1）：31-34.