CN118965257B - 飞行器识别方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了飞行器识别方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：捕捉限制飞行区域内的无线电信号；确定目标信号源对应的信号源类型；响应于信号源类型为飞行器类型，执行以下处理步骤：确定目标信号源的航迹信息；根据航迹信息，进行定向声音信号采集；根据航迹信息，采集与目标信号源对应的第一图像集合和第二图像集合；分别对第一图像集合，以及第二图像集合进行图像增强；生成飞行器航迹特征；生成飞行器声纹特征；确定目标信号源对应的飞行器外形特征；确定针对目标信号源的飞行器识别信息。该实施方式可以精准地实现飞行器识别。

Description

飞行器识别方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及飞行器识别方法、装置、电子设备和计算机可读介质。

背景技术

飞行器是一种能够脱离地面持续飞行的器械。尤其的，以无人驾驶飞机(无人机)为例，由于其操作简单，因此目前已在多个领域内广泛使用。目前，针对无人机进行识别时，通常是采用雷达探测，声学探测等方式进行识别。

然而，当采用上述方式时，经常会存在如下技术问题：

由于无人机运动灵活等特点，采用单一的探测方式存在难以捕捉的问题。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于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。本公开的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。

本公开的一些实施例提出了飞行器识别方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种飞行器识别方法，该方法包括：捕捉限制飞行区域内的无线电信号，其中，上述限制飞行区域是对不可信飞行器进行限制飞行的区域；根据上述无线电信号，确定目标信号源对应的信号源类型，其中，上述目标信号源是发出上述无线电信号的信号源，上述信号源类型包括：非飞行器类型和飞行器类型；响应于上述信号源类型为飞行器类型，执行以下处理步骤：确定上述目标信号源的航迹信息，其中，上述航迹信息包括：飞行航迹，上述飞行航迹表征上述目标信号源的三维航行轨迹；根据上述航迹信息，进行定向声音信号采集，得到声音信号；根据上述航迹信息，采集与上述目标信号源对应的第一图像集合和第二图像集合，其中，上述第一图像集合中的第一图像是通过高分辨率光电摄像头采集得到的、包含上述目标信号源的图像，上述第二图像集合中的第二图像是通过高分辨率红外摄像头采集得到的、包含上述目标信号源的图像；分别对上述第一图像集合，以及上述第二图像集合进行图像增强，得到第三图像集合和第四图像集合；根据上述航迹信息，生成飞行器航迹特征；根据上述声音信号，生成飞行器声纹特征；根据上述第三图像集合和上述第四图像集合，确定上述目标信号源对应的飞行器外形特征；根据上述飞行器航迹特征、上述飞行器声纹特征和上述飞行器外形特征，确定针对上述目标信号源的飞行器识别信息。

第二方面，本公开的一些实施例提供了一种飞行器识别装置，装置包括：捕捉单元，被配置成捕捉限制飞行区域内的无线电信号，其中，上述限制飞行区域是对不可信飞行器进行限制飞行的区域；确定单元，被配置成根据上述无线电信号，确定目标信号源对应的信号源类型，其中，上述目标信号源是发出上述无线电信号的信号源，上述信号源类型包括：非飞行器类型和飞行器类型；执行单元，被配置成响应于上述信号源类型为飞行器类型，执行以下处理步骤：确定上述目标信号源的航迹信息，其中，上述航迹信息包括：飞行航迹，上述飞行航迹表征上述目标信号源的三维航行轨迹；根据上述航迹信息，进行定向声音信号采集，得到声音信号；根据上述航迹信息，采集与上述目标信号源对应的第一图像集合和第二图像集合，其中，上述第一图像集合中的第一图像是通过高分辨率光电摄像头采集得到的、包含上述目标信号源的图像，上述第二图像集合中的第二图像是通过高分辨率红外摄像头采集得到的、包含上述目标信号源的图像；分别对上述第一图像集合，以及上述第二图像集合进行图像增强，得到第三图像集合和第四图像集合；根据上述航迹信息，生成飞行器航迹特征；根据上述声音信号，生成飞行器声纹特征；根据上述第三图像集合和上述第四图像集合，确定上述目标信号源对应的飞行器外形特征；根据上述飞行器航迹特征、上述飞行器声纹特征和上述飞行器外形特征，确定针对上述目标信号源的飞行器识别信息。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的飞行器识别方法，提高了针对无人机的识别成功率和精准度。具体来说，造成无法识别成功和识别精准度较低的原因在于：由于无人机运动灵活等特点，采用雷达探测的方式难以捕捉。基于此，本公开的一些实施例的飞行器识别方法，首先，捕捉限制飞行区域内的无线电信号，其中，上述限制飞行区域是对不可信飞行器进行限制飞行的区域。实践中，常见的无人机往往通过结合无线信号进行无人机控制，或通过图传信号传递无人机采集的画面至控制端。因此，可以通过连接无线电信号的方式，确定是否存在无人机。接着，根据上述无线电信号，确定目标信号源对应的信号源类型，其中，上述目标信号源是发出上述无线电信号的信号源，上述信号源类型包括：非飞行器类型和飞行器类型。实践中，无线电信号较为复杂，因此需要判断是否为无人机发出的无线电信号。进一步，响应于上述信号源类型为飞行器类型，执行以下处理步骤：第一步，确定上述目标信号源的航迹信息，其中，上述航迹信息包括：飞行航迹。实践中，不同的无人机往往对应不同的航迹特征，因此通过采集航迹信息可以用于后续的飞行器识别。第二步，根据上述航迹信息，进行定向声音信号采集，得到声音信号。实践中，不同的无人机往往对应有不同的声学特征，因此通过采集声音信号可以用于后续的飞行器识别。第三步，根据上述航迹信息，采集与上述目标信号源对应的第一图像集合和第二图像集合，其中，上述第一图像集合中的第一图像是通过高分辨率光电摄像头采集得到的、包含上述目标信号源的图像，上述第二图像集合中的第二图像是通过高分辨率红外摄像头采集得到的、包含上述目标信号源的图像。通过结合航迹，可以实现精准的图像采集。第四步，分别对上述第一图像集合，以及上述第二图像集合进行图像增强，得到第三图像集合和第四图像集合。实践中，无人机往往为高空飞行，目标较小，因此通过图像增强的方式，提升图像质量。第五步，根据上述航迹信息，生成飞行器航迹特征。第六步，根据上述声音信号，生成飞行器声纹特征。第七步，根据上述第三图像集合和上述第四图像集合，确定上述目标信号源对应的飞行器外形特征。第八步，根据上述飞行器航迹特征、上述飞行器声纹特征和上述飞行器外形特征，确定针对上述目标信号源的飞行器识别信息。通过结合飞行器航迹特征、飞行器声纹特征和飞行器外形特征，可以精准地实现飞行器识别。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的飞行器识别方法的一些实施例的流程图；

图2是根据本公开的飞行器识别装置的一些实施例的结构示意图；

图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

参考图1，示出了根据本公开的飞行器识别方法的一些实施例的流程100。该飞行器识别方法，包括以下步骤：

步骤101，捕捉限制飞行区域内的无线电信号。

在一些实施例中，飞行器识别方法的执行主体(例如图1所示的计算设备101)可以捕捉限制飞行区域内的无线电信号。其中，限制飞行区域是对不可信飞行器进行限制飞行的区域。实践中，上述执行主体可以通过无源无线电频谱侦测装置，捕捉限制飞行区域内的无线电信号。其中，无源无线电频谱侦测装置的侦测频段为30MHz-6GHz、侦测距离≥5Km、侦测范围360°、测向精度3°、工作温度-40℃-70℃。

需要说明的是，上述计算设备可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

步骤102，根据无线电信号，确定目标信号源对应的信号源类型。

在一些实施例中，上述执行主体可以根据无线电信号，确定目标信号源对应的信号源类型。其中，上述信号源类型包括：非飞行器类型和飞行器类型。具体的，非飞行器类型表征无线电信号由非飞行器的设备发出。飞行器类型表征无线电信号由飞行器发出。当无线电信号为飞行器类型时，无线电信号可以是无人机的控制信号，也可以是无人机的图传信号。

在一些实施例的一些可选地实现方式中，上述执行主体根据上述无线电信号，确定目标信号源对应的信号源类型，可以包括以下步骤：

第一步，对上述无线电信号进行多尺度无线电信号降采样，得到降采样后无线电信号集合。

实践中，实践中，上述执行主体可以通过A无线电信号降采样网络、B无线电信号降采样网络、C无线电信号降采样网络分别对无线电信号进行无线电信号降采样。其中，A无线电信号降采样网络、B无线电信号降采样网络、C无线电信号降采样网络均采用循环神经网络模型。A无线电信号降采样网络的感受野＞B无线电信号降采样网络的感受野＞C无线电信号降采样网络。

第二步，对于上述降采样后无线电信号集合中的每个降采样后无线电信号进行杂波点定位，以确定上述降采样后无线电信号对应的杂波信息组。

其中，杂波信息组中的杂波信息包括：杂波位置和杂波特征。实践中，上述执行主体可以设置定位窗口，然后对定位窗口内的局部无线电信号进行是否是杂波信号的二分类判断。杂波位置表征杂波信号在无线电信号中的相对位置。杂波特征表征杂波信号。

作为示例，以降采样后无线电信号A为例，降采样后无线电信号A可以由T1时刻、T2时刻、T3时刻、T4时刻、T5时刻、T6时刻…Tn时刻的信号值构成。假设定位窗口的窗口大小为3，针对T3时刻、T4时刻和T5时刻对应的局部信号进行是否是杂波信号的二分类判断，当分类为杂波信号时，可以将3时刻、T4时刻和T5时刻对应的局部信号作为杂波特征，以及将3时刻、T4时刻和T5时刻对应的局部信号在无线电信号中的位置，确定为杂波位置。

第三步，根据得到的杂波信息组集合中的杂波信息包括的杂波位置和杂波特征，对上述降采样后无线电信号集合中的降采样后无线电信号集合进行交叉杂波剔除，以生成杂波剔除后无线电信号，得到杂波剔除后无线电信号集合。

实践中，由于降采样后无线电信号采用不同尺度的无线电信号降采样方式，即不同感受野下对应相对应的杂波信号，因此，上述执行主体可以采用取并集的方式，对上述降采样后无线电信号集合中的降采样后无线电信号集合进行交叉杂波剔除，以生成杂波剔除后无线电信号，得到杂波剔除后无线电信号集合。

作为示例，杂波降采样后无线电信号A对应的杂波信息组包括：杂波信息A1、杂波信息A2、杂波信息A3。杂波降采样后无线电信号B对应的杂波信息组包括：杂波信息B1、杂波信息B2、杂波信息B3。以杂波信息A1和杂波信息B1为例，首先，上述执行主体先判断杂波信息A1包括的杂波位置和杂波信息B1包括的杂波位置是否临近，具体的，上述执行主体可以通过距离公式，确定杂波信息A1包括的杂波位置和杂波信息B1包括的杂波位置之间的距离。然后，当距离小于距离阈值时，确定杂波信息A1包括的杂波特征和杂波信息B1包括的杂波特征之间的特征相似度，具体的，上述执行主体可以通过计算余弦相似度的方式，确定杂波信息A1包括的杂波特征和杂波信息B1包括的杂波特征之间的特征相似度。当特征相似度小于特征相似度阈值时，可以理解为杂波降采样后无线电信号A对应的杂波信息组和杂波降采样后无线电信号B对应的杂波信息组的交集为杂波信息A1和杂波信息A2，因此，上述执行主体可以将杂波信息A1包括的杂波信号从杂波降采样后无线电信号A中提出，得到杂波剔除后无线电信号。以及将杂波信息B1包括的杂波信号从杂波降采样后无线电信号B中提出，得到杂波剔除后无线电信号。

第四步，对上述杂波剔除后无线电信号集合进行多尺度无线电信号特征提取，以生成无线电信号特征。

实践中，上述执行主体可以通过特征金字塔网络(FPN，Feature PyramidNetworks)对上述杂波剔除后无线电信号集合进行多尺度无线电信号特征提取，以生成无线电信号特征。

第五步，根据上述无线电信号特征，分类与上述目标信号源对应的信号源类型。

其中，上述执行主体可以同二分类模型，根据上述无线电信号特征，分类与上述目标信号源对应的信号源类型。

步骤103，响应于信号源类型为飞行器类型，执行以下处理步骤：

步骤1031，确定目标信号源的航迹信息。

在一些实施例中，上述执行主体可以确定上述目标信号源的航迹信息。

其中，上述航迹信息包括：飞行航迹，上述飞行航迹表征上述目标信号源的三维航行轨迹。实践中，上述执行主体可以通过多普勒型三坐标雷达，实时定位上述目标信号源的位置，得到上述航迹信息。具体的，多普勒型三坐标雷达为YFP-01型雷达，其中，探测距离≥5Km、俯仰覆盖角度0°-40°、扫描方式为方位机扫+俯仰频扫。具体的，上述执行主体可以通过定位目标信号源对应的、不同时刻下的连续的三维坐标位置，绘制得到上述飞行航迹。

步骤1032，根据航迹信息，进行定向声音信号采集，得到声音信号。

在一些实施例中，上述执行主体可以根据航迹信息，进行定向声音信号采集，得到声音信号。实践中，上述执行主体可以根据航迹信息包括的飞行航迹中最新的坐标，控制定向音频采集装置的朝向，以实现定向声音信号采集，得到上述音频信号。其中，音频采集装置可以是具有降噪功能的指向性拾音麦克风。

步骤1033，根据航迹信息，采集与目标信号源对应的第一图像集合和第二图像集合。

在一些实施例中，上述执行主体可以根据航迹信息，采集与目标信号源对应的第一图像集合和第二图像集合。其中，上述第一图像集合中的第一图像是通过高分辨率光电摄像头采集得到的、包含上述目标信号源的图像。上述第二图像集合中的第二图像是通过高分辨率红外摄像头采集得到的、包含上述目标信号源的图像。实践中，上述执行主体可以根据航迹信息包括的飞行航迹中最新的坐标，控制高分辨率光电摄像头和高分辨率红外摄像头的图像采集方向，实现第一图像和第二图像的同时采集，得到上述第一图像集合和第二图像集合。

步骤1034，分别对第一图像集合，以及第二图像集合进行图像增强，得到第三图像集合和第四图像集合。

在一些实施例中，上述执行主体可以分别对第一图像集合，以及第二图像集合进行图像增强，得到第三图像集合和第四图像集合。

在一些实施例的一些可选地实现方式中，上述执行主体分别对第一图像集合，以及第二图像集合进行图像增强，得到第三图像集合和第四图像集合，可以包括以下步骤：

第一步，对上述第一图像集合中的每张第一图像进行初始图像特征提取，以生成第一初始图像特征。

其中，第一初始图像特征包括：全局图像特征和局部图像特征。

实践中，上述执行主体可以设置2个图像特征提取网络，分别为图像特征提取网络A和图像特征提取网络B。其中，图像特征提取网络A的感受野小于图像特征提取网络B的感受野。具体的，上述执行主体可以将第一图像分别输入上述图像特征提取网络A和图像特征提取网络B，得到第一图像对应的第一初始图像特征。

第二步，对于上述第一图像集合中的每张第一图像，响应于上述第一图像在上述第一图像集合中的图像位置非末位置，执行以下第一图像增强步骤：

第一子步骤，确定上述第一图像对应的第一初始图像特征与第五图像集合中的每张第五图像对应的第一图像特征之间的图像特征相似度。

其中，上述第五图像集合中的第五图像是上述第一图像集合中的、对应的图像位置位于上述第一图像的图像位置之后的第一图像。

第二子步骤，从上述第五图像集合中筛选出对应的图像特征相似度大于预设相似度且对应图像位置连续的第五图像，作为第六图像，得到第六图像集合。

作为示例，第五图像集合包括：第五图像A、第五图像B、第五图像C、第五图像D。其中，第五图像A对应的图像相似度大于预设相似度、第五图像B对应的图像相似度大于预设相似度、第五图像C对应的图像相似度小于预设相似度、第五图像D对应的图像相似度大于预设相似度，因此，上述执行主体可以将第五图像A、第五图像B、第五图像C作为第六图像集合。

第三子步骤，对上述第六图像集合中的第六图像对应的第一初始图像特征进行深度图像特征提取，以生成第一深度图像特征，得到第一深度图像特征集合。

其中，上述执行主体采用图像特征提取网络C，对对上述第六图像集合中的第六图像对应的第一初始图像特征进行深度图像特征提取，以生成第一深度图像特征。其中，图像特征提取网络C的网络深度＞图像特征提取网络A的网络深度、图像特征提取网络C的网络深度＞图像特征提取网络B的网络深度。

第四子步骤，根据上述第一深度图像特征集合，对上述第一图像进行图像增强，得到上述第三图像集合中的、与上述第一图像对应的第三图像。

实践中，例如，上述执行主体可以采用图像叠加的方式，将第一深度图像特征集合和第一图像进行特征叠加，得到上述第三图像集合中的、与上述第一图像对应的第三图像。又如，由于目标信号源在图像中的占比较小，因此，上述执行主体可以采用局部图像增强的方式，根据上述第一深度图像特征集合，对上述第一图像进行图像增强，得到上述第三图像集合中的、与上述第一图像对应的第三图像。

第三步，对于上述第二图像集合中的每张第二图像，响应于上述第二图像在上述第二图像集合中的图像位置非末位置，执行以下第二图像增强步骤：

第一子步骤，确定上述第二图像对应的第二初始图像特征与第七图像集合中的每张第七图像对应的第二图像特征之间的图像特征相似度。

其中，上述第七图像集合中的第七图像是上述第二图像集合中的、对应的图像位置位于上述第二图像的图像位置之后的第二图像。

第二子步骤，从上述第七图像集合中筛选出对应的图像特征相似度大于预设相似度且对应图像位置连续的第七图像，作为第八图像，得到第八图像集合。

第三子步骤，对上述第八图像集合中的第八图像对应的第二初始图像特征进行深度图像特征提取，以生成第二深度图像特征，得到第二深度图像特征集合。

第四子步骤，根据上述第二深度图像特征集合，对上述第二图像进行图像增强，得到上述第四图像集合中的、与上述第二图像对应的第四图像。

实践中，上述第二图像增强步骤的实现可以参考第一图像增强步骤，在此不再赘述。

步骤1035，根据航迹信息，生成飞行器航迹特征。

在一些实施例中，上述执行主体可以根据航迹信息，生成飞行器航迹特征。实践中，上述执行主体可以通过循环神经网络模型，对航迹信息包括的飞行航迹进行特征，以生成飞行器航迹特征。

在一些实施例的一些可选地实现方式中，上述执行主体根据上述航迹信息，生成飞行器航迹特征，可以包括以下步骤：

第一步，对上述飞行航迹进行航迹轨迹体素化，以生成体素化后飞行航迹。

其中，上述执行主体可以通过八叉树，对上述飞行航迹进行航迹轨迹体素化，以生成体素化后飞行航迹。

第二步，通过主航迹特征提取网络，对上述体素化后飞行航迹进行航迹初提取，以生成初始提取航迹特征。

其中，上述执行主体可以通过主航迹特征提取网络，对上述体素化后飞行航迹进行航迹初提取，以生成初始提取航迹特征。实践中，主航迹特征提取网络采用Bi-LSTM模型。

第三步，通过航迹方向变换特征提取网络，对上述初始提取航迹特征进行航迹方向变换特征提取，以生成航迹方向变换特征。

其中，航迹方向变换特征提取网络采用包括5个串行连接的卷积层的卷积神经网络，以用于提取航迹方向变换角度的特征。

第四步，通过航迹海拔高度变换特征提取网络，对上述初始提取航迹特征进行航迹海拔高度变换特征提取，以生成航迹海拔高度变换特征。

其中，航迹海拔高度变换特征提取网络与航迹方向变换特征提取网络采用相同的模型结构。

第五步，将上述航迹方向变换特征和上述航迹海拔高度变换特征，确定为上述飞行器航迹特征。

其中，上述主航迹特征提取网络、航迹方向变换特征提取网络和航迹海拔高度变换特征提取网络包括于预先训练的飞行器航迹特征提取模型。

步骤1036，根据声音信号，生成飞行器声纹特征。

在一些实施例中，上述执行主体可以根据声音信号，生成飞行器声纹特征。实践中，上述执行主体可以结合LSTM模型，根据声音信号，生成飞行器声纹特征。

步骤1037，根据第三图像集合和第四图像集合，确定目标信号源对应的飞行器外形特征。

在一些实施例中，上述执行主体可以根据第三图像集合和第四图像集合，确定目标信号源对应的飞行器外形特征。

在一些实施例的一些可选地实现方式中，上述执行主体根据第三图像集合和第四图像集合，确定目标信号源对应的飞行器外形特征，包括：

通过飞行器外形特征提取模型，对上述第三图像集合和上述第四图像集合进行飞行器外形特征提取，得到上述飞行器外形特征。

其中，上述飞行器外形特征提取模型包括：飞行器定位网络、飞行器主干结构特征提取网络和飞行器驱动结构特征提取网络。实践中，飞行器定位网络采用EfficientDet网络。飞行器主干结构特征提取网络和飞行器驱动结构特征提取网络采用相同的网络结构，均采用去除定位器的Tiny YOLO网络。

步骤1038，根据飞行器航迹特征、飞行器声纹特征和飞行器外形特征，确定针对目标信号源的飞行器识别信息。

在一些实施例中，上述执行主体可以根据飞行器航迹特征、飞行器声纹特征和飞行器外形特征，确定针对目标信号源的飞行器识别信息。其中，上述执行主体可以采用基于Transformer结构的、预训练式模型(GPT)作为预测头，结合飞行器航迹特征、飞行器声纹特征和飞行器外形特征，确定针对目标信号源的飞行器识别信息。

可选地，上述方法还包括：

第一步，将上述飞行器识别信息与飞行器信息库中的飞行器信息进行匹配，以生成匹配结果。

其中，上述匹配结果表征上述目标信号源是否为不可信飞行器，上述飞行器信息库用于存储可信飞行器的飞行器信息。飞行器信息库可以使用与存储预先采集的飞行器信息的数据库。

第二步，响应于上述匹配结果表征上述目标信号源为不可信飞行器，对上述目标信号源进行飞行器驱离。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的飞行器识别方法，提高了针对无人机的识别成功率和精准度。具体来说，造成无法识别成功和识别精准度较低的原因在于：由于无人机运动灵活等特点，采用雷达探测的方式难以捕捉。基于此，本公开的一些实施例的飞行器识别方法，首先，捕捉限制飞行区域内的无线电信号，其中，上述限制飞行区域是对不可信飞行器进行限制飞行的区域。实践中，常见的无人机往往通过结合无线信号进行无人机控制，或通过图传信号传递无人机采集的画面至控制端。因此，可以通过连接无线电信号的方式，确定是否存在无人机。接着，根据上述无线电信号，确定目标信号源对应的信号源类型，其中，上述目标信号源是发出上述无线电信号的信号源，上述信号源类型包括：非飞行器类型和飞行器类型。实践中，无线电信号较为复杂，因此需要判断是否为无人机发出的无线电信号。进一步，响应于上述信号源类型为飞行器类型，执行以下处理步骤：第一步，确定上述目标信号源的航迹信息，其中，上述航迹信息包括：飞行航迹。实践中，不同的无人机往往对应不同的航迹特征，因此通过采集航迹信息可以用于后续的飞行器识别。第二步，根据上述航迹信息，进行定向声音信号采集，得到声音信号。实践中，不同的无人机往往对应有不同的声学特征，因此通过采集声音信号可以用于后续的飞行器识别。第三步，根据上述航迹信息，采集与上述目标信号源对应的第一图像集合和第二图像集合，其中，上述第一图像集合中的第一图像是通过高分辨率光电摄像头采集得到的、包含上述目标信号源的图像，上述第二图像集合中的第二图像是通过高分辨率红外摄像头采集得到的、包含上述目标信号源的图像。通过结合航迹，可以实现精准的图像采集。第四步，分别对上述第一图像集合，以及上述第二图像集合进行图像增强，得到第三图像集合和第四图像集合。实践中，无人机往往为高空飞行，目标较小，因此通过图像增强的方式，提升图像质量。第五步，根据上述航迹信息，生成飞行器航迹特征。第六步，根据上述声音信号，生成飞行器声纹特征。第七步，根据上述第三图像集合和上述第四图像集合，确定上述目标信号源对应的飞行器外形特征。第八步，根据上述飞行器航迹特征、上述飞行器声纹特征和上述飞行器外形特征，确定针对上述目标信号源的飞行器识别信息。通过结合飞行器航迹特征、飞行器声纹特征和飞行器外形特征，可以精准地实现飞行器识别。

进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种飞行器识别装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该飞行器识别装置具体可以应用于各种电子设备中。

如图2所示，一些实施例的飞行器识别装置200包括：捕捉单元201、确定单元202和执行单元203。其中，捕捉单元201，被配置成捕捉限制飞行区域内的无线电信号，其中，上述限制飞行区域是对不可信飞行器进行限制飞行的区域；确定单元202，被配置成根据上述无线电信号，确定目标信号源对应的信号源类型，其中，上述目标信号源是发出上述无线电信号的信号源，上述信号源类型包括：非飞行器类型和飞行器类型；执行单元203，被配置成响应于上述信号源类型为飞行器类型，执行以下处理步骤：确定上述目标信号源的航迹信息，其中，上述航迹信息包括：飞行航迹，上述飞行航迹表征上述目标信号源的三维航行轨迹；根据上述航迹信息，进行定向声音信号采集，得到声音信号；根据上述航迹信息，采集与上述目标信号源对应的第一图像集合和第二图像集合，其中，上述第一图像集合中的第一图像是通过高分辨率光电摄像头采集得到的、包含上述目标信号源的图像，上述第二图像集合中的第二图像是通过高分辨率红外摄像头采集得到的、包含上述目标信号源的图像；分别对上述第一图像集合，以及上述第二图像集合进行图像增强，得到第三图像集合和第四图像集合；根据上述航迹信息，生成飞行器航迹特征；根据上述声音信号，生成飞行器声纹特征；根据上述第三图像集合和上述第四图像集合，确定上述目标信号源对应的飞行器外形特征；根据上述飞行器航迹特征、上述飞行器声纹特征和上述飞行器外形特征，确定针对上述目标信号源的飞行器识别信息。

可以理解的是，该飞行器识别装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于飞行器识别装置200及其中包含的单元，在此不再赘述。

下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(例如，计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器302中的程序或者从存储装置308加载到随机访问存储器303中的程序而执行各种适当的动作和处理。在随机访问存储器303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、只读存储器302以及随机访问存储器303通过总线304彼此相连。输入/输出接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从只读存储器302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：捕捉限制飞行区域内的无线电信号，其中，上述限制飞行区域是对不可信飞行器进行限制飞行的区域；根据上述无线电信号，确定目标信号源对应的信号源类型，其中，上述目标信号源是发出上述无线电信号的信号源，上述信号源类型包括：非飞行器类型和飞行器类型；响应于上述信号源类型为飞行器类型，执行以下处理步骤：确定上述目标信号源的航迹信息，其中，上述航迹信息包括：飞行航迹，上述飞行航迹表征上述目标信号源的三维航行轨迹；根据上述航迹信息，进行定向声音信号采集，得到声音信号；根据上述航迹信息，采集与上述目标信号源对应的第一图像集合和第二图像集合，其中，上述第一图像集合中的第一图像是通过高分辨率光电摄像头采集得到的、包含上述目标信号源的图像，上述第二图像集合中的第二图像是通过高分辨率红外摄像头采集得到的、包含上述目标信号源的图像；分别对上述第一图像集合，以及上述第二图像集合进行图像增强，得到第三图像集合和第四图像集合；根据上述航迹信息，生成飞行器航迹特征；根据上述声音信号，生成飞行器声纹特征；根据上述第三图像集合和上述第四图像集合，确定上述目标信号源对应的飞行器外形特征；根据上述飞行器航迹特征、上述飞行器声纹特征和上述飞行器外形特征，确定针对上述目标信号源的飞行器识别信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括捕捉单元、确定单元和执行单元。。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，捕捉单元还可以被描述为“捕捉限制飞行区域内的无线电信号，其中，上述限制飞行区域是对不可信飞行器进行限制飞行的区域的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (9)

1.一种飞行器识别方法，包括：

捕捉限制飞行区域内的无线电信号，其中，所述限制飞行区域是对不可信飞行器进行限制飞行的区域；

根据所述无线电信号，确定目标信号源对应的信号源类型，其中，所述目标信号源是发出所述无线电信号的信号源，所述信号源类型包括：非飞行器类型和飞行器类型；

响应于所述信号源类型为飞行器类型，执行以下处理步骤：

确定所述目标信号源的航迹信息，其中，所述航迹信息包括：飞行航迹，所述飞行航迹表征所述目标信号源的三维航行轨迹；

根据所述航迹信息，进行定向声音信号采集，得到声音信号；

根据所述航迹信息，采集与所述目标信号源对应的第一图像集合和第二图像集合，其中，所述第一图像集合中的第一图像是通过高分辨率光电摄像头采集得到的、包含所述目标信号源的图像，所述第二图像集合中的第二图像是通过高分辨率红外摄像头采集得到的、包含所述目标信号源的图像；

分别对所述第一图像集合，以及所述第二图像集合进行图像增强，得到第三图像集合和第四图像集合；

根据所述航迹信息，生成飞行器航迹特征；

根据所述声音信号，生成飞行器声纹特征；

根据所述第三图像集合和所述第四图像集合，确定所述目标信号源对应的飞行器外形特征；

根据所述飞行器航迹特征、所述飞行器声纹特征和所述飞行器外形特征，确定针对所述目标信号源的飞行器识别信息。

2.根据权利要求1所述的方法，其中，所述方法还包括：

将所述飞行器识别信息与飞行器信息库中的飞行器信息进行匹配，以生成匹配结果，其中，所述匹配结果表征所述目标信号源是否为不可信飞行器，所述飞行器信息库用于存储可信飞行器的飞行器信息；

响应于所述匹配结果表征所述目标信号源为不可信飞行器，对所述目标信号源进行飞行器驱离。

3.根据权利要求2所述的方法，其中，所述根据所述无线电信号，确定目标信号源对应的信号源类型，包括：

对所述无线电信号进行多尺度无线电信号降采样，得到降采样后无线电信号集合；

对于所述降采样后无线电信号集合中的每个降采样后无线电信号进行杂波点定位，以确定所述降采样后无线电信号对应的杂波信息组，其中，杂波信息组中的杂波信息包括：杂波位置和杂波特征；

根据得到的杂波信息组集合中的杂波信息包括的杂波位置和杂波特征，对所述降采样后无线电信号集合中的降采样后无线电信号集合进行交叉杂波剔除，以生成杂波剔除后无线电信号，得到杂波剔除后无线电信号集合；

对所述杂波剔除后无线电信号集合进行多尺度无线电信号特征提取，以生成无线电信号特征；

根据所述无线电信号特征，分类与所述目标信号源对应的信号源类型。

4.根据权利要求3所述的方法，其中，所述分别对所述第一图像集合，以及所述第二图像集合进行图像增强，得到第三图像集合和第四图像集合，包括：

对所述第一图像集合中的每张第一图像进行初始图像特征提取，以生成第一初始图像特征，其中，第一初始图像特征包括：全局图像特征和局部图像特征；

对于所述第一图像集合中的每张第一图像，响应于所述第一图像在所述第一图像集合中的图像位置非末位置，执行以下第一图像增强步骤：

确定所述第一图像对应的第一初始图像特征与第五图像集合中的每张第五图像对应的第一图像特征之间的图像特征相似度，其中，所述第五图像集合中的第五图像是所述第一图像集合中的、对应的图像位置位于所述第一图像的图像位置之后的第一图像；

从所述第五图像集合中筛选出对应的图像特征相似度大于预设相似度且对应图像位置连续的第五图像，作为第六图像，得到第六图像集合；

对所述第六图像集合中的第六图像对应的第一初始图像特征进行深度图像特征提取，以生成第一深度图像特征，得到第一深度图像特征集合；

根据所述第一深度图像特征集合，对所述第一图像进行图像增强，得到所述第三图像集合中的、与所述第一图像对应的第三图像；对所述第二图像集合中的每张第二图像进行初始图像特征提取，以生成第二初始图像特征，其中，第二初始图像特征包括：全局图像特征和局部图像特征；

对于所述第二图像集合中的每张第二图像，响应于所述第二图像在所述第二图像集合中的图像位置非末位置，执行以下第二图像增强步骤：

确定所述第二图像对应的第二初始图像特征与第七图像集合中的每张第七图像对应的第二图像特征之间的图像特征相似度，其中，所述第七图像集合中的第七图像是所述第二图像集合中的、对应的图像位置位于所述第二图像的图像位置之后的第二图像；

从所述第七图像集合中筛选出对应的图像特征相似度大于预设相似度且对应图像位置连续的第七图像，作为第八图像，得到第八图像集合；

对所述第八图像集合中的第八图像对应的第二初始图像特征进行深度图像特征提取，以生成第二深度图像特征，得到第二深度图像特征集合；

根据所述第二深度图像特征集合，对所述第二图像进行图像增强，得到所述第四图像集合中的、与所述第二图像对应的第四图像。

5.根据权利要求4所述的方法，其中，所述根据所述航迹信息，生成飞行器航迹特征，包括：

对所述飞行航迹进行航迹轨迹体素化，以生成体素化后飞行航迹；

通过主航迹特征提取网络，对所述体素化后飞行航迹进行航迹初提取，以生成初始提取航迹特征；

通过航迹方向变换特征提取网络，对所述初始提取航迹特征进行航迹方向变换特征提取，以生成航迹方向变换特征；

通过航迹海拔高度变换特征提取网络，对所述初始提取航迹特征进行航迹海拔高度变换特征提取，以生成航迹海拔高度变换特征；

将所述航迹方向变换特征和所述航迹海拔高度变换特征，确定为所述飞行器航迹特征，其中，所述主航迹特征提取网络、航迹方向变换特征提取网络和航迹海拔高度变换特征提取网络包括于预先训练的飞行器航迹特征提取模型。

6.根据权利要求5所述的方法，其中，所述根据所述第三图像集合和所述第四图像集合，确定所述目标信号源对应的飞行器外形特征，包括：

通过飞行器外形特征提取模型，对所述第三图像集合和所述第四图像集合进行飞行器外形特征提取，得到所述飞行器外形特征，其中，所述飞行器外形特征提取模型包括：飞行器定位网络、飞行器主干结构特征提取网络和飞行器驱动结构特征提取网络。

7.一种飞行器识别装置，包括：

捕捉单元，被配置成捕捉限制飞行区域内的无线电信号，其中，所述限制飞行区域是对不可信飞行器进行限制飞行的区域；

确定单元，被配置成根据所述无线电信号，确定目标信号源对应的信号源类型，其中，所述目标信号源是发出所述无线电信号的信号源，所述信号源类型包括：非飞行器类型和飞行器类型；

执行单元，被配置成响应于所述信号源类型为飞行器类型，执行以下处理步骤：确定所述目标信号源的航迹信息，其中，所述航迹信息包括：飞行航迹，所述飞行航迹表征所述目标信号源的三维航行轨迹；根据所述航迹信息，进行定向声音信号采集，得到声音信号；根据所述航迹信息，采集与所述目标信号源对应的第一图像集合和第二图像集合，其中，所述第一图像集合中的第一图像是通过高分辨率光电摄像头采集得到的、包含所述目标信号源的图像，所述第二图像集合中的第二图像是通过高分辨率红外摄像头采集得到的、包含所述目标信号源的图像；分别对所述第一图像集合，以及所述第二图像集合进行图像增强，得到第三图像集合和第四图像集合；根据所述航迹信息，生成飞行器航迹特征；根据所述声音信号，生成飞行器声纹特征；根据所述第三图像集合和所述第四图像集合，确定所述目标信号源对应的飞行器外形特征；根据所述飞行器航迹特征、所述飞行器声纹特征和所述飞行器外形特征，确定针对所述目标信号源的飞行器识别信息。

8.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一所述的方法。

9.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6中任一所述的方法。