本技术公开了一种基于雷达监测数据的鸟类异常行为识别方法,属于目标检测技术领域,解决了现有系统数据采集模块采集到的目标物单一图像数据信息不全面,影响目标物识别精度的问题,包括对目标物关联数据归一化处理,得到归一化数据集,飞鸟感知模型对归一化数据集关联分析,判断目标物是否为鸟类目标物,基于目标物识别结果、路径优化算法生成目标物路径轨迹,结合弱监督飞鸟检测算法对目标物路径轨迹分析计算,生成路径异常度;本发明中飞鸟感知模型基于目标物识别结果能够对鸟类飞行轨迹进行分析识别,并结合弱监督飞鸟检测算法对鸟类异常行为进行判断识别,从而保证了目标物的识别精度,并提升鸟类异常行为预警能力。
背景技术
现阶段,由于机场净空条件的要求,机场通常位于城市的郊区,周围生态环境优渥,飞鸟活动频繁,增加了机场鸟击的风险,而机场鸟击是指航空器与鸟类发生撞击事故的简称,是民航业长期存在的传统安全隐患,因此,有必要对鸟击风险进行评估,从而实现科学指导机场驱鸟作业。
机场鸟类识别是智能驱鸟的重要环节,实时监测飞鸟活动并获取鸟类数据是驱鸟工作的重点,机场常见的鸟情探测设备有雷达、光电设备,部分机场配备了红外夜间探测以及鸟类鸣声探测设备,各种鸟类信息探测设备由于其工作机制不同导致其具有不同功能特性,而鸟情探测设备对传统的飞鸟检测和识别方法主要依赖于人工特征提取,这个过程需要大量的时间和精力,并且无法处理所有复杂的情况。
中国专利CN117079050A公开了一种基于图像识别鸟类的AI分析系统,包括:数据采集模块,用于通过摄像设备获取鸟类生态环境中的图像数据,根据特征数据进行数据编号;数据预处理模块,用于对采集的图像进行预处理,对图像进行特征计算处理,设置特征异常以及速度异常处理过程中的影响因子;特征识别模块,采用速度异常系数和特征异常系数,然后进行时间、速度和纹理特征评估,并完成异常识别;特征提取模块,用于提取识别出的速度特征和纹理特征对鸟类图像与训练完成的数据库鸟类图像特征进行相似度比较,将出现的图像帧进行特征标记,但是现有系统数据采集模块采集到的目标物单一图像数据信息不全面,影响目标物识别精度,同时无法基于识别结果对鸟类异常行为进行判断分析,降低了鸟类异常行为预警能力,针对上述问题,我们提出了一种基于雷达监测数据的鸟类异常行为识别方法。
实现思路