【技術實現步驟摘要】
本專利技術屬于目標檢測，具體涉及一種探鳥雷達數據與樣線法融合的鳥情信息統計方法。
技術介紹
1、機場鳥擊是指航空器與鳥類發生撞擊事故的簡稱，是民航業長期存在的傳統安全隱患。伴隨著民航的持續發展和生態環境的不斷改善，機場鳥擊防范工作的壓力越來越大，鳥類的活動具有高度的突發性，尤其是在遷徙季節，大量鳥類會在短時間內聚集并穿越機場區域。這種突發性使得鳥擊防范工作難以提前做出準確預判和準備，同時由于鳥類的飛行路徑和行為模式復雜多變，容易受到天氣、食物來源、繁殖習性等多種因素的影響，增加了鳥擊防范的難度，鳥情信息統計為機場管理人員提供了詳細的數據支持，通過統計鳥類活動規律，可以預測鳥類在機場及周邊的活動情況，從而提前采取驅鳥措施，降低鳥擊事件的發生概率。
2、中國專利cn116430379a公開了一種探鳥雷達數據與樣線法融合的鳥情信息統計方法，方法包括確定鳥情調研區域；對鳥情調研區域劃分網格和子區域；確定各個子區域內的鳥類活動熱點；劃定鳥情調研樣線并開展人工調研獲得人工調研數據；將探鳥雷達數據與人工調研數據進行融合，獲得鳥情調研區域內的鳥類總體數量以及不同鳥種的數量，但是現有方法探鳥雷達數據與人工調研數據融合時，無法統計鳥類種群密度，且雷達數據與人工調研數據融合不充分，增加數據分析復雜性和難度，針對上述問題，我們提出了一種探鳥雷達數據與樣線法融合的鳥情信息統計方法。
技術實現思路
1、本專利技術的目的在于針對現有技術的不足之處，提供一種探鳥雷達數據與樣線法融合的鳥情信息統計方法，
2、本專利技術是這樣實現的，一種探鳥雷達數據與樣線法融合的鳥情信息統計方法，所述探鳥雷達數據與樣線法融合的鳥情信息統計方法包括：
3、在統計區域半徑10±0.1km范圍內布設16條采集樣線，基于紅外相機結合可變距離樣線法記錄統計區域內鳥類單種群總數量和種類數量，基于統計區域內鳥類單種群總數量和種類數量計算鳥類種群密度，并將統計區域內鳥類單種群總數量、種類數量、鳥類種群密度上傳至信息數據庫；
4、獲取探鳥雷達數據，對探鳥雷達數據增強處理，得到增強數據集，從信息數據庫中獲取鳥類種群密度信息，以鳥類種群密度作為先驗概率，將增強數據集與鳥類種群密度融合，得到數據融合集，將數據融合集上傳至信息數據庫；
5、預構建結合微多普勒特征、yolo模型的目標識別模型，對目標識別模型迭代訓練，輸出收斂的目標識別模型；
6、加載數據融合集，以數據融合集為輸入，目標識別模型基于微多普勒特征對數據融合集的特征提取，輸出鳥群中鳥情信息統計結果，所述鳥情信息統計包括飛鳥數量、種類和位置信息。
7、優選地，所述基于紅外相機結合可變距離樣線法記錄統計區域內鳥類單種群總數量和種類數量，包括：
8、基于統計區域內植被類型、土地地貌按分層隨機布設采集樣線，單條采集樣線的寬度為50-200m，單條采集樣線的長度為0.5-5.5km；
9、單條采集樣線內200m等間隔布設相機點位，相機點位架設紅外相機，樣線調查時間為上午7:30-11:30、下午3:30-5:30，設置紅外相機每次觸發連續拍攝3張照片以及30秒的視頻；
10、整合至少一組紅外照片、視頻，將紅外照片、視頻、相機坐標、采集時間實時上傳至信息數據庫；
11、利用非度量多維尺度標度法統計區域內鳥類單種群總數量和種類數量，輸出區域內鳥類單種群總數量和種類數量。
12、優選地，所述基于統計區域內鳥類單種群總數量和種類數量計算鳥類種群密度的方法，具體包括：
13、加載區域內鳥類單種群總數量和種類數量，基于fourier截線法計算種群初始密度；
14、其中，種群初始密度通過以下公式計算：
15、（1）
16、（2）
17、其中，表示種群初始密度，表示單條樣線長度，為樣條數，為當垂直距離為0時發現鳥類個體的概率密度函數，為單條樣線寬度，表示單種群總數量，表示鳥類個體與樣線之間的垂直距離；
18、獲取種群初始密度，基于密度校正函數對種群初始密度校正，輸出鳥類種群密度；
19、其中，鳥類種群密度通過以下公式計算：
20、（3）
21、其中，為鳥類種群密度，為密度校正函數的校正系數，為樣條數。
22、優選地，所述對探鳥雷達數據增強處理的方法，包括：
23、獲取探鳥雷達數據，基于探鳥雷達數據識別雷達點的三維坐標，基于坐標變換矩陣將雷達點的三維坐標轉換為二維坐標；
24、獲取雷達點的二維坐標，將雷達點變換到像素為80的正方形表示，基于峰值轉換準則將雷達點信號轉換為正方形表示的三通道顏色值；
25、加載包含三通道顏色值的正方形表示，對雷達點信號正方形表示隨機添加噪聲點、亮度，得到增強數據集。
26、優選地，坐標變換矩陣表示為：
27、（4）
28、（5）
29、其中，為雷達點在三維坐標下的傾轉誤差，分別為雷達點出目標物的俯仰向量、姿態角向量和撲翼頻率向量；
30、其中，基于峰值轉換準則將雷達點信號轉換為正方形表示的三通道顏色值時，三通道顏色值分別為;
31、三通道顏色值通過以下公式計算：
32、（6）
33、（7）
34、（8）
35、其中，表示雷達點目標物速度值，為目標物中頻信號峰值，為雷達點距離值。
36、優選地，所述將增強數據集與鳥類種群密度融合的方法，包括：
37、獲取鳥類種群密度，識別與鳥類種群密度關聯的相機坐標、采集時間、相機焦距、光軸向量；
38、基于ocamcalib對紅外相機參數標注，標注紅外相機參數中的光軸向量、像素級別和高度寬換比；
39、提取標注后的光軸向量、像素級別和高度寬換比，利用歐式變換對相機坐標系進行轉變，對做相機坐標系進行旋轉和縮放變換，結合相機坐標系外參旋轉矩陣、縮放矩陣對光軸向量、像素級別和高度寬換比以及雷達點二維坐標融合，實現雷達點二維坐標與相機坐標融合，輸出雷達點二維坐標與相機坐標融合的融合結果；
40、獲取雷達點二維坐標與相機坐標融合的融合結果、鳥類種群密度、正方形表示的三通道顏色值，采用時間戳對齊法進行雷達與相機的時序匹配，得到數據融合集。
41、優選地，所述對目標識別模型迭代訓練的方法，包括：
42、遍歷信息數據庫中數據融合集，對數據融合集的順序打亂，并將數據融合集劃分為訓練集和驗證集，訓練集和驗證集的比例為3:1；
43、對目標識別模型的初始基線模型超參數初始化處理，定義初始基線模型的激活函數、損失函數、學習率以及訓練輪次；
44、獲取訓練集，對訓練集時頻分析本文檔來自技高網...
【技術保護點】
1.一種探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于，所述探鳥雷達數據與樣線法融合的鳥情信息統計方法包括：
2.如權利要求1所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述基于紅外相機結合可變距離樣線法記錄統計區域內鳥類單種群總數量和種類數量，包括：
3.如權利要求2所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述基于統計區域內鳥類單種群總數量和種類數量計算鳥類種群密度的方法，具體包括：
4.如權利要求1所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述對探鳥雷達數據增強處理的方法，包括：
5.如權利要求4所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：坐標變換矩陣表示為：
6.如權利要求5所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述將增強數據集與鳥類種群密度融合的方法，包括：
7.如權利要求1-6任一所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述對目標識別模型迭代訓練的方法，包括：
<...【技術特征摘要】
1.一種探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于，所述探鳥雷達數據與樣線法融合的鳥情信息統計方法包括：
2.如權利要求1所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述基于紅外相機結合可變距離樣線法記錄統計區域內鳥類單種群總數量和種類數量，包括：
3.如權利要求2所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述基于統計區域內鳥類單種群總數量和種類數量計算鳥類種群密度的方法，具體包括：
4.如權利要求1所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述對探鳥雷達數據增強處理的方法，包括：
5.如權利要求4所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：坐標變換矩陣表示為：
6.如權利要求5所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述將增強數據集與鳥類種群密度融合的方法，包括：
7.如權利要求1-6任一所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述對目標識別模型迭代訓練的方法，包括：
8.如權利要求7所述的探鳥雷達數據與樣線法融合的鳥情信息統計方法，其特征在于：所述目標...
【專利技術屬性】
技術研發人員：吳慧濤，秦叔敏，張海龍，邱少鵬，劉尚，童朝平，潘琪，孔起弟，彭文麗，
申請(專利權)人：中安銳達北京電子科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。