本發(fā)明涉及無人機應(yīng)用，尤其涉及一種基于無人機追逃的押解方法、裝置及系統(tǒng)。

背景技術(shù)：

1、在當前智能押解系統(tǒng)的實際應(yīng)用中，盡管技術(shù)不斷進步，其監(jiān)控與追蹤能力仍面臨諸多挑戰(zhàn)與局限。首先，地面監(jiān)控設(shè)備作為傳統(tǒng)監(jiān)控手段的核心，其布局往往受限于復雜多變的地形條件，無論是崎嶇的山地、茂密的森林，還是城市中的高樓大廈間狹窄的巷弄，都可能形成難以逾越的監(jiān)控盲區(qū)，使得關(guān)鍵區(qū)域的監(jiān)控出現(xiàn)疏漏，增加了安全風險，此外，建筑物、樹木等障礙物還可能造成信號遮擋或反射，進一步降低監(jiān)控畫面的清晰度和準確性，影響對目標的持續(xù)追蹤；其次，面對如追捕等緊急情況，地面監(jiān)控設(shè)備因其固定性或移動不便的特性，往往難以迅速響應(yīng)并調(diào)整監(jiān)控范圍，這不僅延遲了信息的獲取速度，也限制了決策制定的時效性，給應(yīng)急處置工作帶來了不小的壓力。

2、無人機以其獨特的空中視角和高度靈活性，能夠迅速部署至事發(fā)現(xiàn)場，無懼地形和建筑物障礙，直接飛越監(jiān)控盲區(qū)，提供全方位、多角度的實時畫面，這種即時性不僅確保了信息的準確性，還極大地縮短了決策周期，使其能夠更全面地掌握現(xiàn)場情況，制定更加精準有效的應(yīng)對策略。同時，無人機具備的強大機動性和覆蓋范圍，使得其能夠根據(jù)任務(wù)需求靈活調(diào)整飛行高度和路線，這種高度的靈活性和適應(yīng)性，是地面監(jiān)控設(shè)備所難以企及的。

3、而目前，并沒有一種在押解過程中，在目標脫逃時利用無人機聯(lián)動實現(xiàn)無人機跟蹤追逃的技術(shù)方案，也沒有一種利用指揮控制中心實現(xiàn)對無人機平臺以及押解車輛通訊進行實施聯(lián)動的技術(shù)方案，并沒有一種基于無人機追逃的押解方法、裝置及系統(tǒng)。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種基于無人機追逃的押解方法、裝置及系統(tǒng)，利用無人機技術(shù)在智能押解過程中的應(yīng)用，不僅能夠有效彌補地面監(jiān)控設(shè)備的不足，還能夠提升監(jiān)控與追蹤的效率和準確性。

2、第一方面，本發(fā)明提供了一種基于無人機追逃的押解方法，包括：

3、獲取來自被押解目標的實時定位信息，所述實時定位信息是利用被押解目標的腳環(huán)上報實時位置至指揮控制中心后確定的；

4、在確定所述實時定位信息偏離所述被押解目標對應(yīng)的押解路線的情況下，根據(jù)所述實時定位信息確定當前定位場景，向無人機發(fā)送追逃指令，所述追逃指令用于指示無人機根據(jù)目標規(guī)劃路徑抵達目標定位后，獲取所述目標定位對應(yīng)的目標圖像，并將所述目標圖像回傳至所述指揮控制中心，所述目標規(guī)劃路徑是根據(jù)無人機起始點至所述實時位置進行路徑規(guī)劃后確定的；

5、輸入所述目標圖像至所述當前定位場景對應(yīng)的目標識別模型，得到所述目標識別模型輸出的所有待選擇目標，所述當前定位場景為沙漠場景、森林場景、馬路場景、草地場景或河流場景；

6、接收用戶輸入指令，并響應(yīng)于所述用戶輸入指令，向所述無人機發(fā)送跟隨指令，所述跟隨指令用于指示所述無人機跟隨所述被押解目標，所述用戶輸入指令用于從所有待選擇目標中選擇出所述被押解目標。

7、根據(jù)本發(fā)明提供的基于無人機追逃的押解方法，在根據(jù)所述實時定位信息確定當前定位場景之前，所述方法還包括：

8、在所述實時定位信息與所述押解路線之間的直線距離大于第一預設(shè)距離的情況下，確定所述實時定位信息偏離所述被押解目標對應(yīng)的押解路線；

9、或者，在所述腳環(huán)與押解所述被押解目標的押解車輛之間的距離大于第二預設(shè)距離的情況下，確定所述實時定位信息偏離所述被押解目標對應(yīng)的押解路線。

10、根據(jù)本發(fā)明提供的基于無人機追逃的押解方法，所述無人機位于押解所述被押解目標的押解車輛的無人機平臺，在向無人機發(fā)送追逃指令之前，所述方法還包括：

11、根據(jù)所述押解車輛的實時位置確定無人機起始點；

12、利用所述無人機起始點以及所述被押解目標的腳環(huán)上報的實時位置進行路徑規(guī)劃，確定所述目標規(guī)劃路徑；

13、所述押解車輛的實時位置是在確定所述實時定位信息偏離所述被押解目標對應(yīng)的押解路線的時刻，利用所述押解車輛的車載定位確定的。

14、根據(jù)本發(fā)明提供的基于無人機追逃的押解方法，所述無人機位于所述押解路線上的無人機平臺，在向無人機發(fā)送追逃指令之前，所述方法還包括：

15、確定所述押解路線上所有無人機平臺對應(yīng)的每一平臺位置，計算所述押解車輛的實時位置與每一平臺位置之間的距離差值，將距離差值最小的平臺位置對應(yīng)的無人機平臺確定為目標平臺；

16、根據(jù)所述目標平臺對應(yīng)的平臺位置確定無人機起始點，利用所述無人機起始點以及所述被押解目標的腳環(huán)上報的實時位置進行路徑規(guī)劃，確定所述目標規(guī)劃路徑。

17、根據(jù)本發(fā)明提供的基于無人機追逃的押解方法，在輸入所述目標圖像至所述當前定位場景對應(yīng)的目標識別模型之前，所述方法還包括：

18、獲取不同場景下對應(yīng)的樣本圖像；

19、對于每一場景，根據(jù)所述樣本圖像以及每一樣本圖像對應(yīng)的人物頭像標注，對初始模型進行訓練，得到所述場景對應(yīng)的識別模型；

20、遍歷所有場景，得到所有場景對應(yīng)的每一識別模型。

21、根據(jù)本發(fā)明提供的基于無人機追逃的押解方法，所述根據(jù)所述實時定位信息確定當前定位場景，向無人機發(fā)送追逃指令，包括：

22、在確定當前定位場景為沙漠場景或馬路場景的情況下，確定采用第一數(shù)量的無人機進行追逃；

23、在確定當前定位場景為草地場景或河流場景的情況下，確定采用第二數(shù)量的無人機進行追逃；

24、在確定當前定位場景為森林場景的情況下，確定采用第三數(shù)量的無人機進行追逃；

25、所述第一數(shù)量小于所述第二數(shù)量，所述第二數(shù)量小于所述第三數(shù)量。

26、根據(jù)本發(fā)明提供的基于無人機追逃的押解方法，在所述被押解目標不止一個的情況下，所述向無人機發(fā)送追逃指令，包括：

27、向預設(shè)數(shù)量的無人機發(fā)送追逃指令；

28、所述被押解目標的目標數(shù)量小于或等于所述預設(shè)數(shù)量。

29、根據(jù)本發(fā)明提供的基于無人機追逃的押解方法，在向預設(shè)數(shù)量的無人機發(fā)送追逃指令之后，所述方法還包括：

30、對于任一無人機對應(yīng)的目標圖像，獲取所述目標圖像中的所有待選擇目標，遍歷所有無人機對應(yīng)的每一目標圖像，獲取所有待選擇目標集合；

31、從所有待選擇目標集合中剔除重復頭像后，在預設(shè)顯示屏中顯示待選擇目標頭像。

32、第二方面，提供了一種基于無人機追逃的押解裝置，包括：

33、獲取單元，所述獲取單元用于獲取來自被押解目標的實時定位信息，所述實時定位信息是利用被押解目標的腳環(huán)上報實時位置至指揮控制中心后確定的；

34、發(fā)送單元，所述發(fā)送單元用于在確定所述實時定位信息偏離所述被押解目標對應(yīng)的押解路線的情況下，根據(jù)所述實時定位信息確定當前定位場景，向無人機發(fā)送追逃指令，所述追逃指令用于指示無人機根據(jù)目標規(guī)劃路徑抵達目標定位后，獲取所述目標定位對應(yīng)的目標圖像，并將所述目標圖像回傳至所述指揮控制中心，所述目標規(guī)劃路徑是根據(jù)無人機起始點至所述實時位置進行路徑規(guī)劃后確定的；

35、輸入單元，所述輸入單元用于輸入所述目標圖像至所述當前定位場景對應(yīng)的目標識別模型，得到所述目標識別模型輸出的所有待選擇目標，所述當前定位場景為沙漠場景、森林場景、馬路場景、草地場景或河流場景；

36、接收單元，所述接收單元用于接收用戶輸入指令，并響應(yīng)于所述用戶輸入指令，向所述無人機發(fā)送跟隨指令，所述跟隨指令用于指示所述無人機跟隨所述被押解目標，所述用戶輸入指令用于從所有待選擇目標中選擇出所述被押解目標。

37、第三方面，提供了一種基于無人機追逃的押解系統(tǒng)，包括基于無人機追逃的押解裝置，所述基于無人機追逃的押解裝置為指揮控制中心，還包括押解車輛以及無人機平臺；

38、所述指揮控制中心分別與所述無人機平臺以及所述押解車輛通訊連接。

39、本發(fā)明旨在應(yīng)對被押解目標脫逃時，利用無人機實現(xiàn)快速部署和靈活調(diào)整飛行路線，迅速抵達目標位置并進行實時監(jiān)控與追蹤，顯著提高了監(jiān)控與追蹤的效率；無人機能夠覆蓋更廣闊的區(qū)域，不受地形和建筑物等障礙物的限制，有效彌補了地面監(jiān)控設(shè)備的不足，在發(fā)生被押解目標逃逸時，無人機能夠迅速響應(yīng)并提供實時情報和支援，為指揮人員制定應(yīng)對策略提供有力支持，本發(fā)明同時結(jié)合不同的識別場景，通過訓練適用于各場景的目標識別模型，能夠準確識別并區(qū)分不同場景下的目標人物，降低了誤判和漏判的風險；本發(fā)明還可以支持根據(jù)實時定位信息和不同場景特點靈活調(diào)整無人機數(shù)量和飛行路線，具有較強的靈活性和可擴展性。