本发明涉及无人机行为分类技术领域，特别涉及一种基于运动特征的无人机行为模式分类方法。
背景技术：
随着科技进步和应用场景的不断拓展，无人机发展到今天，其用途主要可以分为军用和民用无人机两部分。无人机产业发展极为迅速，并在多个领域得到应用，与之相伴的运行风险也日益增加。从整个发展趋势来看，无人机在各国军队中的装备数量和作用将会在未来一个时期中飞速发展，其担任的作战任务也将越来越广泛。在民用领域，无人机将被越来越多行业所使用，形成多样化的无人机在低空密集飞行的态势，空域结构将更加复杂。与此同时，我国目前尚未形成完善的无人机的监管体系，难以对无人机的安全运行进行有效的管控。近年来，随着低空空域的开放，无人机飞行事故频发，屡次威胁公共安全和国家安全。因此，对各类无人机的行为意图进行分类，将成为无人机作战防御和监管的重要措施，具有重要的理论意义和实践价值，为联合作战战场空域飞行态势感知和智能空域管理提供支撑。
在当前现存的针对无人机分类的方案中，无人机分类要是从技术特征、应用领域对无人机进行分类。从技术角度来讲，无人机可分为固定翼无人机、直升无人机、多旋翼无人机和其他无人机；按照技术特征对无人机进行分类，可以将无人机分为军用无人机和民用无人机，而民用无人机又分为工业级无人机和消费级无人机，而这三类无人机再搭载设备、使用的客户群体以及具体用途方面存在比较大的区别并根据这些区别进行分类。
现有技术的缺点是
(i)主要是根据已知信息进行分类，无法对一款信息未知无人机的行为模式进行归类。
(ii)没有依靠模型进行分类，而主要是利用人的经验和已知信息。如此分类很容易因为某种特定因素从而对一款无人机进行错误分类，最终造成整体识别准确度偏低。
(iii)此种分类方法过于笼统，没有针对特定的机型进行详细地分类，无法对管理部门提供有效的借鉴意义。
技术实现要素：
本发明针对现有技术的缺陷，提供了一种基于运动特征的无人机行为模式分类方法，解决了现有技术中存在的缺陷。
为了实现以上发明目的，本发明采取的技术方案如下：
一种基于运动特征的无人机行为模式分类方法，包括以下步骤：
s1：无人机运动类型分类；
无人机的运动类型分为：俯冲、爬升、平飞和悬停。
s2：各个运动类型行为判定方法；
s21：悬停行为判定。
s211：有参照物条件下的悬停行为判断：设m帧图像的无人机外观轮廓重心为(xm，ym)，m 1帧图像的外观轮廓重心为(xm 1，ym 1)，波动值为μ，阈值为ω。由公式：
当波动值μ＞ω，可判定无人机非悬停状态；
当波动值μ≤ω，无人机有可能处于悬停状态。
s212：无参照物条件下的悬停行为判断：首先建立无人机轮廓最小外接矩形，再计算相邻俩帧最小矩形面积差，由面积差δa小于波动阈值γ，则判断为悬停。面积差计算如下：
δa＝|sm-sm 1|(3)
其中，sm为m帧视频最小外接矩形面值，sm 1是m 1帧视频的最小矩形面积，若δa＞γ表示非悬停。
s22：俯冲、爬升、平飞行为判定。
s221：根据运动学原理，无人机的高度变化速度可通过一以下公式进行计算：
其中δh为无人机高度变化速度；
θ为无人机的俯角；
v为无人机的速度。
s222：无人机的加速度变化率可由以下公式求得：
δa为无人机的加速度变化率；
v0，vt为相邻时刻的瞬时速度。
s223：设定变化阈值为μ，计算公式如下所示。
μ＝(δhη δaχ)·c(6)
η为高度变化率影响系数，χ为速度变化影响系数，c为无人机的固有参数(与无人机的体积，空气参数有关)。
s224：无人机行为判断结果
当μ>0为爬升，当μ<0为俯冲，当μ＝0为平飞。
与现有技术相比，本发明的优点在于：
可以判断出无人机的行为模式，可以为指挥员和管制员进行的决策提供技术支持，保证飞行安全。同时，通过对无人机行为模式的分类，可以在一定程度上提升对无人机的识别能力，对无人机“黑飞”现象管控提供技术支撑。
附图说明
图1是本发明实施例基于运动特征的无人机行为分类图；
图2是本发明实施例无人机有环境背景下悬停行为提取示意图，其中a为m帧图像，b为m 1帧图像，c为m帧轮廓图，d为m 1帧轮廓图；
图3是本发明实施例无人机无背景飞行下悬停特征提取示意图，其中a为m帧视频最小矩形面积，b为m 1帧视频最小矩形面积。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
如图1所示，基于无人机运动特点的行为模式分类
(一)无人机运动类型分类。
无人机的运动类型大致可分为俯冲、爬升、平飞、悬停等行为。
(二)各个运动类型行为判定方法。
(1)悬停行为判定。
(i)有参照物条件下的悬停行为判断：设m帧图像的无人机外观轮廓重心(黑圈处)为(xm，ym)，m 1帧图像的外观轮廓重心(黑圈处)为(xm 1，ym 1)如图2所示，波动值为μ，阈值为ω。由公式：
当波动值μ＞ω，可判定无人机非悬停状态；
当波动值μ≤ω，无人机有可能处于悬停状态。
(ⅱ)无参照物条件下的悬停行为判断：首先建立无人机轮廓最小外接矩形，再计算相邻俩帧最小矩形面积差，由面积差δa小于波动阈值γ，则判断为悬停。面积差计算如下：
δa＝|sm-sm 1|(3)
其中，sm为m帧视频最小外接矩形面值，sm 1是m 1帧视频的最小矩形面积，如图3所示。若δa＞γ表示非悬停。
(2)俯冲、爬升、平飞行为判定。
(i)根据运动学原理，无人机的高度变化速度可通过一以下公式进行计算：
其中δh为无人机高度变化速度；
θ为无人机的俯角；
v为无人机的速度。
(ⅱ)无人机的加速度变化率可由以下公式求得：
δa为无人机的加速度变化率；
v0，vt为相邻时刻的瞬时速度。
(ⅲ)设定变化阈值为μ，计算公式如下所示。
μ＝(δhη δaχ)·c(6)
η为高度变化率影响系数，χ为速度变化影响系数，c为无人机的固有参数(与无人机的体积，空气参数有关)。
(ⅳ)无人机行为判断结果
当μ>0为爬升，当μ<0为俯冲，当μ＝0为平飞。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
1.一种基于运动特征的无人机行为模式分类方法，其特征在于，包括以下步骤：
s1：无人机运动类型分类；
无人机的运动类型分为：俯冲、爬升、平飞和悬停。
s2：各个运动类型行为判定方法；
s21：悬停行为判定。
s211：有参照物条件下的悬停行为判断：设m帧图像的无人机外观轮廓重心为(xm，ym)，m 1帧图像的外观轮廓重心为(xm 1，ym 1)，波动值为μ，阈值为ω。由公式：
当波动值μ＞ω，可判定无人机非悬停状态；
当波动值μ≤ω，无人机有可能处于悬停状态。
s212：无参照物条件下的悬停行为判断：首先建立无人机轮廓最小外接矩形，再计算相邻俩帧最小矩形面积差，由面积差δa小于波动阈值γ，则判断为悬停。面积差计算如下：
δa＝|sm-sm 1|(3)
其中，sm为m帧视频最小外接矩形面值，sm 1是m 1帧视频的最小矩形面积，若δa＞γ表示非悬停。
s22：俯冲、爬升、平飞行为判定。
s221：根据运动学原理，无人机的高度变化速度可通过一以下公式进行计算：
其中δh为无人机高度变化速度；
θ为无人机的俯角；
v为无人机的速度。
s222：无人机的加速度变化率可由以下公式求得：
δa为无人机的加速度变化率；
v0，vt为相邻时刻的瞬时速度。
s223：设定变化阈值为μ，计算公式如下所示。
μ＝(δhη δaχ)·c(6)
η为高度变化率影响系数，χ为速度变化影响系数，c为无人机的固有参数。
s224：无人机行为判断结果
当μ>0为爬升，当μ<0为俯冲，当μ＝0为平飞。
技术总结