一种基于视觉识别的飞行救援方法及其救援系统与流程

1.本发明涉及应急救援设备技术领域，具体是一种基于视觉识别的飞行救援方法及其救援系统。


背景技术：

2.进入21世纪后，机器视觉技术的发展速度更快，已经大规模地应用于多个领域，如智能制造、智能交通、医疗卫生、安防监控等领域。目前，随着人工智能浪潮的兴起，机器视觉技术正处于不断突破、走向成熟的新阶段；视觉识别对输入图像的目标进行识别和分类处理，以便在此基础上完成后续的判断和操作。识别和分类技术有很多相同的地方，常常在目标识别完成后，目标的类别也就明确了。近来的图像识别技术正在跨越传统方法，形成以神经网络为主流的智能化图像识别方法，如卷积神经网络（cnn）、回归神经网络（rnn）等一类性能优越的方法。采用图像处理的办法，对安装现场图像进行处理，按照目标和图像之间的复杂映射关系进行处理，从而快速精准地完成定位和测量任务。目标检测和跟踪，图像处理中的运动目标检测和跟踪，就是实时检测摄像机捕获的场景图像中是否有运动目标，并预测它下一步的运动方向和趋势，即跟踪。并及时将这些运动数据提交给后续的分析和控制处理，形成相应的控制动作。图像采集一般使用单个摄像机，如果需要也可以使用两个摄像机，模仿人的双目视觉而获得场景的立体信息，这样更加有利于目标检测和跟踪处理。随着无人机的技术日趋成熟，无人机的行业应用越来越广泛，目前传统的涉水无人机在救援过程中依赖操作人员的操控技术，我司长期从事涉水无人机的研发和生产，经过长时间的研发，创造性提出了一一种基于视觉识别的飞行救援方法及其救援系统。


技术实现要素：

3.本发明所要解决的技术问题是传统的无人机在涉水救援过程中无法实现快速智能化救援，本发明提供如下技术方案：一种基于视觉识别的飞行救援方法，包括，救援信息获取，接警获取水面事故的信息；事故分析与飞行救援计划，分析获取的水面事故的信息，匹配飞行救援计划，确定飞行救援装置、目标位置以及航线；飞行抵达，飞行救援装置依据目标位置以及航线快速飞行至救援目标区域；视觉检测与识别，飞行救援装置利用摄像模组进行救援目标区域内的视觉检测，并ai识别出落水者，并对落水者的精准定位；抵近降落救援，飞行救援装置基于视觉检测与识别的精准定位，飞行调整飞行速度与姿态，抵近并降落救援。
4.优选的，所述救援信息包括水面事故类型、水面事故位置、落水人员数量与特征以及水面环境特征。
5.优选的，所述事故分析与飞行救援计划中飞行救援装置包括飞行救生圈以及飞行
救生担架，根据落水人员数量及特征确定飞行救援装置种类和数量。
6.优选的，所述摄像模组包括普通摄像模组以及双光摄像模组，利用红外摄像模组进行辅助视觉检测与识别。
7.优选的，视觉检测与识别包括如下步骤：步骤一：采集以往大量水面事故信息数据，形成基础数据库；步骤二：归一化预处理步骤一种基础数据库的落水人员信息数据及其环境信息数据，构建用于落水者视觉检测识别的训练和测试集；步骤三：构建基于bp神经网络的视觉检测与识别模型，并利用步骤二中的训练和测试集进行训练和测试得到基于bp神经网络的视觉检测与识别模型；步骤四：通过摄像模组采集救援目标区域内的图片，输入基于bp神经网络的视觉检测与识别模型识别出落水者，并持续追踪。
8.优选的，所述基于bp神经网络的视觉检测与识别模型中bp神经网络有输入层、隐含层和输出层；输入层有4个输入；4个输入分别为：为视觉图像；为风速；为光照强度；浪高；输出层有2个输出，2个输出分别为：为落水者能够坚持的时间；为飞行救援装置与落水者之间的距离；所述隐含层采用tansig函数；
9.（1）式中：为训练后的视觉检测与识别模型中落水者能够坚持的时间预测模型，为训练后的视觉检测与识别模型中飞行救援装置与落水者之间的距离预测模型。
10.优选的，所述输出层还有第三个输出，第三个输出：为飞行救援装置相对于落水者的最优降落位置；
11.（2）式中：为训练后的视觉检测与识别模型中飞行救援装置相对于落水者的降落位置预测模型；飞行救援装置的飞控组件根据飞行救援装置相对于落水者的最优降落位置实时调整飞行速度以及姿态，直至降落使得落水者获得救援。
12.优选的，当飞行救援装置为飞行救生圈或浮力无人机，飞行救生圈或浮力无人机基于视觉识别的进行飞行救援时，快速精准飞抵至落水者附近，使得落水者提供快速应急脱险。
13.优选的，当飞行救援装置为飞行救生担架，飞行救生担架基于视觉识别的进行飞行救援时，快速精准飞抵至落水者附近，使得落水者提供快速应急脱险，同时携带落水者在水面航行至岸边或船边。
14.一种应用上述基于视觉识别的飞行救援方法的救援系统，包括飞行救援装置、摄像装置以及控制系统；所述飞行救援装置包括飞行救生圈、飞行救生担架以及水上无人机；所述摄像装置包括云台及相机单元，所述相机单元包括若干组摄像部，各组摄像部上均布置两个摄像单元；在任意组摄像部上：两个摄像单元的视野相互交叉或在使用时
可被调整为视野相互交叉；所述云台为多轴云台，云台的旋转轴中，至少有两根轴的轴线方向不同。
15.所述摄像单元即为相机单元上的具体摄像部件，如单个摄像单元即为一个相机或包括一块图像传感器和与所述图像传感器匹配的镜头。
16.优选的，相机单元通过云台与飞行救援装置间接连接，便于安装和检修，如考虑飞行救援装置搭载重量，优选设置为所述摄像部的组量为一组即可。优选的，云台的旋转轴中，有两根轴的轴线方向垂直；优选的，为使得本摄像装置能够在其工作过程中，在保证后期航摄数据处理重量的前提下，能够根据需要，实现视口朝向的俯仰调整和横滚调整，所述云台包括横滚臂及俯仰臂，所述横滚臂与俯仰臂通过横滚驱动部相连，所述相机单元通过俯仰驱动部安装在俯仰臂上；所述俯仰驱动部与横滚驱动部两者的转动中心线相互垂直。
17.在具体运用时，优选设置为所述俯仰驱动部的转轴延伸方向与飞行救援装置的飞行方向垂直，横滚驱动部的转轴延伸方向与飞行救援装置的飞行方向平行。具体实施是，俯仰驱动部采用俯仰电机即可，横滚驱动部采用横滚电机即可。
18.这样，通过所述云台改变相机单元取景口的朝向，即可使得单个摄像部件通过云台执行的横滚、俯仰等动作，完成不同角度的航摄取景，使得单个摄像部件能够具有多个不同朝向摄像部件的拍摄功能，如基于现有行业中的图像后期处理软件，利用各组摄像部上的两个摄像单元进行多周期取景，每个周期均为：同步进行如6次朝向调整后获得的6组照片数据，而后对这些图片数据进行处理，即可获得理想的处理效果，同时达到能够减轻摄像装置的重量的目的；同时设置为包括若干组摄像部，同时各组摄像部上均布置两个摄像单元，这样，通过多个摄像单元共同工作，可有效保证本摄像装置的航摄效率。具体结构设计中，通过设置为在任意组摄像部上，两个摄像单元的视野相互交叉或在使用时可被调整为视野相互交叉，旨在解决摄像装置视场宽度问题，摄像装置安装在飞行救援装置的前侧底部，采用上述的视野交叉设计，在布局上较小的视口区域，可获得更宽的取景范围有利于水面救援的摄像。
19.优选的，摄像装置外侧安装有防护罩，进行防撞和防水保护。
20.所述控制系统包括主控单元以及视觉识别单元；所述控制系统置于飞行救援装置上或远程服务器上；安装于飞行救援装置的摄像装置与其上的飞控单元连接；主控单元与飞行救援装置的飞控单元有线或无线连接；主控单元以及视觉识别单元能够接收并分析图像，进行视觉检测与识别，发现落水者并控制飞行救援装置飞行抵近降落救援；与现有技术相比，本发明具有以下几个方面的有益效果：本发明创造性地提供了一种基于视觉识别的飞行救援方法及其救援系统，本发明基于涉水无人机载体进行飞行救援，利用视觉识别实现飞行救援的智能化，有利于提高救援成功率以及救援效率；本发明进一步利用机器学习或神经网络深度学习技术，利用视觉图像进行高效智能化视觉识别，并基于视觉识别结果指导飞行救援装置进行飞行抵近降落救援，大大提高飞行救援装置的救援智能化和救援效率，在特殊条件下可以配合人工干预进行飞行救援装置的操控，进一步保障救援。
21.本发明进一步利用飞行救援装置配置为飞行救生圈、飞行救生担架和/或水上无人机，便于根据需要匹配不同的飞行救援装置进行救援，提高救援便捷性。
附图说明
22.图1为一种基于视觉识别的飞行救援方法的流程示意图。
23.图2为一种基于视觉识别的飞行救援系统的结构示意图。
24.图3为一种基于视觉识别的飞行救援系统的原理框图。
25.图4为一种基于视觉识别的飞行救援系统中摄像装置的结构框图。
26.图5为一种基于视觉识别的飞行救援方法中飞行救生圈的应用示意图。
27.图6为一种基于视觉识别的飞行救援方法中飞行救生担架的应用示意图。
28.图7为一种基于视觉识别的飞行救援中摄像装置的结构示意图。
实施方式
29.下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
30.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
31.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例一：
32.请参阅图1-6，一种基于视觉识别的救援系统，包括飞行救援装置10、摄像装置200以及控制系统300；飞行救援装置10包括水上无人机100、飞行救生圈100’以及飞行救生担架100
’’
；在一些实施例中，飞行救援装置10为水上无人机100；水上无人机100上搭载有摄像装置200；在一些实施例中摄像装置200通过多轴可调节云台安装在水上无人机100上；所述摄像装置200包括普通可见光摄像模组200’以及双光摄像模组200
’’
；所述双光摄像模组200
’’
包括普通可见光摄像模组200’以及红外摄像模组；在一些实施例中，飞行救援装置10为飞行救生圈100’；飞行救生圈100’上搭载普通可见光摄像模组200’；在一些实施例中，飞行救援装置10为飞行救生担架100
’’
，飞行救生担架100
’’
上搭载双光摄像模组200
’’
；利用红外摄像模组对普通可见光摄像模组进行补充，有利于夜间
或光线不佳的情况下的视觉识别救援；在一些实施例中，所述摄像装置200还包括激光雷达（图未示出），利用激光雷达对视觉识别进行补充定位。
33.控制系统300包括主控单元301以及视觉识别单元302，主控单元301与飞行救援装置10的飞控单元101连接，在一些实施例中，所述控制系统300置于飞行救援装置10上，该控制系统300能够接收并分析图像，进行视觉检测与识别，发现落水者并控制飞行救援装置10飞行抵近降落救援；在一些实施例中，所述控制系统300配置在远程服务器400上，飞行救援装置10与远程服务器网络连接，该控制系统300能够接收并分析图像，进行视觉检测与识别，发现落水者并控制飞行救援装置10飞行抵近降落救援；基于上述救援系统的飞行救援方法，包括，step1、救援信息获取，接警获取水面事故的信息；step2、事故分析与飞行救援计划，分析获取的水面事故的信息，匹配飞行救援计划，确定飞行救援装置、目标位置以及航线；step3、飞行抵达，飞行救援装置依据目标位置以及航线快速飞行至救援目标区域；step4、视觉检测与识别，飞行救援装置利用摄像装置进行救援目标区域内的视觉检测，并ai识别出落水者,并对落水者的精准定位；step5、抵近降落救援，飞行救援装置基于视觉检测与识别的精准定位，飞行调整飞行速度与姿态，抵近并降落救援。
34.在一些实施例中，所述救援信息包括水面事故类型、水面事故位置、落水人员数量与特征以及水面环境特征。
35.在一些实施例中，step1中所述事故分析与飞行救援计划中飞行救援装置包括飞行救生圈以及飞行救生担架，根据落水人员数量及特征确定飞行救援装置种类和数量。
36.在一些实施例中，step4中所述摄像装置包括普通摄像模组、双光摄像模组和/或激光雷达，在普通可见光摄像模组的基础上可用红外摄像模组或激光雷达进行辅助视觉检测与识别，有利于智能化精准识别与定位。
37.在一些实施例中，step4中视觉检测与识别包括如下步骤：步骤一：采集以往大量水面事故信息数据，形成基础数据库；步骤二：归一化预处理步骤一种基础数据库的落水人员信息数据及其环境信息数据，构建用于落水者视觉检测识别的训练和测试集；步骤三：构建基于bp神经网络的视觉检测与识别模型，并利用步骤二中的训练和测试集进行训练和测试得到基于bp神经网络的视觉检测与识别模型；步骤四：通过摄像模组采集救援目标区域内的图片，输入基于bp神经网络的视觉检测与识别模型识别出落水者，并持续追踪。
38.优选的，所述基于bp神经网络的视觉检测与识别模型中bp神经网络有输入层、隐含层和输出层；输入层有4个输入；4个输入分别为：为视觉图像；为风速；为光照强度；浪高；
输出层有2个输出，2个输出分别为：为落水者能够坚持的时间；为飞行救援装置与落水者之间的距离；所述隐含层采用tansig函数；
39.（1）式中：为训练后的视觉检测与识别模型中落水者能够坚持的时间预测模型，为训练后的视觉检测与识别模型中飞行救援装置与落水者之间的距离预测模型。
40.优选的，所述输出层还有第三个输出，第三个输出：为飞行救援装置相对于落水者的最优降落位置；
41.（2）式中：为训练后的视觉检测与识别模型中飞行救援装置相对于落水者的降落位置预测模型，飞行救援装置的飞控组件根据飞行救援装置相对于落水者的最优降落位置实时调整飞行速度以及姿态，直至降落使得落水者获得救援。
42.在一些实施例中，当飞行救援装置为飞行救生圈或浮力无人机，飞行救生圈或浮力无人机基于视觉识别的进行飞行救援时，快速精准飞抵至落水者附近，使得落水者提供快速应急脱险。
43.在一些实施例中，当飞行救援装置为飞行救生担架，飞行救生担架基于视觉识别的进行飞行救援时，快速精准飞抵至落水者附近，使得落水者提供快速应急脱险，同时携带落水者在水面航行至岸边或船边。
44.在一些实施例中，当飞行救援装置为防水无人机，防水无人机携带气囊或浮力设备进行救援。
45.实施例二：请查阅图7，本实施例在实施例一的基础上增加了如下技术特征：所述摄像装置200包括云台201及相机单元202，所述相机单元202包括若干组摄像部2022以及安装座2021，各组摄像部2022上均布置两个摄像单元；在任意组摄像部上：两个摄像单元的视野相互交叉或在使用时可被调整为视野相互交叉；所述云台201为多轴云台，云台的旋转轴中，至少有两根轴的轴线方向不同。
46.所述摄像单元即为相机单元上的具体摄像部件，如单个摄像单元即为一个相机或包括一块图像传感器和与所述图像传感器匹配的镜头。
47.优选的，相机单元202通过云台201与飞行救援装置间接连接，便于安装和检修，如考虑飞行救援装置搭载重量，优选设置为所述摄像部的组量为一组即可。优选的，云台的旋转轴中，有两根轴的轴线方向垂直；优选的，为使得本摄像装置能够在其工作过程中，在保证后期航摄数据处理重量的前提下，能够根据需要，实现视口朝向的俯仰调整和横滚调整，所述云台201包括横滚臂2011及俯仰臂2013，所述横滚臂2011与俯仰臂2013通过横滚驱动部2012相连，所述相机单元202通过俯仰驱动部2014安装在俯仰臂2013上；所述俯仰驱动部2014与横滚驱动部2012两者的转动中心线相互垂直。
48.在具体运用时，优选设置为所述俯仰驱动部的转轴延伸方向与飞行救援装置的飞行方向垂直，横滚驱动部的转轴延伸方向与飞行救援装置的飞行方向平行。具体实施是，俯
仰驱动部采用俯仰电机即可，横滚驱动部采用横滚电机即可。
49.这样，通过所述云台改变相机单元取景口的朝向，即可使得单个摄像部件通过云台执行的横滚、俯仰等动作，完成不同角度的航摄取景，使得单个摄像部件能够具有多个不同朝向摄像部件的拍摄功能，如基于现有行业中的图像后期处理软件，利用各组摄像部上的两个摄像单元进行多周期取景，每个周期均为：同步进行如6次朝向调整后获得的6组照片数据，而后对这些图片数据进行处理，即可获得理想的处理效果，同时达到能够减轻摄像装置的重量的目的；同时设置为包括若干组摄像部，同时各组摄像部上均布置两个摄像单元，这样，通过多个摄像单元共同工作，可有效保证本摄像装置的航摄效率。具体结构设计中，通过设置为在任意组摄像部上，两个摄像单元的视野相互交叉或在使用时可被调整为视野相互交叉，旨在解决摄像装置视场宽度问题，摄像装置安装在飞行救援装置的前侧底部，采用上述的视野交叉设计，在布局上较小的视口区域，可获得更宽的取景范围有利于水面救援的摄像。
50.优选的，摄像装置外侧安装有防护罩，进行防撞和防水保护。
51.本发明的工作原理是：本发明创造性地提供了一种基于视觉识别的飞行救援方法及其救援系统，本发明基于涉水无人机载体进行飞行救援，利用视觉识别实现飞行救援的智能化，有利于提高救援成功率以及救援效率；本发明进一步利用机器学习或神经网络深度学习技术，利用视觉图像进行高效智能化视觉识别，并基于视觉识别结果指导飞行救援装置进行飞行抵近降落救援，大大提高飞行救援装置的救援智能化和救援效率，在特殊条件下可以配合人工干预进行飞行救援装置的操控，进一步保障救援。
52.本发明进一步利用飞行救援装置配置为飞行救生圈、飞行救生担架和/或水上无人机，便于根据需要匹配不同的飞行救援装置进行救援，提高救援便捷性。
53.上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。

技术特征：
1.一种基于视觉识别的飞行救援方法，其特征在于，包括，救援信息获取，接警获取水面事故的信息；事故分析与飞行救援计划，分析获取的水面事故的信息，匹配飞行救援计划，确定飞行救援装置、目标位置以及航线；飞行抵达，飞行救援装置依据目标位置以及航线快速飞行至救援目标区域；视觉检测与识别，飞行救援装置利用摄像模组进行救援目标区域内的视觉检测，并ai识别出落水者，并对落水者的精准定位；抵近降落救援，飞行救援装置基于视觉检测与识别的精准定位，飞行调整飞行速度与姿态，抵近并降落救援。2.根据权利要求1所述的基于视觉识别的飞行救援方法，其特征在于，所述救援信息包括水面事故类型、水面事故位置、落水人员数量与特征以及水面环境特征。3.根据权利要求1所述的基于视觉识别的飞行救援方法，其特征在于，所述事故分析与飞行救援计划中飞行救援装置包括飞行救生圈以及飞行救生担架，根据落水人员数量及特征确定飞行救援装置种类和数量。4.根据权利要求1所述的基于视觉识别的飞行救援方法，其特征在于，所述摄像模组包括普通摄像模组以及双光摄像模组，利用红外摄像模组进行辅助视觉检测与识别。5.根据权利要求1所述的基于视觉识别的飞行救援方法，其特征在于，视觉检测与识别包括如下步骤：步骤一：采集以往大量水面事故信息数据，形成基础数据库；步骤二：归一化预处理步骤一种基础数据库的落水人员信息数据及其环境信息数据，构建用于落水者视觉检测识别的训练和测试集；步骤三：构建基于bp神经网络的视觉检测与识别模型，并利用步骤二中的训练和测试集进行训练和测试得到基于bp神经网络的视觉检测与识别模型；步骤四：通过摄像模组采集救援目标区域内的图片，输入基于bp神经网络的视觉检测与识别模型识别出落水者，并持续追踪。6.根据权利要求1所述的基于视觉识别的飞行救援方法，其特征在于，所述基于bp神经网络的视觉检测与识别模型中bp神经网络有输入层、隐含层和输出层；输入层有4个输入；4个输入分别为：为视觉图像；为风速；为光照强度；浪高；输出层有2个输出，2个输出分别为：为落水者能够坚持的时间；为飞行救援装置与落水者之间的距离；所述隐含层采用tansig函数；；（1）式中：为训练后的视觉检测与识别模型中落水者能够坚持的时间预测模型，为训练后的视觉检测与识别模型中飞行救援装置与落水者之间的距离预测模型。7.根据权利要求1所述的基于视觉识别的飞行救援方法，其特征在于，所述输出层还有第三个输出，第三个输出：为飞行救援装置相对于落水者的最优降落位置；
；（2）式中：为训练后的视觉检测与识别模型中飞行救援装置相对于落水者的降落位置预测模型；飞行救援装置的飞控组件根据飞行救援装置相对于落水者的最优降落位置实时调整飞行速度以及姿态，直至降落使得落水者获得救援。8.根据权利要求1所述的基于视觉识别的飞行救援方法，其特征在于，当飞行救援装置为飞行救生圈或浮力无人机，飞行救生圈或浮力无人机基于视觉识别的进行飞行救援时，快速精准飞抵至落水者附近，使得落水者提供快速应急脱险。9.根据权利要求1所述的基于视觉识别的飞行救援方法，其特征在于，当飞行救援装置为飞行救生担架，飞行救生担架基于视觉识别的进行飞行救援时，快速精准飞抵至落水者附近，使得落水者提供快速应急脱险，同时携带落水者在水面航行至岸边或船边。10.一种基于视觉识别的飞行救援系统，包括飞行救援装置、摄像装置以及控制系统；所述飞行救援装置包括飞行救生圈、飞行救生担架以及水上无人机；所述控制系统能够接收并分析图像，进行视觉检测与识别，发现落水者并控制飞行救援装置飞行抵近降落救援。11.根据权利要求10所述基于视觉识别的飞行救援系统，其特征在于，所述摄像装置包括云台及相机单元，所述相机单元包括若干组摄像部，各组摄像部上均布置两个摄像单元；在任意组摄像部上：两个摄像单元的视野相互交叉或在使用时可被调整为视野相互交叉；所述云台为多轴云台，云台的旋转轴中，至少有两根轴的轴线方向不同；所述摄像单元即为相机单元上的具体摄像部件，如单个摄像单元即为一个相机或包括一块图像传感器和与所述图像传感器匹配的镜头。12.根据权利要求11所述基于视觉识别的飞行救援系统，其特征在于，相机单元通过云台与飞行救援装置间接连接，便于安装和检修，如考虑飞行救援装置搭载重量，优选设置为所述摄像部的组量为一组即可。优选的，云台的旋转轴中，有两根轴的轴线方向垂直。13.根据权利要求12所述基于视觉识别的飞行救援系统，其特征在于，所述云台包括横滚臂及俯仰臂，所述横滚臂与俯仰臂通过横滚驱动部相连，所述相机单元通过俯仰驱动部安装在俯仰臂上；所述俯仰驱动部与横滚驱动部两者的转动中心线相互垂直。14.根据权利要求13所述基于视觉识别的飞行救援系统，其特征在于，摄像装置外侧安装有防护罩，进行防撞和防水保护。15.根据权利要求14所述基于视觉识别的飞行救援系统，其特征在于，所述控制系统包括主控单元以及视觉识别单元；所述控制系统置于飞行救援装置上或远程服务器上；安装于飞行救援装置的摄像装置与其上的飞控单元连接；主控单元与飞行救援装置的飞控单元有线或无线连接；主控单元以及视觉识别单元能够接收并分析图像，进行视觉检测与识别，发现落水者并控制飞行救援装置飞行抵近降落救援。

技术总结
本发明公开了一种基于视觉识别的飞行救援方法，包括救援信息获取，接警获取水面事故的信息；事故分析与飞行救援计划，分析获取的水面事故的信息，匹配飞行救援计划，确定飞行救援装置、目标位置以及航线；飞行抵达，飞行救援装置依据目标位置以及航线快速飞行至救援目标区域；视觉检测与识别，飞行救援装置利用摄像模组进行救援目标区域内的视觉检测，并AI识别出落水者，并对落水者的精准定位；抵近降落救援，飞行救援装置基于视觉检测与识别的精准定位，飞行调整飞行速度与姿态，抵近并降落救援；本发明基于涉水无人机载体进行飞行救援，利用视觉识别实现飞行救援的智能化，有利于提高救援成功率以及救援效率。于提高救援成功率以及救援效率。于提高救援成功率以及救援效率。


技术研发人员：陈冲 石晓雨
受保护的技术使用者：南京开天眼无人机科技有限公司
技术研发日：2023.02.17
技术公布日：2023/4/29