KR102172974B1 - Apparatus and method for identifying unmanned aerial vehicles using radar - Google Patents

Apparatus and method for identifying unmanned aerial vehicles using radar Download PDF

Info

Publication number
KR102172974B1
KR102172974B1 KR1020190017943A KR20190017943A KR102172974B1 KR 102172974 B1 KR102172974 B1 KR 102172974B1 KR 1020190017943 A KR1020190017943 A KR 1020190017943A KR 20190017943 A KR20190017943 A KR 20190017943A KR 102172974 B1 KR102172974 B1 KR 102172974B1
Authority
KR
South Korea
Prior art keywords
vehicle
unmanned aerial
pattern information
movement pattern
aerial vehicle
Prior art date
Application number
KR1020190017943A
Other languages
Korean (ko)
Other versions
KR20200099823A (en
Inventor
오대건
최병길
이영춘
Original Assignee
재단법인대구경북과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020190017943A priority Critical patent/KR102172974B1/en
Publication of KR20200099823A publication Critical patent/KR20200099823A/en
Application granted granted Critical
Publication of KR102172974B1 publication Critical patent/KR102172974B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/505—Systems of measurement based on relative movement of target using Doppler effect for determining closest range to a target or corresponding time, e.g. miss-distance indicator
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G06K9/20—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

레이더를 이용한 무인 비행체 식별 장치 및 그 방법이 개시된다. 무인 비행체 식별 방법은 레이더를 이용하여 비행체를 탐지하는 단계; 상기 비행체의 현재 이동 패턴 정보를 측정하는 단계; 및 상기 현재 이동 패턴 정보를 기초로 상기 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단하는 단계를 포함할 수 있다.Disclosed is an unmanned aerial vehicle identification device and method using a radar. The unmanned aerial vehicle identification method includes the steps of detecting the vehicle using a radar; Measuring current movement pattern information of the vehicle; And determining whether the vehicle is an unmanned aerial vehicle flying along a path based on the current movement pattern information.

Description

레이더를 이용한 무인 비행체 식별 장치 및 그 방법{APPARATUS AND METHOD FOR IDENTIFYING UNMANNED AERIAL VEHICLES USING RADAR}Unmanned aerial vehicle identification device using radar and its method {APPARATUS AND METHOD FOR IDENTIFYING UNMANNED AERIAL VEHICLES USING RADAR}

본 발명은 마이크로 도플러 패턴 없이 무인 비행체를 식별하는 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for identifying an unmanned aerial vehicle without a micro Doppler pattern.

드론과 같은 무인 비행체를 이용한 원거리 감시, 또는 촬영 시스템이 개발됨에 따라 보안을 위하여 무인 비행체를 탐지 및 격퇴하는 대응 시스템도 개발되고 있다. As long-distance monitoring or shooting systems using unmanned aerial vehicles such as drones are developed, response systems for detecting and repelling unmanned aerial vehicles are also being developed for security.

그러나, 하늘에는 무인 비행체 이외에도 조류나 풍선과 같은 보안과 관련되지 않는 비행체가 있으며, 무인 비행체가 아닌 비행체에 대하여 대응을 하는 경우, 불필요한 경비가 소요된다는 문제가 있었다.However, in addition to the unmanned aerial vehicle, there are air vehicles that are not related to security such as birds or balloons, and there is a problem that unnecessary expenses are required when responding to non-unmanned air vehicles.

종래의 무인 비행체 식별 장치는 프로펠러를 이용하는 드론들의 특징을 고려하여 프로펠러의 회전에서 발생하는 마이크로 도플러 패턴이 발생하는지 여부를 측정하고, 마이크로 도플러 패턴이 발생한 비행체를 무인 비행체로 식별하였다.The conventional unmanned aerial vehicle identification device measures whether a micro Doppler pattern generated by rotation of a propeller occurs in consideration of the characteristics of drones using a propeller, and identifies the vehicle in which the micro Doppler pattern has occurred as an unmanned aerial vehicle.

그러나, 마이크로 도플러 패턴을 측정하기 위해서는 레이더 신호가 비행체에서 반사된 반사 신호의 신호대 잡음비가 임계값 이상이어야 하므로, 비행체와 레이더 간의 거리가 일정 거리 이상인 경우, 마이크로 도플러 패턴을 측정할 수 없었다. 즉, 종래의 무인 비행체 식별 장치는 일정 거리 이상의 원거리에 위치한 비행체가 무인 비행체인지 여부를 식별하지 못한다는 한계가 있었다.However, in order to measure the micro Doppler pattern, the signal-to-noise ratio of the reflected signal reflected by the radar signal from the vehicle must be greater than or equal to the threshold value, so when the distance between the vehicle and the radar is more than a certain distance, the micro Doppler pattern cannot be measured. That is, the conventional unmanned aerial vehicle identification device has a limitation in that it cannot identify whether or not an unmanned aerial vehicle is an unmanned aerial vehicle located at a distance greater than a certain distance.

또한, 종래의 무인 비행체 식별 장치는 무인 비행체가 마이크로 도플러 패턴이 발생하는 프로펠러가 없는 고정익을 사용하는 경우, 무인 비행체로 식별하지 못한다는 한계도 있었다.In addition, the conventional unmanned aerial vehicle identification device has a limitation in that it cannot be identified as an unmanned aerial vehicle when the unmanned aerial vehicle uses a fixed wing without a propeller generating a micro Doppler pattern.

따라서, 원거리에서 탐지된 비행체가 무인 비행체인지 여부를 식별할 수 있는 방법이 요청되고 있다.Accordingly, there is a need for a method capable of identifying whether or not an aircraft detected from a distance is an unmanned aerial vehicle.

본 발명은 비행체의 이동 경로, 또는 패턴에 따라 비행체가 무인 비행체인지 여부를 식별함으로써, 근거리에서만 사용 가능한 도플러 패턴 없이도 무인 비행체 여부를 식별할 수 있으므로, 도플러 패턴의 추출이 불가능한 원거리에서 탐지된 비행체가 무인 비행체인지 여부를 식별할 수 있는 장치 및 방법을 제공할 수 있다.In the present invention, by identifying whether the vehicle is an unmanned vehicle according to the movement path or pattern of the vehicle, it is possible to identify whether the vehicle is an unmanned vehicle without a Doppler pattern that can only be used in a short distance, so that the vehicle detected from a distance where extraction of the Doppler pattern is impossible It is possible to provide an apparatus and method capable of identifying whether or not it is an unmanned flight.

본 발명의 일실시예에 따른 무인 비행체 식별 방법은 레이더를 이용하여 비행체를 탐지하는 단계; 상기 비행체의 현재 이동 패턴 정보를 측정하는 단계; 및 상기 현재 이동 패턴 정보를 기초로 상기 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단하는 단계를 포함할 수 있다.An unmanned aerial vehicle identification method according to an embodiment of the present invention includes the steps of detecting the vehicle using a radar; Measuring current movement pattern information of the vehicle; And determining whether the vehicle is an unmanned aerial vehicle flying along a path based on the current movement pattern information.

본 발명의 일실시예에 따른 무인 비행체 식별 방법의 현재 이동 패턴 정보는, 상기 비행체의 이동 경로, 상기 비행체의 속도 변화 패턴, 상기 비행체의 고도 변화 패턴, 상기 비행체와 상기 레이더 간의 거리, 상기 비행체의 방향 변화 패턴, 상기 비행체의 도플러 패턴 중 적어도 하나를 포함할 수 있다.The current movement pattern information of the unmanned aerial vehicle identification method according to an embodiment of the present invention includes the movement path of the vehicle, the speed change pattern of the vehicle, the altitude change pattern of the vehicle, the distance between the vehicle and the radar, and the It may include at least one of a direction change pattern and a Doppler pattern of the vehicle.

본 발명의 일실시예에 따른 무인 비행체 식별 방법의 무인 비행체인지 여부를 판단하는 단계는, 상기 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 규칙적인 경우, 상기 비행체를 상기 무인 비행체로 판단하고, 상기 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 불규칙한 경우, 상기 비행체를 무인 비행체가 아닌 것으로 판단할 수 있다.Determining whether or not the unmanned aerial vehicle is an unmanned aerial vehicle identification method according to an embodiment of the present invention, when the patterns included in the current movement pattern information or a movement path are regular, determine the vehicle as the unmanned vehicle And, when the patterns included in the current movement pattern information or the movement path is irregular, it may be determined that the vehicle is not an unmanned vehicle.

본 발명의 일실시예에 따른 무인 비행체 식별 방법의 무인 비행체인지 여부를 판단하는 단계는, 경로에 따라 비행하는 무인 비행체에 대응하는 샘플 이동 패턴 정보, 및 기 설정된 경로 없이 비행하는 비행체에 대응하는 샘플 이동 패턴 정보를 이용하여 학습된 패턴 인식 모델을 이용하여 상기 비행체가 상기 무인 비행체인지 여부를 판단할 수 있다.The step of determining whether or not the unmanned aerial vehicle is an unmanned aerial vehicle identification method according to an embodiment of the present invention includes sample movement pattern information corresponding to an unmanned aerial vehicle flying along a path, and a sample corresponding to an air vehicle flying without a preset path. It is possible to determine whether the vehicle is the unmanned vehicle by using the pattern recognition model learned using the movement pattern information.

본 발명의 일실시예에 따른 무인 비행체 식별 방법의 패턴 인식 모델은, 경로에 따라 비행하는 무인 비행체에 대응하는 샘플 정보, 및 기 설정된 경로 없이 비행하는 비행체에 대응하는 샘플 정보를 재생산하여 다양성을 증가시키고, 다양성이 증가된 샘플 정보들을 기초로 생성된 샘플 이동 패턴 정보들을 이용하여 학습될 수 있다.The pattern recognition model of the unmanned aerial vehicle identification method according to an embodiment of the present invention increases diversity by reproducing sample information corresponding to an unmanned aerial vehicle flying along a path and sample information corresponding to an unmanned aerial vehicle flying without a preset route. And, it may be learned by using sample movement pattern information generated based on sample information having increased diversity.

본 발명의 일실시예에 따른 무인 비행체 식별 방법은 상기 현재 이동 패턴 정보를 이미지화하는 단계를 더 포함하고, 상기 패턴 인식 모델은, 이미지화된 샘플 이동 패턴 정보들을 이용하여 학습된 이미지 인식 모델이며, 이미지화된 현재 이동 패턴 정보를 기초로 상기 비행체가 상기 무인 비행체인지 여부를 판단할 수 있다.An unmanned aerial vehicle identification method according to an embodiment of the present invention further comprises the step of imageizing the current movement pattern information, and the pattern recognition model is an image recognition model learned using imaged sample movement pattern information, and imaging It may be determined whether the vehicle is the unmanned vehicle based on the current movement pattern information.

본 발명의 일실시예에 따른 무인 비행체 식별 장치는 레이더를 이용하여 비행체를 탐지하는 비행체 탐지부; 상기 비행체의 현재 이동 패턴 정보를 측정하는 이동 패턴 정보 측정부; 및 상기 현재 이동 패턴 정보를 기초로 상기 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단하는 무인 비행체 판단부를 포함할 수 있다.An apparatus for identifying an unmanned aerial vehicle according to an embodiment of the present invention comprises: an air vehicle detection unit for detecting an air vehicle using a radar; A movement pattern information measuring unit that measures current movement pattern information of the vehicle; And an unmanned aerial vehicle determining unit determining whether the vehicle is an unmanned aerial vehicle flying along a path based on the current movement pattern information.

본 발명의 일실시예에 따른 무인 비행체 식별 장치의 현재 이동 패턴 정보는, 상기 비행체의 이동 경로, 상기 비행체의 속도 변화 패턴, 상기 비행체의 고도 변화 패턴, 상기 비행체와 상기 레이더 간의 거리, 상기 비행체의 방향 변화 패턴, 상기 비행체의 도플러 패턴 중 적어도 하나를 포함할 수 있다.The current movement pattern information of the unmanned aerial vehicle identification device according to an embodiment of the present invention includes a movement path of the vehicle, a speed change pattern of the vehicle, an altitude change pattern of the vehicle, a distance between the vehicle and the radar, and It may include at least one of a direction change pattern and a Doppler pattern of the vehicle.

본 발명의 일실시예에 따른 무인 비행체 식별 장치의 무인 비행체 판단부는, 상기 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 규칙적인 경우, 상기 비행체를 상기 무인 비행체로 판단하고, 상기 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 불규칙한 경우, 상기 비행체를 무인 비행체가 아닌 것으로 판단할 수 있다.The unmanned aerial vehicle determination unit of the unmanned aerial vehicle identification device according to an embodiment of the present invention, when the patterns included in the current movement pattern information or a movement path is regular, determines the vehicle as the unmanned vehicle, and the current movement When the patterns included in the pattern information or the movement path are irregular, it may be determined that the vehicle is not an unmanned vehicle.

본 발명의 일실시예에 따른 무인 비행체 식별 장치의 무인 비행체 판단부는, 경로에 따라 비행하는 무인 비행체에 대응하는 샘플 이동 패턴 정보, 및 기 설정된 경로 없이 비행하는 비행체에 대응하는 샘플 이동 패턴 정보를 이용하여 학습된 패턴 인식 모델을 이용하여 상기 비행체가 상기 무인 비행체인지 여부를 판단할 수 있다.The unmanned aerial vehicle determination unit of the unmanned aerial vehicle identification device according to an embodiment of the present invention uses sample movement pattern information corresponding to an unmanned aerial vehicle flying along a path, and sample movement pattern information corresponding to an air vehicle flying without a preset path. Thus, it is possible to determine whether the vehicle is the unmanned vehicle using the learned pattern recognition model.

본 발명의 일실시예에 따른 무인 비행체 식별 장치의 패턴 인식 모델은, 경로에 따라 비행하는 무인 비행체에 대응하는 샘플 이동 패턴 정보, 및 기 설정된 경로 없이 비행하는 비행체에 대응하는 샘플 이동 패턴 정보를 재생산하여 다양성을 증가시키고, 다양성이 증가된 샘플 이동 패턴 정보들을 이용하여 학습될 수 있다.The pattern recognition model of the unmanned aerial vehicle identification device according to an embodiment of the present invention reproduces sample movement pattern information corresponding to an unmanned aerial vehicle flying along a path, and sample movement pattern information corresponding to an air vehicle flying without a preset path. Thus, the diversity can be increased, and the diversity can be learned using the increased sample movement pattern information.

본 발명의 일실시예에 따른 무인 비행체 식별 장치는 상기 현재 이동 패턴 정보를 이미지화하는 이미지화부를 더 포함하고, 상기 패턴 인식 모델은, 이미지화된 샘플 이동 패턴 정보들을 이용하여 학습된 이미지 인식 모델이며, 이미지화된 현재 이동 패턴 정보를 기초로 상기 비행체가 상기 무인 비행체인지 여부를 판단할 수 있다.The unmanned aerial vehicle identification apparatus according to an embodiment of the present invention further includes an imaging unit for imageizing the current movement pattern information, and the pattern recognition model is an image recognition model learned using imaged sample movement pattern information, It is possible to determine whether the vehicle is the unmanned vehicle based on the imaged current movement pattern information.

본 발명의 일실시예에 의하면, 비행체의 이동 경로, 또는 패턴에 따라 비행체가 무인 비행체인지 여부를 식별함으로써, 근거리에서만 사용 가능한 도플러 패턴 없이도 무인 비행체 여부를 식별할 수 있으므로, 도플러 패턴의 추출이 불가능한 원거리에서 탐지된 비행체가 무인 비행체인지 여부를 식별할 수 있다.According to an embodiment of the present invention, by identifying whether the vehicle is an unmanned vehicle according to the movement path or pattern of the vehicle, it is possible to identify whether the vehicle is an unmanned vehicle without a Doppler pattern that can only be used in a short distance, so that extraction of a Doppler pattern is impossible. It can be identified whether or not the vehicle detected from a distance is an unmanned aerial vehicle.

도 1은 본 발명의 일실시예에 따른 무인 비행체 식별 장치를 나타내는 도면이다.
도 2는 본 발명의 일실시예에 따른 무인 비행체 식별 장치의 구조를 나타내는 도면이다.
도 3은 본 발명의 일실시예에 따라 추출한 이동 패턴 정보의 일례이다.
도 4는 본 발명의 일실시예에 따른 비행체 식별 과정의 일례이다.
도 5는 본 발명의 일실시예에 따라 이미지화된 샘플 이동 패턴 정보들을 학습하는 과정의 일례이다.
도 6은 본 발명의 일실시예에 따라 생성한 도플러 이미지의 일례이다.
도 7은 본 발명의 일실시예에 따른 무인 비행체 식별 방법을 도시한 플로우차트이다.
도 8은 본 발명의 일실시예에 따른 무인 비행체 식별을 위한 인식 모델 학습 방법을 도시한 플로우차트이다.
도 9는 본 발명의 일실시예에 따른 인식 모델을 이용한 무인 비행체 식별 방법을 도시한 플로우차트이다.1 is a view showing an unmanned aerial vehicle identification device according to an embodiment of the present invention.
2 is a view showing the structure of an unmanned aerial vehicle identification device according to an embodiment of the present invention.
3 is an example of movement pattern information extracted according to an embodiment of the present invention.
4 is an example of a vehicle identification process according to an embodiment of the present invention.
5 is an example of a process of learning imaged sample movement pattern information according to an embodiment of the present invention.
6 is an example of a Doppler image generated according to an embodiment of the present invention.
7 is a flowchart illustrating a method of identifying an unmanned aerial vehicle according to an embodiment of the present invention.
8 is a flowchart illustrating a method of learning a recognition model for identification of an unmanned aerial vehicle according to an embodiment of the present invention.
9 is a flowchart illustrating a method of identifying an unmanned aerial vehicle using a recognition model according to an embodiment of the present invention.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.Hereinafter, exemplary embodiments will be described in detail with reference to the accompanying drawings. However, since various changes may be made to the embodiments, the scope of the rights of the patent application is not limited or limited by these embodiments. It should be understood that all changes, equivalents, or substitutes to the embodiments are included in the scope of the rights.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the examples are used for illustrative purposes only and should not be interpreted as limiting. Singular expressions include plural expressions unless the context clearly indicates otherwise. In the present specification, terms such as "comprise" or "have" are intended to designate the presence of features, numbers, steps, actions, components, parts, or combinations thereof described in the specification, but one or more other features. It is to be understood that the presence or addition of elements or numbers, steps, actions, components, parts, or combinations thereof, does not preclude in advance.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the embodiment belongs. Terms as defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and should not be interpreted as an ideal or excessively formal meaning unless explicitly defined in this application. Does not.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, in the description with reference to the accompanying drawings, the same reference numerals are assigned to the same components regardless of the reference numerals, and redundant descriptions thereof will be omitted. In describing the embodiments, when it is determined that a detailed description of related known technologies may unnecessarily obscure the subject matter of the embodiments, the detailed description thereof will be omitted.

본 발명의 일실시예에 따른 무인 비행체 식별 방법은 무인 비행체 식별 장치에 의해 수행될 수 있다. An unmanned aerial vehicle identification method according to an embodiment of the present invention may be performed by an unmanned aerial vehicle identification device.

도 1은 본 발명의 일실시예에 따른 무인 비행체 식별 장치를 나타내는 도면이다. 1 is a view showing an unmanned aerial vehicle identification device according to an embodiment of the present invention.

레이더(110)는 공중으로 레이더 신호를 송출할 수 있다. 그리고, 레이더(110)는 레이더 신호가 공중에서 비행, 또는 부유하고 있는 타겟인 비행체에 반사된 반사 신호를 수신할 수 있다. 이때, 레이더(110)는 수신한 반사 신호가 포함된 측정 결과를 무인 비행체 식별 장치(120)로 전송할 수 있다. The radar 110 may transmit a radar signal to the air. In addition, the radar 110 may receive a reflected signal reflected by a radar signal flying in the air or a floating target vehicle. In this case, the radar 110 may transmit the measurement result including the received reflected signal to the unmanned aerial vehicle identification device 120.

무인 비행체 식별 장치(120)는 레이더(110)로부터 수신한 측정 결과를 이용하여 비행체를 탐지할 수 있다. 다음으로, 무인 비행체 식별 장치(120)는 탐지한 비행체의 이동 패턴 정보를 측정할 수 있다. 그 다음으로, 무인 비행체 식별 장치(120)는 이동 패턴 정보를 기초로 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단할 수 있다.The unmanned aerial vehicle identification device 120 may detect the vehicle using the measurement result received from the radar 110. Next, the unmanned aerial vehicle identification device 120 may measure movement pattern information of the detected vehicle. Next, the unmanned aerial vehicle identification device 120 may determine whether or not the vehicle is an unmanned aerial vehicle flying along a path based on the movement pattern information.

정찰이나 촬영을 위한 무인 비행체는 수KM이상을 비행하므로, 수동으로 제어하지 않고 기 설정된 경로에 따라 비행하게 된다. 이때, 무인 비행체는 자동 고도 유지 장치에 의하여 일정 고도를 유지할 수 있다. 또한, 무인 비행체는 동력의 효율성을 위하여 최적의 효율을 가질 수 있는 속도를 유지할 가능성이 높다. 즉, 정찰이나 촬영을 위한 무인 비행체는 일정한 고도에서 일정한 속도로 비행하며, 기 설정된 경로로 이동하게 된다. Since unmanned aerial vehicles for reconnaissance or filming fly several kilometers or more, they fly according to a preset route without manual control. At this time, the unmanned aerial vehicle may maintain a constant altitude by an automatic altitude maintenance device. In addition, the unmanned aerial vehicle is highly likely to maintain a speed that can have optimal efficiency for power efficiency. That is, the unmanned aerial vehicle for reconnaissance or photographing flies at a constant speed at a constant altitude, and moves in a preset path.

반면, 조류나, 사용자가 직접 조작하는 비행체는 바람이나 기압에 따라 속도와 고도가 불규칙하게 변화하며, 이동 경로도 조류나 사용자에 의하여 실시간으로 변경되므로 불규칙하게 변화할 수 있다. On the other hand, a bird or a vehicle directly manipulated by a user may change irregularly in speed and altitude according to the wind or air pressure, and the movement path is also changed in real time by the bird or the user.

따라서, 무인 비행체 식별 장치(120)는 정찰이나 촬영을 위한 무인 비행체와 조류와 같은 비행체 간의 경로 및 이동 패턴의 차이를 고려하여 무인 비행체를 식별할 수 있다.Accordingly, the unmanned aerial vehicle identification device 120 may identify an unmanned aerial vehicle in consideration of differences in paths and movement patterns between an unmanned aerial vehicle for reconnaissance or photographing and an air vehicle such as a bird.

무인 비행체 식별 장치(120)가 식별하고자 하는 무인 비행체는 경로에 따라 비행하며 촬영이 가능한 원거리 무인 비행체이며, 사용자가 수동으로 조작하는 무인 비행체는 무인 비행체 식별 장치(120)에서 무인 비행체가 아닌 것으로 식별될 수 있다.The unmanned aerial vehicle to be identified by the unmanned aerial vehicle identification device 120 is a long-distance unmanned aerial vehicle that can be photographed while flying according to the path, and the unmanned aerial vehicle manually operated by the user is identified as not an unmanned vehicle by the unmanned vehicle identification device 120 Can be.

예를 들어, 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 규칙적인 경우, 무인 비행체 식별 장치(120)는 비행체를 무인 비행체로 판단할 수 있다. 또한, 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 불규칙한 경우, 무인 비행체 식별 장치(120)는 비행체를 무인 비행체가 아닌 조류나 부유물로 판단할 수 있다.For example, when patterns included in the movement pattern information or a movement path are regular, the unmanned aerial vehicle identification device 120 may determine the vehicle as an unmanned vehicle. In addition, when patterns included in the current movement pattern information or movement paths are irregular, the unmanned aerial vehicle identification device 120 may determine the vehicle as a bird or a floating object, not an unmanned aerial vehicle.

또한, 무인 비행체 식별 장치(120)는 이동 패턴 정보 학습 장치(130)로부터 샘플 이동 패턴 정보를 이용하여 학습된 패턴 인식 모델을 수신할 수 있다. 이때, 무인 비행체 식별 장치(120)는 탐지 결과에서 비행체의 현재 이동 패턴 정보를 측정하고, 측정한 현재 이동 패턴 정보를 패턴 인식 모델에 입력하여 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단할 수 있다.In addition, the unmanned aerial vehicle identification device 120 may receive a pattern recognition model learned using the sample movement pattern information from the movement pattern information learning device 130. At this time, the unmanned aerial vehicle identification device 120 measures the current movement pattern information of the vehicle from the detection result, and inputs the measured current movement pattern information into the pattern recognition model to determine whether the vehicle is an unmanned vehicle flying along the path. I can.

그리고, 무인 비행체 식별 장치(120)는 이동 패턴 정보 학습 장치(130)로부터 샘플 이동 패턴 정보를 이용하여 학습된 이미지 인식 모델을 수신할 수 있다. 이때, 무인 비행체 식별 장치(120)는 탐지 결과에서 비행체의 현재 이동 패턴 정보를 측정하고, 측정한 현재 이동 패턴 정보를 이미지화할 수 있다. 다음으로, 무인 비행체 식별 장치(120)는 이미지화된 현재 이미지 패턴 정보를 이미지 인식 모델에 입력하여 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단할 수 있다.In addition, the unmanned aerial vehicle identification device 120 may receive an image recognition model learned using sample movement pattern information from the movement pattern information learning device 130. In this case, the unmanned aerial vehicle identification device 120 may measure the current movement pattern information of the vehicle from the detection result and image the measured current movement pattern information. Next, the unmanned aerial vehicle identification device 120 may determine whether the vehicle is an unmanned aerial vehicle flying along a path by inputting the imaged current image pattern information into the image recognition model.

이동 패턴 정보 학습 장치(130)는 샘플 이동 패턴 정보를 이용하여 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단하기 위한 패턴 인식 모델을 학습시킬 수 있다.The movement pattern information learning apparatus 130 may learn a pattern recognition model for determining whether the vehicle is an unmanned aerial vehicle flying along a path using the sample movement pattern information.

이때, 이동 패턴 정보 학습 장치(130)는 경로에 따라 비행하는 무인 비행체에 대응하는 샘플 정보, 및 기 설정된 경로 없이 비행하는 비행체에 대응하는 샘플 정보를 재생산하여 다양성을 증가시킬 수 있다. 다음으로, 이동 패턴 정보 학습 장치(130)는 다양성이 증가된 샘플 정보들 각각으로부터 샘플 이동 패턴 정보를 생성할 수 있다. 이때, 생성한 샘플 이동 패턴 정보들에는 경로에 따라 비행하는 무인 비행체에 대응하는 샘플 이동 패턴 정보, 및 기 설정된 경로 없이 비행하는 비행체에 대응하는 샘플 이동 패턴 정보가 포함될 수 있다.In this case, the movement pattern information learning apparatus 130 may increase diversity by reproducing sample information corresponding to an unmanned aerial vehicle flying along a path and sample information corresponding to an air vehicle flying without a preset path. Next, the movement pattern information learning apparatus 130 may generate sample movement pattern information from each of the sample information having increased diversity. In this case, the generated sample movement pattern information may include sample movement pattern information corresponding to an unmanned aerial vehicle flying along a path, and sample movement pattern information corresponding to an aircraft flying without a preset path.

그 다음으로, 이동 패턴 정보 학습 장치(130)는 샘플 이동 패턴 정보들을 이용하여 패턴 인식 모델을 학습시킬 수 있다.Next, the movement pattern information learning apparatus 130 may train a pattern recognition model using sample movement pattern information.

또한, 이동 패턴 정보 학습 장치(130)는 샘플 정보들을 이용하여 생성한 샘플 이동 패턴 정보들을 이미지화할 수 있다. 다음으로, 이동 패턴 정보 학습 장치(130)는 이미지화된 샘플 이동 패턴 정보들을 이용하여 이미지화된 현재 이동 패턴 정보가 비행체가 경로에 따라 비행하는 무인 비행체에 대응하는지 여부를 판단하기 위한 이미지 인식 모델을 학습시킬 수 있다. Also, the movement pattern information learning apparatus 130 may image sample movement pattern information generated by using the sample information. Next, the movement pattern information learning device 130 learns an image recognition model for determining whether the current movement pattern information imaged using the imaged sample movement pattern information corresponds to the unmanned vehicle flying along the path of the vehicle. I can make it.

본 발명의 일실시예에 따른 무인 비행체 식별 장치(120)는 비행체의 이동 경로, 또는 패턴에 따라 비행체가 무인 비행체인지 여부를 식별함으로써, 근거리에서만 사용 가능한 도플러 패턴 없이도 무인 비행체 여부를 식별할 수 있으므로, 도플러 패턴의 추출이 불가능한 원거리에서 탐지된 비행체가 무인 비행체인지 여부를 식별할 수 있다.The unmanned aerial vehicle identification device 120 according to an embodiment of the present invention can identify whether the vehicle is an unmanned vehicle according to the movement path or pattern of the vehicle, thereby identifying whether the vehicle is an unmanned vehicle without a Doppler pattern that can only be used in a short distance. In addition, it is possible to identify whether or not the vehicle detected from a distance where extraction of the Doppler pattern is impossible is an unmanned vehicle.

도 2는 본 발명의 일실시예에 따른 무인 비행체 식별 장치의 구조를 나타내는 도면이다. 2 is a view showing the structure of an unmanned aerial vehicle identification device according to an embodiment of the present invention.

무인 비행체 식별 장치(100)는 도 2에 도시된 바와 같이 비행체 탐지부(210), 이동 패턴 정보 측정부(220), 이미지화부(230), 및 무인 비행체 판단부(240)를 포함할 수 있다. 이때, 비행체 탐지부(210), 이동 패턴 정보 측정부(220), 이미지화부(230), 및 무인 비행체 판단부(240)는 서로 다른 프로세서, 또는 하나의 프로세서에서 수행되는 프로그램에 포함된 각각의 모듈일 수 있다. The unmanned aerial vehicle identification device 100 may include an air vehicle detection unit 210, a movement pattern information measurement unit 220, an imaging unit 230, and an unmanned vehicle determination unit 240, as shown in FIG. 2. . At this time, the vehicle detection unit 210, the movement pattern information measurement unit 220, the imaging unit 230, and the unmanned vehicle determination unit 240 are different processors, or each of the programs included in the program executed by one processor. It can be a module.

비행체 탐지부(210)는 레이더(110)로부터 수신한 측정 결과를 이용하여 비행체를 탐지할 수 있다. 구체적으로, 비행체 탐지부(210)는 레이더(110)가 송출한 레이더 신호와 측정 결과에 포함된 반사 신호를 비교하여 비행체의 위치를 탐지할 수 있다.The vehicle detection unit 210 may detect the vehicle using the measurement result received from the radar 110. Specifically, the vehicle detection unit 210 may detect the position of the vehicle by comparing the radar signal transmitted by the radar 110 with a reflected signal included in the measurement result.

이동 패턴 정보 측정부(220)는 비행체 탐지부(210)가 탐지한 비행체의 현재 이동 패턴 정보를 측정할 수 있다. 이때, 현재 이동 패턴 정보는, 비행체의 이동 경로, 비행체의 속도 변화 패턴, 비행체의 고도 변화 패턴, 비행체와 레이더 간의 거리, 비행체의 방향 변화 패턴, 비행체의 도플러 패턴 중 적어도 하나를 포함할 수 있다.The movement pattern information measuring unit 220 may measure current movement pattern information of the vehicle detected by the vehicle detection unit 210. At this time, the current movement pattern information may include at least one of a movement path of the vehicle, a speed change pattern of the vehicle, an altitude change pattern of the vehicle, a distance between the vehicle and a radar, a direction change pattern of the vehicle, and a Doppler pattern of the vehicle.

이미지화부(230)는 이동 패턴 정보 학습 장치(130)가 이미지 인식 모델을 전송한 경우, 이동 패턴 정보 측정부(220)가 측정한 현재 이동 패턴 정보를 이미지화할 수 있다. 즉, 실시예에 따라 무인 비행체 식별 장치(120)에 이미지화부(230)가 포함될지 여부가 결정될 수 있다. 예를 들어, 이동 패턴 정보 학습 장치(130)가 패턴 인식 모델을 전송하거나, 무인 비행체 판단부(240)가 현재 이동 패턴 정보만으로 무인 비행체 여부를 판단하는 경우, 현재 이동 패턴 정보의 이미지화가 필요 없을 수 있다. 따라서, 상기 조건 중 하나를 만족하는 경우, 이미지화부(230)는 무인 비행체 식별 장치(120)에 포함되지 않을 수도 있다.When the moving pattern information learning device 130 transmits an image recognition model, the imaging unit 230 may image the current moving pattern information measured by the moving pattern information measuring unit 220. That is, according to the embodiment, whether or not the imaging unit 230 is included in the unmanned aerial vehicle identification device 120 may be determined. For example, when the movement pattern information learning device 130 transmits a pattern recognition model or the unmanned aerial vehicle determination unit 240 determines whether an unmanned vehicle exists only with the current movement pattern information, it is not necessary to image the current movement pattern information. I can. Therefore, when one of the above conditions is satisfied, the imaging unit 230 may not be included in the unmanned aerial vehicle identification device 120.

무인 비행체 판단부(240)는 이동 패턴 정보 측정부(220)가 측정한 현재 이동 패턴 정보를 기초로 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단할 수 있다.The unmanned aerial vehicle determination unit 240 may determine whether the vehicle is an unmanned aerial vehicle flying according to a path based on the current movement pattern information measured by the movement pattern information measuring unit 220.

구체적으로, 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 규칙적인 경우, 무인 비행체 판단부(240)는 비행체를 무인 비행체로 판단할 수 있다. 또한, 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 불규칙한 경우, 무인 비행체 판단부(240)는 비행체를 무인 비행체가 아닌 것으로 판단할 수 있다.Specifically, when patterns included in the current movement pattern information or movement paths are regular, the unmanned aerial vehicle determination unit 240 may determine the vehicle as an unmanned aerial vehicle. In addition, when patterns included in the current movement pattern information or movement paths are irregular, the unmanned aerial vehicle determination unit 240 may determine that the vehicle is not an unmanned aerial vehicle.

그리고, 무인 비행체 판단부(240)는 이동 패턴 정보 학습 장치(130)로부터 패턴 인식 모델을 수신할 수 있다. 이때, 무인 비행체 판단부(240)는 현재 이동 패턴 정보를 패턴 인식 모델에 입력하여 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단할 수 있다.In addition, the unmanned aerial vehicle determination unit 240 may receive a pattern recognition model from the movement pattern information learning device 130. At this time, the unmanned aerial vehicle determination unit 240 may input current movement pattern information into the pattern recognition model to determine whether the vehicle is an unmanned aerial vehicle flying along a path.

또한, 무인 비행체 판단부(240)는 이동 패턴 정보 학습 장치(130)로부터 이미지 인식 모델을 수신할 수 있다. 이때, 무인 비행체 판단부(240)는 이미지화부(230)에서 이미지화된 현재 이미지 패턴 정보를 이미지 인식 모델에 입력하여 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단할 수 있다.In addition, the unmanned aerial vehicle determination unit 240 may receive an image recognition model from the movement pattern information learning device 130. At this time, the unmanned aerial vehicle determination unit 240 may determine whether the vehicle is an unmanned aerial vehicle flying along a path by inputting the current image pattern information imaged by the imaging unit 230 into the image recognition model.

도 3은 본 발명의 일실시예에 따라 추출한 이동 패턴 정보의 일례이다.3 is an example of movement pattern information extracted according to an embodiment of the present invention.

비행체 탐지부(210)는 레이더(110)가 송출한 레이더 신호와 측정 결과에 포함된 반사 신호를 비교하여 비행체(310)의 위치를 탐지할 수 있다.The vehicle detection unit 210 may detect the position of the vehicle 310 by comparing the radar signal transmitted by the radar 110 with a reflected signal included in the measurement result.

이때, 비행체 탐지부(210)는 레이더(110)의 위치를 기준으로 비행체(310)의 고각, 방위각, 거리를 측정하여 이동 패턴 정보 측정부(220)에 전달할 수 있다. 또한, 비행체 탐지부(210)는 비행체(310)의 도플러(doppler) 정보를 추출하여 이동 패턴 정보 측정부(220)로 전달할 수 있다.In this case, the vehicle detection unit 210 may measure the elevation, azimuth, and distance of the vehicle 310 based on the position of the radar 110 and transmit the measurement to the movement pattern information measurement unit 220. In addition, the vehicle detection unit 210 may extract Doppler information of the vehicle 310 and transmit it to the movement pattern information measurement unit 220.

다음으로, 이동 패턴 정보 측정부(220)는 비행체 탐지부(210)가 탐지한 비행체의 이동 패턴 정보(320)를 측정할 수 있다. Next, the movement pattern information measuring unit 220 may measure the movement pattern information 320 of the vehicle detected by the vehicle detection unit 210.

구체적으로, 이동 패턴 정보 측정부(220)는 비행체 탐지부(210)로부터 수신한 비행체(310)의 고각, 방위각, 거리를 이용하여 비행체(310)의 이동 경로, 비행체의 고도 변화 패턴, 비행체와 레이더 간의 거리, 비행체의 방향 변화 패턴을 측정할 수 있다. 또한, 이동 패턴 정보 측정부(220)는 비행체(310)의 도플러 정보를 이용하여 비행체의 속도 변화 패턴, 속도 분배(Distribution) 정보, 및 비행체의 도플러 패턴을 측정할 수 있다. 그리고, 이동 패턴 정보 측정부(220)는 측정한 정보들이 포함된 이동 패턴 정보(320)를 이미지화부(230), 또는 무인 비행체 판단부(240)로 전달할 수 있다.Specifically, the movement pattern information measuring unit 220 uses the elevation, azimuth, and distance of the vehicle 310 received from the vehicle detection unit 210 to determine the movement path of the vehicle 310, the altitude change pattern of the vehicle, and It is possible to measure the distance between radars and the pattern of changes in the direction of the vehicle. In addition, the movement pattern information measuring unit 220 may measure a speed change pattern of the aircraft, speed distribution information, and a Doppler pattern of the aircraft by using Doppler information of the aircraft 310. In addition, the movement pattern information measuring unit 220 may transmit the movement pattern information 320 including the measured information to the imaging unit 230 or the unmanned aerial vehicle determination unit 240.

도 4는 본 발명의 일실시예에 따른 비행체 식별 과정의 일례이다.4 is an example of a vehicle identification process according to an embodiment of the present invention.

이동 패턴 정보 학습 장치(130)는 샘플 정보들(410)을 입력받을 수 있다.The movement pattern information learning apparatus 130 may receive sample information 410.

이동 패턴 정보 학습 장치(130)는 입력받은 샘플 정보(410)들을 재생산하여 샘플 이동 패턴 정보들의 다양성을 증가시킬 수 있다. 예를 들어, 이동 패턴 정보 학습 장치(130)는 갠(GAN: Generative adversarial networks)(420) 러닝을 이용하여 샘플 정보(410)들을 재생산할 수 있다.The movement pattern information learning apparatus 130 may increase diversity of sample movement pattern information by reproducing the received sample information 410. For example, the movement pattern information learning apparatus 130 may reproduce the sample information 410 by using Generative adversarial networks (GAN) 420 running.

이동 패턴 정보 학습 장치(130)는 재생산된 샘플 정보들(430) 각각의 이동 패턴 정보(450)들을 생성할 수 있다. 이때, 이동 패턴 정보 학습 장치(130)는 샘플 정보에 포함된 비행체의 고각, 방위각, 거리, 및 도플러 정보를 이용하여 비행체의 이동 경로, 비행체의 속도 변화 패턴, 비행체의 고도 변화 패턴, 비행체와 레이더 간의 거리, 비행체의 방향 변화 패턴, 비행체의 도플러 패턴 중 적어도 하나를 포함하는 이동 패턴 정보(450)들을 생성할 수 있다.The movement pattern information learning apparatus 130 may generate movement pattern information 450 of each of the reproduced sample information 430. At this time, the movement pattern information learning device 130 uses the elevation angle, azimuth angle, distance, and Doppler information of the vehicle included in the sample information, and the movement path of the vehicle, the pattern of the velocity change of the vehicle, the pattern of the elevation change of the vehicle, the vehicle and the radar It is possible to generate movement pattern information 450 including at least one of a distance, a direction change pattern of the vehicle, and a Doppler pattern of the vehicle.

이동 패턴 정보 학습 장치(130)는 이동 패턴 정보(450)들을 이용하여 패턴 인식 모델(460)이 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단할 수 있도록 학습할 수 있다. 또한, 이동 패턴 정보 학습 장치(130)는 이동 패턴 정보(450)들을 이미지화하고, 이미지화된 이동 패턴 정보(450)들을 이용하여 이미지 인식 모델이 무인 비행체에 대응하는 이미지화된 이동 패턴 정보를 판단할 수 있도록 학습할 수 있다.The movement pattern information learning device 130 may learn to determine whether the pattern recognition model 460 is an unmanned aerial vehicle flying along a path by using the movement pattern information 450. In addition, the movement pattern information learning device 130 may image the movement pattern information 450 and determine the imaged movement pattern information corresponding to the unmanned aerial vehicle by the image recognition model using the imaged movement pattern information 450. To be able to learn.

무인 비행체 식별 장치(120)는 학습이 완료된 패턴 인식 모델(470)에 현재 이동 패턴 정보를 입력하여 레이더에서 탐지된 비행체가 드론과 같은 무인 비행체인지, 또는 조류와 같은 비행체인지 여부를 식별할 수 있다.The unmanned aerial vehicle identification device 120 may identify whether the vehicle detected by the radar is an unmanned aerial vehicle such as a drone or a bird-like air vehicle by inputting current movement pattern information into the pattern recognition model 470 that has been learned. .

이때, 무인 비행체 식별 장치(120)는 현재 이동 패턴 정보에 프로펠러의 회전에 의한 도플러 패턴이 포함되었고, 비행체가 무인 비행체로 판단된 경우, 비행체를 회전익 드론으로 식별할 수 있다. 또한, 무인 비행체 식별 장치(120)는 현재 이동 패턴 정보에 프로펠러의 회전에 의한 도플러 패턴이 포함되지 않고, 비행체가 무인 비행체로 판단된 경우, 비행체를 고정익 드론으로 식별할 수 있다.At this time, the unmanned aerial vehicle identification device 120 includes a Doppler pattern due to rotation of a propeller in the current movement pattern information, and when it is determined that the vehicle is an unmanned vehicle, the vehicle may be identified as a rotorcraft drone. In addition, when the current movement pattern information does not include a Doppler pattern due to rotation of a propeller, and it is determined that the vehicle is an unmanned vehicle, the unmanned vehicle identification device 120 may identify the vehicle as a fixed wing drone.

도 5는 본 발명의 일실시예에 따라 이미지화된 샘플 이동 패턴 정보들을 학습하는 과정의 일례이다.5 is an example of a process of learning imaged sample movement pattern information according to an embodiment of the present invention.

이동 패턴 정보 학습 장치(130)는 샘플 이동 패턴을 이미지화하여 이미지화된 샘플 이동 패턴(510)들을 생성할 수 있다.The movement pattern information learning apparatus 130 may generate imaged sample movement patterns 510 by imaging the sample movement pattern.

그리고, 이동 패턴 정보 학습 장치(130)는 랜덤 노이즈(520)들을 역CNN(Inverse Convolutional Neural Network)500)에 입력하여 거짓 이미지(530)들을 생성할 수 있다.Further, the movement pattern information learning apparatus 130 may generate false images 530 by inputting the random noises 520 into an inverse convolutional neural network (CNN) 500.

이동 패턴 정보 학습 장치(130)는 이미지화된 샘플 이동 패턴(510)들과 거짓 이미지(530)들을 CNN(501)에 입력하여 거짓 이미지(530)들에 대하여 결과(540)가 거짓(Fake)가 되도록 CNN(501)을 학습할 수 있다. 또한, 이동 패턴 정보 학습 장치(130)는 이미지화된 샘플 이동 패턴(510) 중에서 무인 비행체에 대응하는 이미지화된 샘플 이동 패턴들에 대하여 결과(540)가 참(Real)이 되도록 CNN(501)을 학습할 수 있다.The moving pattern information learning device 130 inputs the imaged sample moving patterns 510 and false images 530 to the CNN 501, and the result 540 is false with respect to the false images 530. The CNN 501 can be learned as much as possible. In addition, the movement pattern information learning device 130 learns the CNN 501 so that the result 540 is true for the imaged sample movement patterns corresponding to the unmanned aerial vehicle among the imaged sample movement patterns 510 can do.

도 6은 본 발명의 일실시예에 따라 생성한 도플러 이미지의 일례이다.6 is an example of a Doppler image generated according to an embodiment of the present invention.

이동 패턴 정보 측정부(220)는 도 5에 도시된 바와 같은 도플러 정보(600)를 이용하여 도플러 패턴 이미지들을 생성할 수 있다. 예를 들어, 이동 패턴 정보 측정부(220)는 도플러 정보(600)의 패턴(610)의 형상을 나타내는 도플러 패턴 이미지(611)를 생성할 수 있다. 또한, 이동 패턴 정보 측정부(220)는 도플러 정보(600)의 패턴(620)의 형상을 나타내는 도플러 패턴 이미지(621)를 생성할 수 있다.The movement pattern information measuring unit 220 may generate Doppler pattern images using Doppler information 600 as illustrated in FIG. 5. For example, the movement pattern information measuring unit 220 may generate a Doppler pattern image 611 representing the shape of the pattern 610 of the Doppler information 600. In addition, the movement pattern information measuring unit 220 may generate a Doppler pattern image 621 representing the shape of the pattern 620 of the Doppler information 600.

도 7은 본 발명의 일실시예에 따른 무인 비행체 식별 방법을 도시한 플로우차트이다.7 is a flowchart illustrating a method of identifying an unmanned aerial vehicle according to an embodiment of the present invention.

단계(710)에서 비행체 탐지부(210)는 레이더(110)로부터 수신한 측정 결과를 이용하여 비행체를 탐지할 수 있다. 구체적으로, 비행체 탐지부(210)는 레이더(110)가 송출한 레이더 신호와 측정 결과에 포함된 반사 신호를 비교하여 비행체의 위치를 탐지할 수 있다.In step 710, the vehicle detection unit 210 may detect the vehicle by using the measurement result received from the radar 110. Specifically, the vehicle detection unit 210 may detect the position of the vehicle by comparing the radar signal transmitted by the radar 110 with a reflected signal included in the measurement result.

단계(720)에서 이동 패턴 정보 측정부(220)는 단계(710)에서 탐지한 비행체의 현재 이동 패턴 정보를 측정할 수 있다. In step 720, the movement pattern information measuring unit 220 may measure current movement pattern information of the vehicle detected in step 710.

단계(730)에서 무인 비행체 판단부(240)는 단계(720)에서 측정한 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 규칙적인지 여부를 확인할 수 있다. 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 규칙적인 경우, 무인 비행체 판단부(240)는 단계(740)를 수행할 수 있다. 또한, 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 불규칙적인 경우, 무인 비행체 판단부(240)는 단계(730)를 수행할 수 있다.In step 730, the unmanned aerial vehicle determination unit 240 may check whether patterns included in the current movement pattern information measured in step 720 or whether the movement path is regular. When patterns included in the current movement pattern information or movement paths are regular, the unmanned aerial vehicle determination unit 240 may perform step 740. In addition, when patterns included in the current movement pattern information or movement paths are irregular, the unmanned aerial vehicle determination unit 240 may perform step 730.

단계(730)에서 무인 비행체 판단부(240)는 비행체를 무인 비행체가 아닌 것으로 판단할 수 있다.In step 730, the unmanned aerial vehicle determination unit 240 may determine that the vehicle is not an unmanned aerial vehicle.

단계(740)에서 무인 비행체 판단부(240)는 비행체를 무인 비행체로 판단할 수 있다. In step 740, the unmanned aerial vehicle determination unit 240 may determine the vehicle as an unmanned aerial vehicle.

도 8은 본 발명의 일실시예에 따른 무인 비행체 식별을 위한 인식 모델 학습 방법을 도시한 플로우차트이다.8 is a flowchart illustrating a method of learning a recognition model for identification of an unmanned aerial vehicle according to an embodiment of the present invention.

단계(810)에서 이동 패턴 정보 학습 장치(130)는 샘플 정보들을 입력받을 수 있다. 이때, 이동 패턴 정보 학습 장치(130)는 입력받은 샘플 정보(410)들을 재생산하여 샘플 이동 패턴 정보들의 다양성을 증가시킬 수 있다. In step 810, the movement pattern information learning apparatus 130 may receive sample information. In this case, the movement pattern information learning apparatus 130 may increase diversity of sample movement pattern information by reproducing the received sample information 410.

단계(820)에서 이동 패턴 정보 학습 장치(130)는 단계(810)에서 획득, 또는 재생산한 샘플 정보들 각각의 이동 패턴 정보들을 생성할 수 있다. 이때, 이동 패턴 정보 학습 장치(130)는 샘플 정보에 포함된 비행체의 고각, 방위각, 거리, 및 도플러 정보를 이용하여 비행체의 이동 경로, 비행체의 속도 변화 패턴, 비행체의 고도 변화 패턴, 비행체와 레이더 간의 거리, 비행체의 방향 변화 패턴, 비행체의 도플러 패턴 중 적어도 하나를 포함하는 이동 패턴 정보들을 생성할 수 있다.In step 820, the movement pattern information learning apparatus 130 may generate movement pattern information of each of the sample information obtained or reproduced in step 810. At this time, the movement pattern information learning device 130 uses the elevation angle, azimuth angle, distance, and Doppler information of the vehicle included in the sample information, and the movement path of the vehicle, the pattern of the velocity change of the vehicle, the pattern of the elevation change of the vehicle, the vehicle and the radar Movement pattern information including at least one of a distance, a direction change pattern of the vehicle, and a Doppler pattern of the vehicle may be generated.

단계(830)에서 이동 패턴 정보 학습 장치(130)는 단계(810)에서 생성한 이동 패턴 정보들을 이용하여 패턴 인식 모델에게 무인 비행체의 특징을 학습시킬 수 있다. In step 830, the movement pattern information learning apparatus 130 may learn the characteristics of the unmanned aerial vehicle from the pattern recognition model by using the movement pattern information generated in step 810.

단계(840)에서 이동 패턴 정보 학습 장치(130)는 단계(830)에서 무인 비행체의 특징을 학습한 패턴 인식 모델을 무인 비행체 식별 장치(120)로 전송할 수 있다.In step 840, the movement pattern information learning device 130 may transmit a pattern recognition model obtained by learning the characteristics of the unmanned aerial vehicle in step 830 to the unmanned aerial vehicle identification device 120.

도 9는 본 발명의 일실시예에 따른 인식 모델을 이용한 무인 비행체 식별 방법을 도시한 플로우차트이다.9 is a flowchart illustrating a method of identifying an unmanned aerial vehicle using a recognition model according to an embodiment of the present invention.

단계(910)에서 무인 비행체 식별 장치(120)는 이동 패턴 정보 학습 장치(130)로부터 무인 비행체의 특징을 학습한 패턴 인식 모델을 수신할 수 있다.In step 910, the unmanned aerial vehicle identification device 120 may receive a pattern recognition model obtained by learning the characteristics of the unmanned aerial vehicle from the movement pattern information learning device 130.

단계(920)에서 비행체 탐지부(210)는 레이더(110)로부터 수신한 측정 결과를 이용하여 비행체를 탐지할 수 있다. In step 920, the vehicle detection unit 210 may detect the vehicle using the measurement result received from the radar 110.

단계(930)에서 이동 패턴 정보 측정부(220)는 단계(920)에서 탐지한 비행체의 현재 이동 패턴 정보를 측정할 수 있다. In step 930, the movement pattern information measuring unit 220 may measure current movement pattern information of the vehicle detected in step 920.

단계(940)에서 무인 비행체 판단부(240)는 단계(910)에서 수신한 패턴 인식 모델에 단계(930)에서 측정한 현재 이동 패턴 정보를 입력하여 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단할 수 있다.In step 940, the unmanned aerial vehicle determination unit 240 inputs the current movement pattern information measured in step 930 to the pattern recognition model received in step 910 to determine whether the vehicle is an unmanned aerial vehicle flying along the path. I can judge.

본 발명은 비행체의 이동 경로, 또는 패턴에 따라 비행체가 무인 비행체인지 여부를 식별함으로써, 근거리에서만 사용 가능한 도플러 패턴 없이도 무인 비행체 여부를 식별할 수 있으므로, 도플러 패턴의 추출이 불가능한 원거리에서 탐지된 비행체가 무인 비행체인지 여부를 식별할 수 있다.In the present invention, by identifying whether the vehicle is an unmanned vehicle according to the movement path or pattern of the vehicle, it is possible to identify whether the vehicle is an unmanned vehicle without a Doppler pattern that can only be used in a short distance, so that the vehicle detected from a distance where extraction of the Doppler pattern is impossible Whether it is an unmanned aerial vehicle or not can be identified.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -A hardware device specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of the program instructions include not only machine language codes such as those produced by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware device described above may be configured to operate as one or more software modules to perform the operation of the embodiment, and vice versa.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instructions, or a combination of one or more of these, configuring the processing unit to behave as desired or processed independently or collectively. You can command the device. Software and/or data may be interpreted by a processing device or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. , Or may be permanently or temporarily embodyed in a transmitted signal wave. The software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described by the limited drawings, a person of ordinary skill in the art can apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order from the described method, and/or components such as a system, structure, device, circuit, etc. described are combined or combined in a form different from the described method, or other components Alternatively, even if substituted or substituted by an equivalent, an appropriate result can be achieved.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments and claims and equivalents fall within the scope of the following claims.

110: 레이더
120: 무인 비행체 식별 장치
130: 이동 패턴 정보 학습 장치110: radar
120: unmanned aerial vehicle identification device
130: moving pattern information learning device

Claims (12)

레이더를 이용하여 비행체를 탐지하는 단계;
상기 비행체의 현재 이동 패턴 정보를 측정하는 단계;
상기 현재 이동 패턴 정보를 이미지화하는 단계; 및
상기 현재 이동 패턴 정보를 기초로 상기 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단하는 단계
를 포함하고,
상기 무인 비행체인지 여부를 판단하는 단계는,
경로에 따라 비행하는 무인 비행체에 대응하는 샘플 이동 패턴 정보, 및 기 설정된 경로 없이 비행하는 비행체에 대응하는 샘플 이동 패턴 정보를 이용하여 학습된 패턴 인식 모델을 이용하여 상기 비행체가 상기 무인 비행체인지 여부를 판단하며,
상기 패턴 인식 모델은,
이미지화된 샘플 이동 패턴 정보들을 이용하여 학습된 이미지 인식 모델이며, 이미지화된 현재 이동 패턴 정보를 기초로 상기 비행체가 상기 무인 비행체인지 여부를 판단하는 무인 비행체 식별 방법.Detecting the vehicle using a radar;
Measuring current movement pattern information of the vehicle;
Imaging the current movement pattern information; And
Determining whether or not the vehicle is an unmanned aerial vehicle flying along a path based on the current movement pattern information
Including,
The step of determining whether the unmanned flight is,
Using a pattern recognition model learned using sample movement pattern information corresponding to an unmanned aerial vehicle flying along a path and sample movement pattern information corresponding to an air vehicle flying without a preset path, it is determined whether the vehicle is the unmanned aerial vehicle. Judge,
The pattern recognition model,
An image recognition model learned using imaged sample movement pattern information, and an unmanned aerial vehicle identification method for determining whether the vehicle is the unmanned vehicle based on imaged current movement pattern information. 제1항에 있어서,
상기 현재 이동 패턴 정보는,
상기 비행체의 이동 경로, 상기 비행체의 속도 변화 패턴, 상기 비행체의 고도 변화 패턴, 상기 비행체와 상기 레이더 간의 거리, 상기 비행체의 방향 변화 패턴, 상기 비행체의 도플러 패턴 중 적어도 하나를 포함하는 무인 비행체 식별 방법.The method of claim 1,
The current movement pattern information,
An unmanned aerial vehicle identification method comprising at least one of a movement path of the vehicle, a speed change pattern of the vehicle, an altitude change pattern of the vehicle, a distance between the vehicle and the radar, a direction change pattern of the vehicle, and a Doppler pattern of the vehicle . 제1항에 있어서,
상기 무인 비행체인지 여부를 판단하는 단계는,
상기 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 규칙적인 경우, 상기 비행체를 상기 무인 비행체로 판단하고, 상기 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 불규칙한 경우, 상기 비행체를 무인 비행체가 아닌 것으로 판단하는 무인 비행체 식별 방법.The method of claim 1,
The step of determining whether the unmanned flight is,
If the patterns included in the current movement pattern information or the movement path are regular, the aircraft is determined as the unmanned vehicle, and when the patterns included in the current movement pattern information or the movement path is irregular, the aircraft is A method of identifying an unmanned aerial vehicle that is determined to be non-unmanned. 삭제delete 제1항에 있어서,
상기 패턴 인식 모델은,
경로에 따라 비행하는 무인 비행체에 대응하는 샘플 정보, 및 기 설정된 경로 없이 비행하는 비행체에 대응하는 샘플 정보를 재생산하여 다양성을 증가시키고, 다양성이 증가된 샘플 정보들을 기초로 생성된 샘플 이동 패턴 정보들을 이용하여 학습되는 무인 비행체 식별 방법.The method of claim 1,
The pattern recognition model,
Sample information corresponding to an unmanned aerial vehicle flying along a path and sample information corresponding to an aircraft flying without a preset path are reproduced to increase diversity, and sample movement pattern information generated based on the increased diversity sample information Unmanned aerial vehicle identification method learned using. 삭제delete 레이더를 이용하여 비행체를 탐지하는 비행체 탐지부;
상기 비행체의 현재 이동 패턴 정보를 측정하는 이동 패턴 정보 측정부;
상기 현재 이동 패턴 정보를 이미지화하는 이미지화부; 및
상기 현재 이동 패턴 정보를 기초로 상기 비행체가 경로에 따라 비행하는 무인 비행체인지 여부를 판단하는 무인 비행체 판단부
를 포함하고,
상기 무인 비행체 판단부는,
경로에 따라 비행하는 무인 비행체에 대응하는 샘플 이동 패턴 정보, 및 기 설정된 경로 없이 비행하는 비행체에 대응하는 샘플 이동 패턴 정보를 이용하여 학습된 패턴 인식 모델을 이용하여 상기 비행체가 상기 무인 비행체인지 여부를 판단하며
상기 패턴 인식 모델은,
이미지화된 샘플 이동 패턴 정보들을 이용하여 학습된 이미지 인식 모델이며, 이미지화된 현재 이동 패턴 정보를 기초로 상기 비행체가 상기 무인 비행체인지 여부를 판단하는 무인 비행체 식별 장치.A vehicle detection unit for detecting a vehicle using a radar;
A movement pattern information measuring unit that measures current movement pattern information of the vehicle;
An imaging unit to image the current movement pattern information; And
An unmanned aerial vehicle determination unit that determines whether the vehicle is an unmanned aerial vehicle flying along a path based on the current movement pattern information
Including,
The unmanned aerial vehicle determination unit,
Using a pattern recognition model learned using sample movement pattern information corresponding to an unmanned aerial vehicle flying along a path and sample movement pattern information corresponding to an air vehicle flying without a preset path, it is determined whether the vehicle is the unmanned aerial vehicle. Judge
The pattern recognition model,
An image recognition model learned using imaged sample movement pattern information, and an unmanned aerial vehicle identification device that determines whether the vehicle is the unmanned vehicle based on imaged current movement pattern information. 제7항에 있어서,
상기 현재 이동 패턴 정보는,
상기 비행체의 이동 경로, 상기 비행체의 속도 변화 패턴, 상기 비행체의 고도 변화 패턴, 상기 비행체와 상기 레이더 간의 거리, 상기 비행체의 방향 변화 패턴, 상기 비행체의 도플러 패턴 중 적어도 하나를 포함하는 무인 비행체 식별 장치.The method of claim 7,
The current movement pattern information,
An unmanned aerial vehicle identification device comprising at least one of a movement path of the vehicle, a speed change pattern of the vehicle, an altitude change pattern of the vehicle, a distance between the vehicle and the radar, a direction change pattern of the vehicle, and a Doppler pattern of the vehicle . 제7항에 있어서,
상기 무인 비행체 판단부는,
상기 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 규칙적인 경우, 상기 비행체를 상기 무인 비행체로 판단하고, 상기 현재 이동 패턴 정보에 포함된 패턴들, 또는 이동 경로가 불규칙한 경우, 상기 비행체를 무인 비행체가 아닌 것으로 판단하는 무인 비행체 식별 장치.The method of claim 7,
The unmanned aerial vehicle determination unit,
If the patterns included in the current movement pattern information or the movement path are regular, the aircraft is determined as the unmanned vehicle, and when the patterns included in the current movement pattern information or the movement path is irregular, the aircraft is An unmanned aerial vehicle identification device that determines that it is not an unmanned aerial vehicle. 삭제delete 제7항에 있어서,
상기 패턴 인식 모델은,
경로에 따라 비행하는 무인 비행체에 대응하는 샘플 이동 패턴 정보, 및 기 설정된 경로 없이 비행하는 비행체에 대응하는 샘플 이동 패턴 정보를 재생산하여 다양성을 증가시키고, 다양성이 증가된 샘플 이동 패턴 정보들을 이용하여 학습되는 무인 비행체 식별 장치.
The method of claim 7,
The pattern recognition model,
Reproduce sample movement pattern information corresponding to unmanned aerial vehicles flying along a path and sample movement pattern information corresponding to an aircraft flying without a preset path to increase diversity, and learn using sample movement pattern information with increased diversity Unmanned aerial vehicle identification device.
 삭제delete
KR1020190017943A 2019-02-15 2019-02-15 Apparatus and method for identifying unmanned aerial vehicles using radar KR102172974B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190017943A KR102172974B1 (en) 2019-02-15 2019-02-15 Apparatus and method for identifying unmanned aerial vehicles using radar

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190017943A KR102172974B1 (en) 2019-02-15 2019-02-15 Apparatus and method for identifying unmanned aerial vehicles using radar

Publications (2)

Publication Number Publication Date
KR20200099823A KR20200099823A (en) 2020-08-25
KR102172974B1 true KR102172974B1 (en) 2020-11-02

Family

ID=72292799

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190017943A KR102172974B1 (en) 2019-02-15 2019-02-15 Apparatus and method for identifying unmanned aerial vehicles using radar

Country Status (1)

Country Link
KR (1) KR102172974B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112882009B (en) * 2021-01-12 2022-04-19 西安电子科技大学 Radar micro Doppler target identification method based on amplitude and phase dual-channel network

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100017114A1 (en) * 2007-05-24 2010-01-21 Honeywell International Inc. Flight Path Planning to Reduce Detection of an Unmanned Aerial Vehicle
US20170248687A1 (en) * 2014-12-19 2017-08-31 Xidrone Systems, Inc. Deterent for unmanned aerial systems

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100017114A1 (en) * 2007-05-24 2010-01-21 Honeywell International Inc. Flight Path Planning to Reduce Detection of an Unmanned Aerial Vehicle
US20170248687A1 (en) * 2014-12-19 2017-08-31 Xidrone Systems, Inc. Deterent for unmanned aerial systems

Also Published As

Publication number Publication date
KR20200099823A (en) 2020-08-25

Similar Documents

Publication Publication Date Title
US10514711B2 (en) Flight control using computer vision
WO2019067695A1 (en) Flight control using computer vision
US8682521B2 (en) Unpredictable vehicle navigation
US11531100B2 (en) Methods and systems for acoustic machine perception for an aircraft
CN116907282B (en) Unmanned target aircraft ultra-low altitude flight control method based on artificial intelligence algorithm
WO2009102001A1 (en) Bird search system, bird search method, and computer program
GB2562829A (en) System and methods for remote monitoring drones and aerial vehicles for security and health monitoring purposes
KR102172974B1 (en) Apparatus and method for identifying unmanned aerial vehicles using radar
Pandey et al. An optimization of target classification tracking and mathematical modelling for control of autopilot
Svanström Drone detection and classification using machine learning and sensor fusion
Barisic et al. Brain over Brawn: Using a Stereo Camera to Detect, Track, and Intercept a Faster UAV by Reconstructing the Intruder's Trajectory
JP6183703B2 (en) Object detection apparatus, object detection method, and object detection system
JP2019068325A (en) Dynamic body tracker and program therefor
KR102414986B1 (en) UAV Navigation based on GPS and Improved deep learning Network and UAV system using the same
US11741936B2 (en) Acoustic awareness platform
KR102171597B1 (en) Apparatus and Method for Detecting/Analyzing a Blade of a Wind Turbine
JPWO2019049197A1 (en) Aircraft, air vehicle control device, air vehicle control method and air vehicle control program
KR20220085513A (en) Unmanned aerial vehicle and method for moving obstacle collision avoidance
JP7028247B2 (en) Aircraft, air vehicle control device, air vehicle control method and air vehicle control program
US20190129423A1 (en) Dynamic impact detection
KR20210039156A (en) Unmanned aerial apparatus and operating method thereof
CA3048013A1 (en) Process and drone equipped with a landing/take off assistance system
KR20200123556A (en) System and method for operation evaluating of unmanned aerial vehicle
Svanström et al. Drone Detection and Tracking in Real-Time by Fusion of Different Sensing Modalities. Drones 2022, 6, 317
WO2023286186A1 (en) Device for dealing with suspicious aircraft, system for dealing with suspicious aircraft, method for dealing with suspicious aircraft, and program storage medium

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant