在森林地区使用从空中视角的热图进行实时人体检测
Oscar Ramírez-Ayala1, Iván González-Hernández1, Sergio Salazar1
1Aerial and Submarine Autonomous Navigation Systems Program, Cinvestav, Mexico City 07360, Mexico.
Sensors (Basel, Switzerland)
|November 25, 2023
概括
这项研究引入了一个新的热成像数据集和深度学习模型,用于从空中视图中检测森林地区的人. 这种方法通过克服小物体大小和封闭等挑战,改善了搜索和救援行动.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 在森林环境中从空中平台上检测人员进行搜救是具有挑战性的,因为物体尺寸小,遮蔽.
- 现有用于人体检测的RGB数据集不能充分解决封闭场景.
研究的目的:
- 开发一套新的热图数据集,专门设计用于从空中视角检测被遮蔽的人.
- 创建和评估卷积神经网络 (CNN) 深度学习模型,用于实时空中人员检测.
主要方法:
- 开发一个专门的热图像数据集,其中包含封闭场景.
- 实施基于CNN的深度学习模型,用于人身检测.
- 使用具有高度控制的四旋翼直升机原型用于空中数据采集.
主要成果:
- 拟议的热成像方法有效地突出了被封闭的个体,提高了检测能力.
- 在新数据集上训练的CNN模型在挑战性森林环境中识别人群方面表现更好.
结论:
- 热成像与深度学习相结合,为空中人员检测在封闭的森林搜救场景提供了有希望的解决方案.
- 开发的数据集和模型推进了关键操作的实时空中监视的最新技术.
