一个红外数据集,用于在复杂的环境中检测部分被遮蔽的人,用于搜索和救援
Zhuoyuan Song1,2, Yili Yan2, Yixin Cao2
1School of Computer Science and Engineering, Xi'an Technological University, Xi'an, 710021, China.
Scientific data
|February 19, 2025
概括
这项研究引入了一个新的数据集,用于使用无人机的热成像来检测部分被遮蔽的人. 这提高了在具有挑战性的,封闭的环境中搜索和救援的能力.
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:
- 无人驾驶飞行器 (UAV) 与深度学习相结合,在搜救方面展现出有前途的潜力.
- 环境遮蔽,就像树木一样,显著降低了光学传感器在检测失踪人员方面的性能.
- 现有的数据集对部分封闭的人类目标缺乏足够的数据,这阻碍了自动识别.
研究的目的:
- 解决在复杂环境中检测部分被遮住的人的局限性.
- 引入一套新型数据集,专门用于基于无人机的红外热成像,用于户外,部分封闭的人员检测 (POP).
主要方法:
- 收集并标记了来自各种环境场景的8768个热图像的数据集.
- 利用在POP数据集上训练的受欢迎的对象检测网络.
- 评估训练有素网络在检测部分隐蔽的人类目标方面的表现.
主要成果:
- 通过POP数据集,可实现稳定的平均精度和短响应时间,用于检测部分封闭的人.
- 对象检测精度仍然很高,即使阻塞率超过70%.
- 经过训练的网络在复杂的,封闭的搜索场景中表现出强的性能.
结论:
- 波普数据集是推进寻找复杂遮蔽下人类物体的方法学的宝贵资源.
- 这项工作增强了无人机和深度学习的潜力,以在具有挑战性的条件下进行有效的搜救行动.
