在智能城市中,无人机辅助的自适应物体检测和保护隐私的监控使用鱼优化的深度强化学习技术

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 无人机监视越来越多地用于城市环境中的物体和人类检测.
• 目前的方法依赖于人工智能和监控图像的计算机辅助处理.
• 需要更先进的物体检测技术 (ODT) 来提高准确性和效率.

研究的目的:

• 提出一种新的物体检测技术 (ODT),该技术集成了鱼优化算法和深度强化学习.
• 提高监控视频中对象/人检测的准确性和效率.
• 为了利用生物灵感优化来提取特征和对象识别.

主要方法:

• 拟议的ODT使用鱼优化算法来提取所有像素的图像特征.
• 深度强化学习被用来指导寻找最佳特征并完善对象检测.
• 该技术模拟鱼的食行为,以识别和分类重叠的特征以进行检测.

主要成果:

• 鱼优化算法有效地识别了从原始到终端传播的图像特征.
• 与强化学习的整合允许验证低重叠特征和向高重叠特征的移动.
• 这种方法可以通过基于重叠特征的拼接像素差异化来实现精确的对象识别.

结论:

• 结合鱼优化和深度强化学习的新型ODT,为监视中的对象检测提供了一个有希望的方法.
• 该方法通过分析像素级特征和重叠来证明识别对象的有效性.
• 这种技术在加强拥挤的公共空间的安全和监控方面具有潜在的应用.