通过深度神经网络模型,基于无人机的多人检测
Mohammed Alshehri1, Laiba Zahoor2, Yahya AlQahtani3
1Department of Computer Science, King Khalid University, Abha, Saudi Arabia.
Frontiers in neurorobotics
|May 2, 2025
概括
本研究引入了一种深度学习系统,用于识别无人机 (UAV) 视频中的多人行动. 这种新的方法在复杂的环境中提高了准确性和稳定性,推进了智能无人机应用.
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:
- 人类行为识别对于监控,机器人和自主系统至关重要.
- 无人机录制的视频带来了独特的挑战,例如动作模糊和动态背景.
- 现有的方法难以应对空中行动识别的复杂性.
研究的目的:
- 开发一个强大的深度学习系统,用于从无人机数据中识别多人行动.
- 在充满挑战,充满活力的环境中提高准确性和适应性.
- 推进智能无人机应用程序的功能.
主要方法:
- 一个深度学习框架,集成多种功能和神经网络模型.
- 利用特征提取技术来解决运动动态和环境约束.
- 在MOD20和Okutama-Action数据集上进行了测试.
主要成果:
- 在MOD20数据集上实现了91.50%的准确性.
- 在Okutama-Action数据集上实现了89.71%的准确性.
- 与现有方法相比,表现出优越的性能.
结论:
- 拟议的深度学习框架在具有挑战性的无人机条件下有效识别多人行动.
- 该系统在动态环境中表现出强度和适应性.
- 强调神经网络对于基于无人机的应用程序的实用性.
