在无人机热图像中检测人类:数据集扩展和嵌入式平台上的比较评估
Andrei-Alexandru Ulmămei1, Taddeo D'Adamo2, Costin-Emanuel Vasile1
1Department of Electronic Devices, Circuits and Architectures, National University of Science and Technology Politehnica Bucharest, 060042 Bucharest, Romania.
Journal of imaging
|December 24, 2025
概括
带有热摄像头的无人机 (UAV) 通过在山上检测人类来改善搜救 (SAR). 新的数据集和模型评估显示,在具有挑战性的地形中,人类检测的准确性很高.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 遥感 遥感 遥感 遥感
背景情况:
- 带有热摄像头的无人机对于搜救至关重要,但现有的数据集缺乏山地地形数据,阻碍了模型的性能.
- 在SAR中检测挑战包括低可见度和小的人类目标,特别是在山脉等复杂环境中.
研究的目的:
- 通过创建一个新的,广泛的山区环境热图像基准来解决现有数据集的局限性.
- 对物体检测和语义细分模型进行全面的比较评估,以在嵌入式硬件上的SAR操作中检测人类.
主要方法:
- 使用DJI M3T无人机收集并注释了一组新的山区热图数据集.
- 整合了新数据集与十个现有数据源,以创建超过75,000张图像的基准.
- 在NVIDIA Jetson AGX Orin上评估了对象检测 (YOLOv8/9/10,RT-DETR) 和语义细分 (U-Net变体) 模型,分析了准确性,速度和能耗.
主要成果:
- 语义细分和物体检测模型都在山地场景中实现了高精度的人类检测 (分别为90%和85%).
- 细分模型在嵌入式Jetson平台上实现了实时性能 (FP16模式最多可达到27FPS).
- 对比分析提供了关于不同模型在准确性,推断速度和能源效率方面的权衡的见解.
结论:
- 开发的山地热图数据集显著提高了SAR应用的基准.
- 语义细分和物体检测模型是有效的人类检测在具有挑战性的山区环境使用无人机.
- 综合评估为在嵌入式硬件上部署高效的人工智能模型提供了有价值的数据,用于现实世界的SAR任务.
