基于深度学习、搭载光学与红外相机的无人机人体检测：系统与实验
计算机视觉与模式识别
2020-08-11 v1 机器人学
摘要
本文介绍我们基于深度学习的人体检测系统，其使用光学（RGB）与长波红外（LWIR）相机，从高空飞行的无人机上检测、跟踪、定位并重新识别人体。在各谱段中，带 ResNet 骨干的定制 RetinaNet 网络提供人体检测，随后将其融合以最小化整体误检率。我们表明，通过优化边界框锚点并增强图像分辨率，高空漏检数可降低逾 20%。我们所提网络与不同 RetinaNet 和 YOLO 变体，以及一个使用手工特征的传统光学-红外人体检测框架进行比较。此外，随本文发表，我们发布了一组在搜救外场测试中由不同无人机记录、带标注的光学-红外数据集，以及所实现标注工具的源代码。
引用
@article{arxiv.2008.04197,
title = {Deep Learning-based Human Detection for UAVs with Optical and Infrared Cameras: System and Experiments},
author = {Timo Hinzmann and Tobias Stegemann and Cesar Cadena and Roland Siegwart},
journal= {arXiv preprint arXiv:2008.04197},
year = {2020}
}
备注
Initial submission; 21 pages, 16 figures, 6 tables