无人机实时人体检测
计算机视觉与模式识别
2024-01-09 v1 人工智能
摘要
计算机视觉与遥感领域最重要的问题之一是目标检测，即在图像中识别特定类别的各种事物。无人机（UAVs）产生的热红外（TIR）遥感多场景图像与视频是公共安全的两个关键数据源。由于目标尺度小、场景信息复杂、相对于可见光视频分辨率低，且缺乏公开可用的标注数据集与训练模型，其目标检测过程仍具挑战性。本研究提出一个用于图像与视频的 UAV TIR 目标检测框架。用于采集地面 TIR 图像与视频的前视红外（FLIR）摄像机被用于构建基于 CNN 架构的 You Only Look Once（YOLO）模型。结果表明，在验证任务中，使用 YOLOv7（YOLO version 7）state of the art 模型 \cite{1} 检测人体目标时，在 IOU（Intersection over Union）= 0.5 处的平均精度为 72.5\%，检测速度约为每秒 161 帧（FPS/second）。该应用展示了 YOLO 架构的有效性，该应用评估了在 YOLOv7 模型下不同 UAV 观测角对 UAV TIR 视频中人员交叉检测性能的影响。本工作为使用深度学习模型对 TIR 图像与视频进行目标检测的定性与定量评估提供了有力支持。
引用
@article{arxiv.2401.03275,
title = {Real Time Human Detection by Unmanned Aerial Vehicles},
author = {Walid Guettala and Ali Sayah and Laid Kahloul and Ahmed Tibermacine},
journal= {arXiv preprint arXiv:2401.03275},
year = {2024}
}
备注
6 pages, 5 figures, 2 tables