基于目标检测的机场安防围栏巡检
计算机视觉与模式识别
2023-11-22 v1
摘要
为保障机场安全，必须防止空侧被未经授权访问。为此通常使用安防围栏，但其需要定期巡检以发现损坏。然而，由于人类专业人员日益短缺且人工工作量巨大，亟需自动化方法。目标是借助自主机器人对围栏损坏进行自动巡检。本工作中，我们探索目标检测方法来解决围栏巡检任务并定位各类损坏。除评估四种最先进（SOTA）目标检测模型外，我们还分析了若干设计准则的影响，旨在适应任务特定挑战。这包括对比度调整、超参数优化以及现代骨干网络的使用。实验结果表明，我们优化的 You Only Look Once v5（YOLOv5）模型在四种方法中精度最高，相较基线 Average Precision（AP）提升 6.9 个百分点。此外，我们展示了该模型的实时能力。训练好的模型发布于 GitHub：https://github.com/N-Friederich/airport_fence_inspection。
引用
@article{arxiv.2311.12064,
title = {Security Fence Inspection at Airports Using Object Detection},
author = {Nils Friederich and Andreas Specker and Jürgen Beyerer},
journal= {arXiv preprint arXiv:2311.12064},
year = {2023}
}
备注
Accepted paper at the "Winter Conference of Applied Computer Vision 2024" (WACV '24) Workshop: "Real-World Surveillance: Applications and Challenges, 4."