基于深度学习的航空监视方法研究

• 作者: 王宝珠 王艳明
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 航空监视 俯视视角 深度学习 国土安全 人工智能
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 99-103
• 页数: 5页
• 分类号: TP391.4|TN919.81
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1802142

摘要

我国是一个幅员辽阔的国家, 地理条件复杂, 常规的国土安全巡检方法会耗费大量人力物力.为此, 提出了一种基于深度学习的航空监视方法, 其利用无人机从高空采集图像, 并利用卷积神经网络对采集图像进行分类判断, 从而对场景进行监视.其目的在于用人工智能的手段, 通过无人机代替人工进行巡检, 从而提高国土安全监视效率.为此, 本文建立了包含10种不同场景的俯视视角的数据库.通过卷积神经网络模型, 对不同场景的图像特征进行学习, 使得模型可以分辨不同的场景.为了验证本方法的可行性, 本文在10种空基视角的数据库上进行了实验, 结果显示其分类准确率达到97％.说明本方法可满足安全监视的需求, 为实现智能监视提供了思路.