基于改进YOLOv5的飞行员异常行为识别方法

• 作者: 魏麟 谭任翔 何峻毅 彭俊榕 中国民用航空飞行学院
• 来源期刊: 航空计算技术
• 学科: 工学
• 关键词: YOLOv5 飞行员异常行为识别 航空安全 目标检测 数据增强
• 年，卷（期）: 2024,（6）
• 所属期刊栏目: 计算方法
• 页码范围: 24-28
• 页数: 5页
• 语种: 中文

摘要

为了快速准确地识别飞行员在驾驶舱内的异常行为，以保证航空安全，设计了一种基于改进YOLOv5算法的驾驶舱内飞行员异常行为识别方法。在YOLOv5的骨干网络中加入坐标注意力机制，获取在位置和方向上的特征信息，增强对注意力信息的敏感程度；改良交并比作为损失函数，提高模型计算速度和精度。训练自制飞行员异常行为原始数据集，实验结果表明，在模拟飞行驾驶舱中进行测试，能够准确快速识别飞行员的3种异常行为，平均精度达到98.3%,满足了识别要求。