دسته بندی:

پردازش تصویر - Image Processing

---

سال انتشار:

2020

---

ترجمه فارسی عنوان مقاله:

زمان واقعی و دقت شناسایی پهباد در یک ویدیو با یک پس‌زمینه ساکن

---

عنوان انگلیسی مقاله:

Real-Time and Accurate Drone Detection in a Video with a Static Background

---

منبع:

Sensors 2020, 20, 3856; doi:10:3390/s20143856

---

نویسنده:

Ulzhalgas Seidaliyeva 1,y,z , Daryn Akhmetov 2,z , Lyazzat Ilipbayeva 2,z and Eric T: Matson 3,*

---

چکیده انگلیسی:

With the increasing number of drones, the danger of their illegal use has become relevant. This has necessitated the creation of automatic drone protection systems. One of the important tasks solved by these systems is the reliable detection of drones near guarded objects. This problem can be solved using various methods. From the point of view of the price–quality ratio, the use of video cameras for a drone detection is of great interest. However, drone detection using visual information is hampered by the large similarity of drones to other objects, such as birds or airplanes. In addition, drones can reach very high speeds, so detection should be done in real time. This paper addresses the problem of real-time drone detection with high accuracy. We divided the drone detection task into two separate tasks: the detection of moving objects and the classification of the detected object into drone, bird, and background. The moving object detection is based on background subtraction, while classification is performed using a convolutional neural network (CNN). The experimental results showed that the proposed approach can achieve an accuracy comparable to existing approaches at high processing speed. We also concluded that the main limitation of our detector is the dependence of its performance on the presence of a moving background.
Keywords: unmanned aerial vehicles | object detection | deep learning | computer vision | image processing | drone detection | UAV detection | visual detection

---

چکیده فارسی:

با افزایش تعداد هواپیماهای بدون سرنشین , خطر استفاده غیرقانونی آن‌ها به امری مرتبط تبدیل شده‌است . این امر ضرورت ایجاد سیستم‌های حفاظت از هواپیماهای بدون سرنشین را ایجاب می‌کند . یکی از وظایف مهم حل‌شده توسط این سیستم‌ها ، تشخیص قابل‌اطمینان هواپیماهای بدون سرنشین در نزدیکی اشیا حفاظت شده است . این مساله را می‌توان با استفاده از روش‌های مختلف حل کرد . از نقطه‌نظر نسبت قیمت - کیفیت ، استفاده از دوربین‌های ویدئویی برای تشخیص هواپیمای بدون سرنشین مورد توجه زیادی است . با این حال ، تشخیص هواپیمای بدون سرنشین با استفاده از اطلاعات دیداری ، با شباهت زیاد هواپیماهای بدون سرنشین به دیگر اشیا ، مانند پرندگان و هواپیماها ، مختل می‌شود . علاوه بر این ، هواپیماهای بدون سرنشین می‌توانند به سرعت‌های بسیار بالایی برسند ، بنابراین تشخیص باید در زمان واقعی انجام شود . این مقاله به مشکل تشخیص هواپیمای بدون سرنشین با دقت بالا می‌پردازد . ما وظیفه شناسایی هواپیمای بدون سرنشین را به دو بخش جداگانه تقسیم کردیم : تشخیص اشیا در حال حرکت و طبقه‌بندی شی شناسایی‌شده به صورت هواپیماهای بدون خلبان ، پرنده و پس‌زمینه . تشخیص جسم متحرک مبتنی بر تفریق پس‌زمینه است در حالی که طبقه‌بندی با استفاده از یک شبکه عصبی تحولی انجام می‌شود . نتایج تجربی نشان داد که روش پیشنهادی می‌تواند به دقت قابل‌مقایسه با رویکردهای موجود در سرعت پردازش بالا به دست یابد . همچنین به این نتیجه رسیدیم که محدودیت اصلی آشکار ساز ما وابستگی عملکرد آن در حضور یک پس‌زمینه متحرک است .
واژگان کاربردی: وسایل نقلیه هوایی بدون سرنشین | شناسایی اشیا | یادگیری عمیق | بینایی ماشین | پردازش تصویر | تشخیص بدون سرنشین | تشخیص پهپاد بدون سرنشین | تشخیص بصری

---

---

---

---

حجم فایل: 1348 کیلوبایت

---

قیمت: 65000 تومان   

---

توضیحات اضافی:

---

---

---