一种基于深度学习的禁飞区无人机目标识别方法

虞晓霞，刘智，耿振野，陈思锐

（长春理工大学 电子信息工程学院，长春 130022）

近年来，随着科学技术和人工智能技术的发展，各类小型无人机日益增多，其性能不断提升，应用领域不断扩大，在方便人们生活的同时也引发了不良影响。无人机的无序飞行时有发生，不仅严重扰乱了空域交通秩序，也引发了很多安全事故，如干扰民航机场的客机正常起飞与降落等［1-3］。为此，空管部门通过设定禁飞区域、无线探测干扰、电磁探测、声音探测、视频监控、轨迹预测等几种主要技术手段对无人机进行管控［4-6］。但随着无人机技术的发展，低空小型无人机越来越具有体积小、隐身化、飞行噪声低、防电磁干扰等特点，以上几种方法在探测无人机的过程中不仅体现出成本高的缺点，还具有一定程度的局限性。所以，如何提高禁飞区域周边无人机识别效率成为空管部门亟待解决的问题。

深度学习作为目标识别领域较为有效的手段之一，在物体分类、图像识别等问题中都有非常广泛地应用，但目前，深度学习在无人机目标识别方面还没有成熟的应用方案。针对上述无人机探测方法高成本、低效率及应用局限等问题，提出了一种基于深度学习的禁飞区无人机目标识别的方法，利用深度学习网络对多种类型的无人机进行特征提取和特征训练，通过多次训练确定网络结构层数及权值的最佳值，实现快速自主识别是否有无人机非法靠近禁飞区域，为无人机禁飞区的监控预警系统提供重要信息，从而更高效地保障机场等重要空域的交通安全。……