基于深度学习的飞行员行为检测算法研究

2021-05-08 04:06:48张江勇周一林陈金皖
中国新技术新产品 2021年4期
关键词:深度检测模型

张江勇 周一林 陈金皖

(中国直升机设计研究所,江西 景德镇 333000)

0 引言

随着航空工业的快速发展,飞机的生产量和保有量都得到极大的增长,越来越多的人选择飞机作为长距离出行的交通工具。虽然飞机是目前安全系数最高的出行方式,但是飞机一旦发生事故,乘客基本无法逃生,还会造成大量的经济损失。目前,人们在提升飞机的安全性上付出了巨大努力,但是飞机飞行仍然存在极大的安全隐患。根据已知事实,引起飞机事故的原因主要包括飞行员失误、机械故障以及天气问题等。由飞机性能缺陷引发坠机事故的比例逐渐下降,而飞行员不佩戴安全带、疲劳驾驶等违规行为是造成飞行员失误的重要原因,这些违规行为造成的危害是巨大的,因此,该领域对自动检测飞行员违规行为有很大的需求。

目前,国内外对飞行员违规行为的研究非常少,对汽车驾驶员违规行为的研究要稍多一些,这些研究多采用传统目标检测算法对其进行检测[1]。传统的目标检测方法需要先进行极其复杂的特征提取工作,而且根据研究对象的不同,要获取不同的特征。该方法对图像预处理的专业性有极高的要求,需要大量的时间成本,而且在实际应用中误测和漏测的情况比较多,检测速度也不快。

近年来,深度学习[2]因其强大的学习能力在计算机视觉领域取得了巨大的发展。作为计算机视觉的1个重要分支,目标检测算法也从基于手工特征的传统算法转向了基于神经网络的检测技术。……

登录APP查看全文

猜你喜欢
深度检测模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
深度观察
深度观察
深度观察
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用