Отслеживание беспилотных летательных аппаратов (БПЛА) становится все более важным как в гражданской, так и в военной сферах. В качестве примера можно привести недавние загадочные наблюдения неопознанных летающих объектов (НЛО) над восточным побережьем США. Между тем, на другом конце света война с применением дронов расширила линию фронта, включив в нее удаленно расположенные города и оборонительные позиции. Мониторинг дронов становится серьезной проблемой.
Существует множество методов для этого, но большинство из них страдает от медленных обновлений данных или неточных обнаружений, что затрудняет работу с быстро движущимися небольшими дронами. Команда из Венского технологического университета считает, что, возможно, нашла способ устранить недостатки предыдущих технологий отслеживания дронов, и доказала это, используя телескоп.
Существующие технологии отслеживания
Технологии отслеживания дронов часто делятся на две основные категории: детекторы и трекеры. Хотя существует множество мультиспектральных методов обнаружения дронов, таких как радар, акустические или другие, оптическое отслеживание является наиболее широко используемым, поскольку его легче всего улучшить с помощью обратной связи от человека, не являющегося экспертом.
Традиционные методы обнаружения страдают от высокого уровня ложных срабатываний, что затрудняет точную идентификацию дронов. В последнее время алгоритмы глубокого обучения добились прогресса в точности обнаружения дронов. Однако, хотя они и более точны, чем предыдущие модели классификаторов и фильтров, они также крайне медленны. Некоторые дроны могут двигаться со скоростью до 20 м/с, оставляя алгоритм обнаружения далеко позади. К тому времени, когда дрон распознается, он уже давно улетел.
Алгоритмы отслеживания, как правило, работают быстрее, но они не так точны, как детекторы. Алгоритмы отслеживания сравнивают кадры изображения объекта, чтобы построить траекторию и определить скорость. Эта работа легко нарушается посторонними объектами, перекрытиями, погодными условиями или ошибочной классификацией. Модели отслеживания могут быть легко сбиты с толку и потерять дрон из виду, даже если он все еще находится в поле зрения системы визуализации.
Усиление алгоритмов обнаружения и отслеживания
Команда Венского технологического университета считает, что нашла способ объединить точность, обеспечиваемую детекторами, со скоростью, обеспечиваемой трекерами, в более быструю и точную систему, чем любая из этих систем по отдельности.
Их система записывает кадры изображения из двух разных областей памяти для одновременного анализа. Отдельные процессоры запускают алгоритмы обнаружения и отслеживания. Детектор, будучи более медленным алгоритмом, обрабатывает только 20% захваченных кадров изображения, в то время как трекер обрабатывает каждый кадр. Модель трекера корректируется на основе выходных данных детектора.
Система использует метрику надежности, чтобы помочь решить, когда начинать или заканчивать отслеживание объекта. Алгоритмы глубокого обучения предоставляют значение достоверности для каждого обнаружения. Алгоритмы трекера могут предложить вероятность того, что они правильно отследят и оценят положение объекта. Более высокая надежность трекера обеспечивает более эффективное взаимодействие между компонентами обнаружения и отслеживания в системе. Когда достоверность обнаружения, полученного от детектора на основе глубокого обучения, выше, чем надежность трекера, система может повторно инициализировать трекер, гарантируя, что используется наиболее надежная информация.
Кроме того, надежность трекера позволяет системе динамически адаптироваться к изменениям в среде отслеживания. Например, если такие факторы, как условия освещения или поведение дрона, приводят к снижению надежности трекера, система может скорректировать свою работу, больше полагаясь на детектор или повторно инициализируя трекер по мере необходимости.
Аппаратная реализация и результаты
Важным моментом является то, что делать с новой информацией об отслеживании. Поле зрения телескопа относительно невелико, и быстро движущийся дрон может быстро выйти из него. Команда создала систему управления, которая перемещает телескоп для слежения за дроном. Рассчитанная траектория подается на контроллеры панорамирования и наклона телескопа.
Чтобы доказать эффективность своей системы, исследователи протестировали ее в полевых условиях, заставив отслеживать серию дронов как на чистом фоне (небо), так и на сложном фоне, например, на фоне зданий или деревьев. Затем они сравнили свои результаты с результатами автономной системы детектора и автономной системы трекера.
Их система показала примерно такие же результаты, как и существующие методы, для экспериментов на чистом фоне, но значительно улучшилась по сравнению с простыми алгоритмами на основе детектора (на 6% точнее) или трекера (на 14% точнее) на сложном фоне. У нее также было еще одно преимущество, с которым не мог сравниться ни один из них.
Оценка траекторий полета является ключевым фактором для отслеживания и выходит за рамки простого обнаружения присутствия дрона на изображении. Чтобы оценить траекторию полета, другой алгоритм, специализирующийся на расчете траектории полета, должен получить две локализации — точные изображения того, где находится дрон от кадра к кадру, — от алгоритма обнаружения. По этому показателю параллельный подход детектора/трекера превзошел подход только детектора на целых 49%. Хотя подход только трекера работал лучше, он не обязательно обладал точностью для прогнозирования траектории полета. Впечатляет, что эта система также была эффективна, когда дрон улетал от детектора на расстояние до 4 км.
Даже постепенные улучшения в обнаружении дронов могут спасти жизни в некоторых случаях, например, на полях сражений, но пока эта система еще не готова к широкому применению. Для запуска полного алгоритма по-прежнему требуется мощный компьютер с графическим процессором, и в будущем планируется интегрировать дополнительный телескоп с большим полем зрения, чтобы еще больше повысить точность обнаружения и отслеживания.
На данный момент точное отслеживание во всех сценариях по-прежнему является сложной задачей. Однако, учитывая интерес и стимулы к этому, как со стороны военных, так и со стороны гражданских правоохранительных органов, в ближайшем будущем в этой технологии произойдет множество улучшений.
