Revista de Engenharia da Computação e Tecnologia da Informação

Uma estrutura de aprendizagem profunda baseada em drones para deteção e seguimento de objetos

Muhammad Shoaib1, Nasir Sayed

Nos últimos anos, a integração da inteligência artificial e dos veículos aéreos não tripulados (UAV) tornou-se um tema de estudo quente, especialmente onde os UAV têm de realizar tarefas complexas que não podem ser concluídas rapidamente sob o controlo humano. Os drones utilizam frequentemente vários sensores para recolher detalhes completos sobre as condições, como uma câmara de cima para baixo ou sensores LiDAR, e o processador principal mede todas as trajetórias do drone. Este artigo propõe o rastreio de um alvo detetado que emprega uma câmara monocular embarcada e um modelo de aprendizagem por reforço. Este sistema é mais económico e adaptável à atmosfera utilizando vários sensores e trajetórias pré-calculadas do que as abordagens anteriores. O nosso modelo adicionou detalhes de caixa abrangentes à entrada de imagem da rede do drive, estendendo a rede anterior Deep Double Q com o Duel Architecture Model (D3QN), modificando uma tabela de ação e recurso de incentivo, permitindo gestos tridimensionais e reconhecimento de objetos combinados com o suporte MobileNet. As simulações são realizadas em vários cenários de simulação, cada um com o seu nível de dificuldade e sofisticação. A aplicação “Airsim”, uma API de simulação quadrotor suportada pela Microsoft, é utilizada para pesquisa. As descobertas revelam que, utilizando um algoritmo de exploração baseado na convergência, o modelo aproxima-se do objeto observado, uma figura humana, sem atingir qualquer barreira ao longo do caminho e move-se mais rapidamente.