Детекция БПЛА при помощи нейронных сетей

Доступность беспилотных летательных аппаратов (БПЛА) привела к тому, что их стали часто использовать при совершении правонарушений. Такая ситуация делает актуальной разработку систем обнаружения БПЛА. При обнаружении БПЛА применяются различные подходы на основе анализа радиочастотных и акустических сигналов, а также обработки видео данных. Лучшие результаты в обнаружении БПЛА на видео показывают решения, основанные на глубоких нейронных сетях. В этой статье мы представляем исследование различных нейросетевых детекторов и оценку возможности их практического использования в системах видеонаблюдения. Основной акцент работы направлен на выявление как можно более маленьких объектов, вплоть до размеров 4$\times$4 пикселя. В работе представлены результаты анализа архитектур SSD(VGG16), YOLOv3 и их модификаций. В качестве метрик качества использовались полнота и точность, которые вычислялись отдельно для разных размеров объекта. Лучший результат был получен для модели YOLOv3 со значениями параметров bbox, подобранных в результате кластеризации размеров объектов. При распознавании дронов размера 3$\times$3 удалось достичь точности 76% при очень маленьком значении полноты 26%. Для объектов, площадь которых составляет от 10 до 20 пикселей полнота составила 64% при точности 75%. Для объектов большего размера в среднем получилась полнота 90%, точность 89% и F1-мера 90%. Данные результаты показывают, что распознавание дронов возможно даже при размере 4$\times$4, что может быть успешно использовано в системах видеонаблюдения.