Беспилотники стали неотъемлемой частью современного мира. Они не только выполняют задачи аэрофотосъемки, помогают в решении сельскохозяйственных и других задач, но и служат орудием для осуществления террористических атак.
По этой причине большой интерес вызывают технологии, позволяющие отслеживать их.
Сегодня существует множество подобных эффективных систем на использовании технического зрения, но они имеют недостатки: требуют хорошую освещенность,не обнаруживаю дроны, скрытые за препятствиями (здания, деревья и т.п.).
Группа исследователей из Техасского университета в Арлингтоне разработала новый тип устройства для отслеживания дронов, которые используют и визуальные, и акустические сигналы. Система DroneChase предназначена для установки на транспортные средства с целью непрерывного отслеживания быстро движущихся дронов. DroneChase использует алгоритм машинного обучения, который распознает соответствие между визуальной и акустической информацией.
Для тестирования использовали модель YOLOv5, переобученную на наборе данных из 10 000 изображений беспилотников для их визуального обнаружения. Модель YOLOv5 обнаруживает и помечает дроны в кадрах при подаче на нее видеопотока. Нейронная сеть использует эти метки для анализа аудиоданных и местоположения объекта по издаваемым звукам.
Алгоритмы DroneChase очень эффективны и могут работать на одноплатном компьютере Raspberry Pi. Система, дополненная недорогой камерой и микрофоном Seeed ReSpeaker, делает устройство доступным по стоимости.
Испытания показали, что визуализация и акустика вместе с высокой точностью определяют местоположение беспилотника. Если беспилотник скрыт за каким-либо объектом или если освещение плохое, на помощь приходит акустика, которая с большим успехом определяет местоположение беспилотника.
Команда планирует расширить систему, чтобы она могла отслеживать не один, а несколько беспилотников одновременно. Кроме того, планируется провести испытания DroneChase в более сложных условиях окружающей среды, чтобы сделать ее более надежной.