基于深度学习的无人机入侵检测方法
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

国家自然科学基金(41771487)


UAV Intrusion Detection Method Based on Deep Learning
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    无人机滥用给低空范围带来巨大安全隐患, 非法入侵无人机目标的检测问题成为低空防御系统中重要的研究方向. 本文提出一种基于雷达、RGB相机等多传感器信息融合方法, 用于探测低空范围内小目标物体. 然后, 引入SSD (Single Shot multibox Detector)深度学习算法, 训练无人机目标检测模型, 对RGB相机捕获到画面中物体类别与位置进行预测. 通过搭建实验平台验证信息融合方法能够成功获得目标位置、速度以及外观形态等特征, 深度学习模型能够成功判断可疑目标的类别.

    Abstract:

    The abuse of Unmanned Aerial Vehicles (UAVs) brings great security risks to the low altitude area. Then the research on detection of UAVs’ illegal intrusion has become important for a low-altitude defense system. In this study, a multi-sensor information fusion technique based on radar and a RGB camera is designed to detect small objects in the low altitude range. After that, the Single Shot multibox Detector (SSD) for deep learning is introduced to train the UAV detection model and predict the category and location of objects captured by the RGB camera. An experimental platform is built to verify that the information fusion method can collect the location, speed, appearance of targets, and the deep learning model can determine the categories of suspicious targets.

    参考文献
    相似文献
    引证文献
引用本文

陈帅,尹洋,杨全顺.基于深度学习的无人机入侵检测方法.计算机系统应用,2021,30(4):32-38

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2020-08-22
  • 最后修改日期:2020-09-15
  • 录用日期:
  • 在线发布日期: 2021-03-31
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号