基于深度学习的飞行员行为检测算法研究

为了避免因飞行员的违规行为而造成飞行事故,该文提出1种基于深度学习的飞行员行为监控方法,该方法采用基于深度学习的目标检测算法,不需要人工提取特征,直接通过卷积神经网络提取特征。由于机载硬件条件的限制,不能使用占用空间很大的主机,因此该文设计出更轻量的网络结构,并使用体积小的华为Atlas500智能小站作为实验平台。通过判断飞行员是否正确佩戴安全带、是否在抽烟,然后在测试数据集上进行测试。实验结果表明,Atlas500智能小站上的运行检测速度能够达到58 FPS,达到实时检测的要求;除此之外,该方法的检测精度相比于传统算法也得到了提升,在保证检测精度的同时又具备较快的检测速度。