研究人员使用无人机机器学习了解人群行为
当您在飞机上时，很难知道地面上发生了什么。而当地面上有大量人群聚集时，了解具体的情况就会变得更加困难。在2013年波士顿马拉松爆炸事件发生后，研究人员受到启发，开始致力于解决人群聚集的问题。简单来说，就是研究如何快速分析聚集人群的行为从而确定谁极有可能遭受到暴力侵害。在每次聚集活动中派出成千上万的警力是不切实际的，且成本过高。所以，无人机机器学习非常具有研究价值。
bint87 – stock.adobe.com
要开始进行无人机机器学习，研究人员首先需要创建一个数据集。IEEE Spectrum将机器学习的过程总结如下：
“训练深度学习算法，通过检测视频图像中身体和四肢姿势的各种组合形式来识别暴力行为。为了创建一个训练数据集，研究人员招募了25名实习生聚集在一个空旷区域，让他们模拟了五种暴力行为，包括拳打、踢腿、扼杀、刺伤和射击，与此同时，使用Parrot AR.Drone从不同高度（2米至8米之间）进行拍摄。”
有了这个原始数据，无人机机器学习就可以开始了。机器学习的过程并不是对每个动作进行手动编码和分类，而是应用于分析事件本身。结果是怎样的呢？机器学习软件可以对图像进行检测，然后对人群行为做出一些预测。现在，我们来考虑一下这项新技术所涉及的硬件。
硬件解析：Parrot AR.Drone
Parrot AR.Drone在实际中是如何工作的？虽然这个型号已经不再销售了，但是其中的硬件可以告诉我们有哪些组件是可以用在其他无人机机器学习实验中的。
1. 飞行硬件
作为一款经典的四轴飞行器，Parrot AR.Drone能够飞行164英尺高。该高度范围的限制是有原因的。从操作员的角度来说，将无人机保持在可见范围内会很有帮助。其次，无人机需要在智能手机所能控制的范围内飞行，该智能手机用于传输代码和从设备接收数据。
2. 摄像头
为了使无人机机器学习正常工作，需要大量的原始数据。其中大部分的数据是使用Parrot AR.Drone的720p 30fps HD摄像头获取的。您可以以每秒30帧的速度捕获人群的JPEG图像。如果借助广角镜头，无人机的摄像头可以获取更大范围的信息。
除了主摄像头硬件外，还会有一个辅助摄像头来协助导航。具体来说，该摄像头会指向地面。这个60fps摄像头仅具有一项功能：测量无人机的地面速度。如果您在大风等不利条件下进行无人机操作，这项信息将会很有帮助。
资源：您还可以使用无人机摄像头来创建3D地图。
3. 陀螺仪
如果在拍摄照片时没有保持方位不变，无人机机器学习将无法成功进行。这就是陀螺仪发挥作用的地方。Parrot AR.Drone使用了一个3轴陀螺仪，精度为2,000°/秒。在一定程度上来说，来自陀螺仪的信息会有助于无人机飞行的稳定性。因此，即使有风、雨或其他干扰，您的无人机也可以继续运行并观察人群。
4. 磁力计
想象一下，您的无人机机器学习项目中有一个是观察1000名愤怒聚集的人群。鉴于无人机通常最长飞行时间为30分钟，所以没有多余的时间可以用来犯错。也就是说，您无法承担无人机丢失或无人机迷失方向所带来的后果。幸运的是，无人机内部的磁力计可以用来协助导航。如果您需要将无人机向北飞行以观察某个区域，怎么确认是否在向北飞行呢？磁力计可以提供该信息。
自动飞行无人机机器学习项目
到目前为止，我们已经研究了可以与一个操作人员合作使用的无人机机器学习方法。而这并不是这项技术可以发挥作用的唯一领域。无人机机器学习也可以应用于飞行中最困难的挑战之一：安全着陆。无论您使用的是民用还是军用无人机，将设备安全降落都是至关重要的。否则，无人机可能会坠毁，您就需要换一个全新的设备了。
目前，加州理工学院的研究人员正在使用无人机机器学习来帮助无人机进行安全降落。实际上，这些研究人员还进行了难度升级：在不利条件下着陆，同时将功耗降至最低。Science Daily对该项目的报道如下：
“在加州理工学院，人工智能专家与控制专家开发了一种系统，该系统使用深度神经网络来帮助自主无人机‘学习’如何更安全、快速地着陆，同时减少功率消耗。”
通过功耗的优化，无人机将能够在相同的电池电量下飞行更长时间。此外，这些无人机将具有执行目前认为不可能的新型任务的能力。例如，一架大型无人机可以在交通事故区域中降落，将受伤的人送到医院接受治疗。
具备机器学习技术的无人机未来发展趋势是什么？
随着无人机机器学习处理人群聚集问题的功能以及对飞行性能提升的功能的开发，无人机的应用领域被大大扩展。因此，当前无人机的操作中所存在的局限性（如电池寿命）将不会再阻碍无人机去承担更多的任务。
如果您对无人机及其功能很感兴趣，请阅读本文：机器人正在走出工厂：了解清洁机器人工作原理
DevicePlus 编辑团队
设备升级版适用于所有热爱电子和机电一体化的人。
