在技术世界中众所周知的事实是，无人机是在高空飞行的，它们还无法在茂密的森林等复杂环境中自主飞行。但是，得益于人工智能和计算机视觉的最新发展，如今的无人机可以在室内，人类难以到达的角落和弯道甚至茂密的森林附近机动。

更重要的是？最近的无人机再次成为头条新闻，因为它们具有帮助人们的新能力，使徒步旅行者迷失在树林中。约翰内斯•开普勒大学的研究人员David Schedl，Indrajit Kurmi和Oliver Bimber在发表于《自然机器智能》杂志上的论文中，分享了人工智能如何改善热像仪对树林迷路人员的搜索能力。

当在树林中迷路的远足者，徒步旅行者或平民百姓时，救援队将依靠双筒望远镜以及安装在相机和斩波传感器中的热成像仪来寻找失踪人员。通常，热成像设备会突出显示地面人员的体温与周围环境的差异，使他们更容易发现。但是，这些形式的设备的问题在于，由于覆盖土壤的茂密植被无法进行宽视野或远距视野搜索，因此它们无法有效工作。此外，在热成像的情况下，来自外部因素（例如太阳）、树木、动植物和其他人体热量的环境热量产生的热量指示也会干扰搜索过程。此外，在这种搜救行动中使用的这些现有工具还不够，也无法加快任务速度。

因此，三人研究团队致力于通过使用深度学习应用程序来改善所生成的图像，从而克服这些问题。他们设计了无人驾驶飞机，这种无人机尤其擅长于从周围的一切物体中识别出人类。他们旨在展示如何通过在分类之前组合多视角图像来显着改善遮挡条件下的自动人员检测。

他们采用了机载光学切片（AOS）进行图像集成。AOS是一种合成孔径成像技术，它使用摄像机无人机捕获非结构化的热光场。简而言之，他们使用人工智能应用程序来处理特定区域的多个图像。这很有趣，因为比较和处理来自不同摄像机的数据可以使多个热像仪像一台大望远镜一样工作。

处理完人工智能图像后，生成的最终地形图像具有较高的景深，即镜头显示了树木的顶部如何显得模糊，而地面上的人的轮廓更容易辨认。

为了训练人工智能系统，研究人员必须创建自己的图像数据库。他们使用无人机在地面上为各个位置的志愿者拍照。系统测试结果表明，与传统热成像图像的25％相比，该解决方案的精度范围为87％-95％。此外，使用AOS有助于研究人员达到96％和93％的准确率和召回率。

“未来，越来越多的自动无人机将营救失踪，生病或受伤的人。但是，由于存在遮挡，因此在茂密的森林中发现人类是一项挑战，因此需要强大的检测机制。我们显示，通过在分类之前组合多视角图像，可以显着改善遮挡条件下的自动人员检测。”研究人员说。他们还透露，他们的系统已准备好供搜索和救援人员使用，也可以由执法，军事或野生动植物管理团队使用。而且，这些发现可以为将来可与自动驾驶飞机或人工驾驶飞机结合使用的有效搜索和救援技术奠定基础。