Detection and tracking of drones in infrared images EVALUATED

Detalhes: A crescente presença de UAVs pequenos exige sistemas avançados para sua deteção e seguimento. Esta tese explora soluções baseadas em imagens de infravermelhos (IR), superando limitações das imagens RGB em condições de pouca luz ou obstruções como nevoeiro. As imagens IR utilizam assinaturas de calor para identificar drones e minimizar falsos positivos. Dois sistemas foram desenvolvidos: um integra o detetor YOLO-DRONE modificado com o BoT-SORT, enquanto o outro combina o YOLO11 com o ByteTrack. O YOLO-DRONE foi adaptado a partir do YOLOv8-OBB, incluindo uma cabeça de deteção grande para lidar com drones de variados tamanhos. A avaliação envolveu três datasets: o New IR Multi-Drone Dataset (SWIR e LWIR), o DUT-AntiUAV (RGB) e o Anti-UAV Challenge (IR). O Modelo 1 alcançou um mAP@0,5 de 0,797 e um MOTA de 75,4%, enquanto o Modelo 2 obteve 0,782 e 74,1%, respetivamente. Em deteção, ambos atingiram um mAP@0,5 de 0,993 no New IR Multi-Drone Dataset. No DUT-AntiUAV, o Modelo 1 obteve um mAP@0,5 de 0,906 e uma precisão de seguimento de 0,940, frente a 0,910 e 0,934 do Modelo 2. No Anti-UAV Challenge, o Modelo 1 registrou um mAP@0,5 de 0,901 e um MOTA de 69,4%, enquanto o Modelo 2 obteve 0,905 e 56,9%. Os datasets e sistemas desenvolvidos serão disponibilizados para incentivar avanços no uso de IR em segurança e proteção contra drones.

Discussão: dezembro 5, 2024, 11:45

Orientação

AUTOR

Inês Cristina Catanas Forte Reis Pinto (ist196230)

ORIENTADOR

José Silvestre Serra da Silva

Academia Militar

Professor Associado com Agregação

ORIENTADOR

Alexandre José Malheiro Bernardino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado