Система обнаружения людей с борта беспилотных летательных аппаратов разработана в рамках диссертационного проекта, посвящённого созданию комплексного решения для поисково-спасательных операций. Автор работы Антон реализовал алгоритм компьютерного зрения, способный анализировать видеопоток с камеры БПЛА в реальном времени. Разработка включает три ключевых компонента: систему высокоуровневого управления, алгоритм планирования траектории и непосредственно модуль обнаружения людей, который стал предметом отдельного исследования. Проект ориентирован на применение в сложных условиях, таких как горная местность или лесные массивы, где традиционные методы поиска оказываются малоэффективными.

В основе системы лежит архитектура, где оператор задаёт параметры поисковой миссии, включая зону покрытия и ограничения. Эти данные преобразуются в траекторию полёта, которая передаётся на бортовой компьютер-компаньон. Модуль компьютерного зрения обрабатывает видеопоток с камеры, используя обученную модель для детекции людей. При обнаружении объекта система формирует сообщение для оператора с координатами и уровнем достоверности распознавания. Для управления БЛА применяются высокоуровневые команды типа 'двигайся в точку' или 'выполни круговой облёт'. Особенностью системы является её адаптивность к различным условиям освещения и погодным условиям, что критически важно для поисковых операций.

Техническая реализация модуля обнаружения основана на модели YOLOv8n — компактной версии популярного алгоритма компьютерного зрения. Для обучения использовался специализированный датасет SARD, содержащий размеченные изображения людей в различных условиях. Обучение проводилось на ноутбуке с видеокартой NVIDIA GeForce RTX 3050 и заняло около 30 минут. Модель достигла показателей Precision 0.9499 и Recall 0.8484, что свидетельствует о высокой точности детекции. Метрика mAP50 составила 0.9245, демонстрируя хорошее качество локализации объектов при стандартном пороге совпадения. Для сравнения, аналогичные системы на базе ResNet или EfficientNet требуют значительно больше вычислительных ресурсов при сопоставимой точности.

Разработка существует в контексте активного развития технологий компьютерного зрения для беспилотников. Современные аналогичные системы, такие как DJI's Enterprise или Parrot's ANAFI USA, предлагают схожие возможности, но часто требуют значительных вычислительных ресурсов. Представленное решение отличается оптимизированной архитектурой, позволяющей работать на относительно скромном аппаратном обеспечении. Особенностью проекта является его ориентация на поисково-спасательные задачи в сложных условиях, что требует высокой надёжности работы алгоритмов. В отличие от зарубежных аналогов, система разработана с учётом специфики российских природных условий и инфраструктуры.

Для российского рынка технологий БПЛА эта разработка представляет значительный интерес, особенно в свете растущего спроса на системы мониторинга и поиска в труднодоступных регионах. Отечественные аналоги пока не достигли такого уровня интеграции компьютерного зрения в системы управления беспилотниками. Разработка может найти применение не только в спасательных операциях, но и в охране периметров, мониторинге лесных массивов или сельскохозяйственных угодий. Важным аспектом является возможность работы системы в условиях слабой или отсутствующей сотовой связи, что характерно для многих регионов России.

Перспективы развития проекта включают доработку модели для работы в условиях ограниченной видимости, например, при обнаружении людей сквозь кроны деревьев. Автор отмечает необходимость дополнительного обучения на реальных данных с мест предполагаемого применения системы. Открытым остаётся вопрос оптимизации работы алгоритма на различных высотах полёта и при разных углах обзора камеры. Дальнейшие исследования могут быть направлены на интеграцию тепловизионных данных для повышения надёжности обнаружения в сложных условиях. Также рассматривается возможность адаптации системы для работы с другими типами беспилотников и интеграции с отечественными платформами управления БПЛА.

В долгосрочной перспективе разработка может стать частью более масштабного проекта по созданию автономных поисково-спасательных комплексов, способных работать без постоянного контроля оператора. Это особенно актуально для России с её огромными территориями и сложными климатическими условиями. Успешная реализация подобных систем может значительно повысить эффективность поисковых операций и сократить время реагирования в критических ситуациях.