公共安全アプリケーションのための統合音響・視覚特徴量を用いた悪質UAVの検出

Malicious UAV Detection Using Integrated Audio and Visual Features for Public Safety Applications.

• Sonain Jamil
• Fawad
• MuhibUr Rahman
• Amin Ullah
• Salman Badnava
• Masoud Forsat
• Seyed Sajad Mirjavadi

抄録

無人航空機（UAV）は、監視、セキュリティ、遠隔監視の分野で普及してきました。しかし、それらはまた、公共のプライバシーに対する深刻なセキュリティ上の脅威をもたらします。悪意のあるドローンをタイムリーに検知することは、現在、セキュリティプロビジョニング企業にとって未解決の研究課題となっています。最近では、この問題は、多数のスキームによって対処されている。しかし、それぞれの計画には、異常気象や膨大なデータセットの要件などの制限がある。本論文では、音や画像情報から悪質なドローンを検出・特定するために、ハイブリッドハンドクラフトとディープフィーチャからなる新しいフレームワークを提案する。それぞれのデータセットには、鳥、飛行機、雷雨などの音や閉塞した画像が含まれており、解像度や照度にばらつきがある。特徴量の分類には、サポートベクターマシン(SVM)の様々なカーネルを適用している。実験結果から、他の関連手法と比較して、提案手法の性能が向上していることを確認した。

Unmanned aerial vehicles (UAVs) have become popular in surveillance, security, and remote monitoring. However, they also pose serious security threats to public privacy. The timely detection of a malicious drone is currently an open research issue for security provisioning companies. Recently, the problem has been addressed by a plethora of schemes. However, each plan has a limitation, such as extreme weather conditions and huge dataset requirements. In this paper, we propose a novel framework consisting of the hybrid handcrafted and deep feature to detect and localize malicious drones from their sound and image information. The respective datasets include sounds and occluded images of birds, airplanes, and thunderstorms, with variations in resolution and illumination. Various kernels of the support vector machine (SVM) are applied to classify the features. Experimental results validate the improved performance of the proposed scheme compared to other related methods.