AI-based Drone Assisted Human Rescue in Disaster Environments: Challenges and Opportunities

本次调查重点关注利用基于无人机的系统来检测个体，特别是通过识别人类尖叫和其他危险信号来进行。这项研究在后灾难情景中具有重要意义，包括地震、飓风、军事冲突、野火等事件。这些无人机能够悬停在救援队无法直接到达的灾区上空。无人机常常被用于在灾难情况下进行搜救任务。通常，无人机捕捉空中图像以评估结构损伤并确定灾害的范围。它们还采用热成像技术来检测人体热信号，从而帮助定位个体。在某些情况下，更大的无人机被用来向被困在孤立的灾区的人们提供必要的物资。在我们的讨论中，我们深入探讨了通过空中声学定位人类所面临的独特挑战。听觉系统必须区分人类的哭声和自然发生的声音，如动物叫声和风声。此外，它还应该能够识别与信号相关的独特模式，如喊叫、拍手或其他人们试图向救援队发出信号的方式。为了解决这个挑战，一个解决方案涉及利用人工智能（AI）来分析声频并识别常见的音频签名。基于深度学习的网络，如卷积神经网络（CNN），可以使用这些签名进行训练，以过滤无人机发动机和其他环境因素产生的噪音。此外，采用信号处理技术，如基于麦克风阵列信号的到达方向（DOA），可以增强跟踪人类噪声来源的精度。

使用无人机检测人类呼喊和其他求救信号的研究

使用人工智能分析声频并识别常见的音频特征，如喊叫、拍手等，以过滤无人机引擎等环境因素产生的噪音

使用深度学习网络，如卷积神经网络，来训练识别声音的模型，同时使用麦克风阵列信号的DOA（方向）处理技术来提高跟踪人声源的精度。实验使用了不同的数据集，包括自然声音和人类声音，并且开源了代码。该研究对于解决灾后救援中的人员搜救问题具有重要意义。

最近的相关研究包括：1. "A review of UAV-based sensing for disaster management"；2. "A survey of unmanned aerial vehicles (UAVs) for traffic surveillance: Applications, challenges and opportunities"；3. "A survey of recent advances in machine learning techniques for acoustic event detection and classification"。