在飓风、突发洪水和其他灾害期间，派遣救援人员进入现场可能极其危险。
一个研究团队一直在探索，自主无人机如何帮助识别需要援助的人员并通知救援队伍。
许多救援人员已经在使用无人机，但大多数无人机需要专人通过遥控器操控无人飞行器，这会拖慢救援进程。
自主无人机可以在约五分之一秒内扫描地形、勘察选定区域、探测人员并收集GPS数据。
在飓风、突发洪水和其他灾害期间，派遣救援人员进入现场可能极其危险，而民众可能亟需救助。
救援人员在某些情况下已经使用无人机，但大多数无人机需要专人通过遥控器操控无人飞行器。这限制了救援人员查看整个受灾区域的速度，也可能延误救援物资送达受灾者手中。
自主无人机可以更快地覆盖更大范围，尤其是在能够识别需要援助的人员并通知救援队伍的情况下。
我的团队和我在代顿大学视觉实验室一直在设计这些未来的自主系统，以便最终帮助发现可能被瓦砾困住的人员。我们的多传感器技术模拟人类救援人员的行为，深入观察广阔区域，迅速选定特定区域进行重点关注、仔细检查，并判断是否有人需要帮助。
我们采用的深度学习技术模拟人脑的结构和行为，以处理无人机内置的二维和三维传感器所捕获的图像。该技术能够同时处理大量数据，并实时做出决策。
在混乱场景中寻找目标
灾区往往堆满倒伏的树木、倒塌的建筑、破损的道路和其他杂乱物体，这使得发现需要救援的受困者非常困难。采用光脉冲的三维激光雷达传感技术，能够探测被树枝遮挡的物体。
我的研究团队开发了一种人工神经网络系统，该系统可在无人机的机载计算机上运行。该系统模拟了人类视觉的部分运作方式。它分析无人机传感器捕获的图像，并将重要发现传达给人类监督人员。
首先，系统会处理图像以提高其清晰度。正如人类会眯起眼睛以调整焦距，该技术会对场景中较暗区域进行详细估算，并通过计算使图像变亮。
在多雨环境中，人脑运用一种高明的策略来看清事物：通过注意到场景中不变的部分，即使雨滴落下，人们依然能较为清楚地看到周围。我们的技术采用相同的策略，在一系列图像中持续分析每个位置的内容，以获得清晰的信息，了解该位置的物体情况。
确认感兴趣的目标
当救援人员搜寻被困在灾区的人员时，观察者的头脑会想象三维视图，设想一个人在场景中可能呈现的样子。即使他们此前从未见过有人处于此类位置，也应能够察觉被困人员的存在。
我们通过计算人体三维模型并使其形状朝各个方向旋转来采用这一策略。我们训练自主机器，使其表现与人类救援人员完全一致。这使系统能够识别各种姿态的人员，例如俯卧或蜷缩成胎儿姿势的人，即使在不同视角以及光照和天气条件变化的情况下也能识别。
该系统还可以经过训练，检测并定位从瓦砾下伸出的一条腿、远处挥动的一只手，或是从一堆木块上方露出的一个头部。它还能将人或动物与树木、灌木丛或车辆区分开来。
整合各个环节
在对地形进行初始扫描时，该系统模仿空中观察员的做法，检查地面以寻找可能感兴趣的目标或值得进一步检查的区域，然后再进行更仔细的观察。例如，一名正在地面寻找卡车的飞行员，通常会较少关注湖泊、池塘、农田和操场，因为卡车在这些区域出现的可能性较低。自主技术采用相同的策略，将搜索范围聚焦于场景中最重要的区域。
随后，系统会对每个选定区域进行分析，以获取其中物体的形状、结构和纹理信息。当系统检测到一组与人或人体部位相符的特征时，它会标记该位置，收集GPS数据，并感知该人与其他物体的距离，从而提供精确位置。
整个过程大约耗时五分之一秒。
这便是未来更快速搜救行动可能呈现的样貌。下一步将是把该技术转化为一套可用于应急响应部署的集成系统。
我们此前曾与美国陆军医学研究与物资司令部合作，开展技术研发，以在战场上找到需要救援的伤员。我们还将该技术进行了调整，帮助公用事业公司监测重型设备，以防其损坏管道。这些只是灾害应急人员、企业，甚至农民可以从能够像人类一样“看”的技术中受益的几个例子，尤其是在人类难以轻易到达的地方。
