SYSTEMS AND METHODS FOR REAL-TIME ADJUSTMENT OF NEURAL NETWORKS FOR AUTONOMOUS TRACKING AND LOCALIZATION OF MOVING SUBJECT

• Main Authors: ASHER, RON, AIZER, YAACOB, PELED, OLGA, BANKER, RAN, BARATZ, ZCHARIA, KESHET, JOSEPH
• Format: Patent
• Language: English; French
• Published: 26.11.2020
• Subjects: AIRCRAFT; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSIONTRANSMISSIONS IN AIRCRAFT; AVIATION; CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; CONTROLLING; COSMONAUTICS; COUNTING; EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLYING SUITS; PARACHUTES; PERFORMING OPERATIONS; PHYSICS; REGULATING; SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES; TRANSPORTING

A goal of the disclosure is to provide real-time adjustment of a deep learning-based tracking system to track a moving individual without using a labeled set of training data. Disclosed are systems and methods for tracking a moving individual with an autonomous drone. Initialization video data of the specific individual is obtained. Based on the initialization video data, real-time training of an input neural network is performed to generate a detection neural network that uniquely corresponds to the specific individual. Real-time video monitoring data of the specific individual and the surrounding environment is captured. Using the detection neural network, target detection is performed on the real-time video monitoring data and a detection output corresponding to a location of the specific individual within a given frame of the real-time video monitoring data is generated. Based on the detection output, first tracking commands are generated to maneuver and center the camera on the location of the specific individual. Un objectif de la divulgation est de régler en temps réel un système de suivi basé sur l'apprentissage profond pour suivre un individu en mouvement sans recourir à un ensemble étiqueté de données d'apprentissage. Des systèmes et des procédés de suivi d'un individu en mouvement à l'aide d'un drone autonome sont divulgués. Des données d'initialisation vidéo relatives à l'individu spécifique sont obtenues. Sur la base de données vidéo d'initialisation, un apprentissage en temps réel d'un réseau neuronal d'entrée est mis en oeuvre pour générer un réseau neuronal de détection qui correspond de manière unique à l'individu spécifique. Des données de surveillance vidéo en temps réel de l'individu spécifique et de l'environnement ambiant sont capturées. A l'aide du réseau neuronal de détection, une détection de cible est mise en oeuvre sur les données de surveillance vidéo en temps réel, et une sortie de détection correspondant à un emplacement de l'individu spécifique dans une image donnée des données de surveillance vidéo en temps réel est générée. Sur la base de la sortie de détection, des premières instructions de suivi sont générées pour manoeuvrer et centrer la caméra sur l'emplacement de l'individu spécifique.