重大灾害发生后的常规搜救工作面临诸多问题。来自马来西亚的团队在国际车辆自主系统杂志，现在提出了一种实用的解决方案，涉及使用固定翼无人机（UAV）的实时人体检测系统。

雪兰莪州诺丁汉大学的 Cheok Jun Hong 和 Vimal Rau Aparow 以及马来西亚柔佛州士古来南方大学学院的 Hishamuddin Jamaluddin 将无人机技术与现成的小型工具（例如 Raspberry Pi 计算机）结合在一起。这使得它们不仅能够比传统技术更好地管理系统功能，而且还能够从连接的摄像机传输航空图像。

这种新颖方法特别有吸引力的地方在于，它能够通过 4G 蜂窝网络技术将计算密集型人体检测任务卸载到边缘服务器。该团队解释说，该服务器采用了 YOLOv3深度神经网络，在 VisDrone 和 SARD 数据集上进行训练，可以从无人机摄像头收集的图像中精确识别人员，并将结果传输到地面控制中心。有了明确的身份识别，救援队就可以被派往需要救援的确切地点。

该系统汇聚了深度学习算法和移动边缘计算，代表着传统搜索和救援方法的转变，可以加快重大事件期间的整个过程。无需有人驾驶飞机或人员在危险环境中覆盖大片地面也有好处。

该团队解释说，他们采用 YOLOv3 架构的卷积神经网络可以实现近 80% 的平均精度 (mAP)，用于识别无人机摄像头图像中的人物。通过使用 TensorRT 工具包，研究人员可以进一步优化该方法，与原始神经网络相比，推理速度提高约三倍，但不会损失准确性。当然，虽然该系统的覆盖范围比无线电系统更大，但它确实依赖于整个搜救区域 4G 网络的稳定性和存在性。

研究人员最初设计该系统是为了人类搜索和救援场景，但它可以适应其他应用，例如公安和预防犯罪。它可以被重新用于巡逻易受攻击的地点犯罪活动甚至用于追踪罪犯。