基于深度学习的多无人机多目标跟踪网络

作     者：周翰祺 方东旭 张宁波 孙文生 

作者机构：北京邮电大学信息与通信工程学院 中国移动通信集团重庆有限公司 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 082503[工学-航空宇航制造工程] 0835[工学-软件工程] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(62071069) 

主　　题：无人机 遮挡 多无人机跟踪 多目标跟踪 目标关联 

摘      要：无人机多目标跟踪技术被广泛用于智慧城市、军事安全、河流巡检、交通等领域。然而，目前已有的多目标跟踪算法多用于单无人机多目标跟踪，而单无人机的视角通常具有一定的局限性，这会导致当目标被遮挡时，目标发生ID切换导致跟踪失败的问题。为了解决这个问题，本文提出了一种多无人机多目标跟踪网络（MUMTTrack），该网络采用了基于TBD的多目标跟踪范式，利用多个无人机同时跟踪目标，弥补单摄像头视角的局限性。此外，为了有效融合多个无人机的跟踪结果，本文为MUMTTrack设计一种基于SURF算法的图像匹配策略和ID分配策略。最后，我们将MUMTTrack的性能与当前常用的单无人机多目标跟踪算法在MDMT数据集上进行了比较。根据比较分析，MUMTTrack在多目标跟踪性能指标idF1和MOTA方面均表现出明显的优势。