反无人机系统中目标检测与跟踪算法研究

作     者：葛玉洁 

作者单位：西安石油大学 

学位级别：硕士

导师姓名：杨怀洲

授予年度：2023年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 

主      题：小目标无人机 注意力机制 遮挡判断机制 卡尔曼滤波 

摘      要：低空域的开放带动了低空航空市场的蓬勃发展,其中无人机因成本低廉、使用便捷的特点,被广泛应用于军事、商业和民用等领域,但在为社会创造价值的同时也存在很多隐患,无人机的非法使用、“黑飞给国家安全、社会治安和个人隐私带来了严重威胁。为此,反无人机技术及衍生设备系统的研究成为了学术界和军方重点关注的话题。可见光探测技术因其成本低、无辐射、结果清晰直观和易部署等特点,成为反无人机探测技术中主流的研究方法。本文针对可见光探测条件下的小目标无人机跟踪问题,对多种环境状态下的目标检测和跟踪算法展开研究,使用多尺度融合和卷积块注意力机制对检测算法进行改进,并在此基础上提出了一种融合检测模型和遮挡判断机制的跟踪算法,主要工作内容总结如下:(1)针对搜集到的原始数据集无法囊括本文实验所需全部场景的问题,本文以La Sot数据集和Anti-UAV数据集为基础,选取包含小尺度、复杂背景和障碍物遮挡状态的图像序列作为原始数据集,通过数据增强方式对其进行扩充,得到13324张适用于本文网络训练和实验的无人机数据集。(2)针对小尺度目标的检测问题,提出一种含有4层检测头的YOLOv5s算法,能够有效提取小尺度目标的特征信息,提高对小目标无人机的检测精度;同时,针对复杂场景中对重点特征信息检测能力较差的问题,本文在含有四层检测头的检测算法中增加了CBAM卷积块注意机制以抑制无关信息,提高了对重点特征信息的关注度。通过实验对比,本文所提出的P2C-YOLOv5s检测算法在无人机数据集上的检测精度达到94.1%。(3)针对跟踪过程中障碍物遮挡问题,提出一种基于遮挡判断机制的跟踪算法,通过实验得出相关量Q与遮挡状态的关系,确定相关量阈值,根据相关量的变化将跟踪状态进行分段;同时针对遮挡状态下目标无法跟踪的问题,引入卡尔曼滤波进行目标位置预测。通过试验对比分析,改进后的K-KCF跟踪算法相比原始KCF算法在成功率上提升11.8%。(4)为了检验本文提出的检测跟踪算法对无人机跟踪任务的有效性,本文基于所提算法设计并实现了一个无人机跟踪原型系统,包括视频载入、模型选择和目标跟踪三项主体功能,为后续反无人机系统的开发与实际应用提供了技术支撑。