基于孪生网络的无人机目标跟踪方法研究.pdfVIP

基于孪生网络的无人机目标跟踪方法研究

摘要

针对无人机的目标跟踪是反无人机任务的重要一环，与此同时，基于全卷积孪生网

络的目标跟踪算法由于做到了精度和实时性的平衡而得到了快速发展，因此将孪生网络

的目标跟踪算法应用于反无人机任务变得可行。然而在实际针对无人机的目标跟踪任务

当中，仍然存在着许多困难。首先反无人机数据量匮乏，场景种类单一；其次无人机低

空飞行背景复杂，在视频图像中无人机目标像素占比较小，为成功跟踪增添了难度；最

后针对无人机目标在长时跟踪情况下存在的遮挡或飞出取景范围等情况，常规的跟踪算

法会出现跟踪漂移等情况，跟踪效果表现不佳。针对上述问题，本文提出了如下解决方

法：

(1)针对反无人机数据量不足以及测试场景种类单一的问题，通过实际拍摄、剪辑、

分析并标注了自制反无人机数据集HEUAnti-UAV，而且进一步划分为9种跟踪场景，

可以模拟实际反无人机任务当中可能存在的问题，有效地对反无人机跟踪器性进行比较。

(2)针对反无人机场景下，目标跟踪算法对于复杂背景、小目标跟踪表现不佳的问

题，提出了一种引入注意力机制和特征重排的孪生神经网络目标跟踪算法，称为SiamAU。

首先，在主干网络中加入ECA-Net注意力机制网络，以提升复杂背景下的特征表征能

力；然后，对骨干网络输出的后三层深度特征通道数进行重新排列，融合得到更适合无

人机等小目标跟踪的改进深度融合特征。在公开数据集上的测试结果表明，在反无人机

场景中SiamAU算法的跟踪表现优于目前主流的算法。

(3)针对无人机目标在长时跟踪情况下存在的遮挡或飞出取景范围等情况，常规针

对无人机目标的跟踪算法表现较差，容易出现跟踪漂移。适当使用检测算法可以对无人

机目标进行检测，提升跟踪成功率，对以上问题进行有效解决。在此基础上提出两种不

同的无人机目标的检测算法和反无人机跟踪算法结合方式，在两个反无人机数据集上的

测试结果表明相比常规跟踪算法提升明显。

关键词：反无人机；目标跟踪；反无人机数据集；孪生网络；注意力机制；跟踪检测

结合

基于孪生网络的无人机目标跟踪方法研究

ABSTRACT

ObjecttrackingforUAVisanimportantpartoftheAnti-UAVtask,andatthesametime,

objecttrackingalgorithmsbasedonfullyconvolutionalSiamesenetworkshavebeendeveloped

rapidlyduetothebalanceofaccuracyandreal-timeperformance,soitbecomesfeasibleto

applySiamesenetworksobjecttrackingalgorithmstoAnti-UAVtask.However,therearestill

manydifficultiesintheactualobjecttrackingforUAV.Firstly,thereisalackofAnti-UAVdata

andasingletypeofscene.Secondly,thecomplexbackgroundofUAVlow-altitudeflightand

thesmallpixelshareoftheUAVobjectinthevideoimagemakesitmoredifficulttotrack

successfully.Finally,theconventionaltrackingalgorithmwillshowtrackingdriftandpoor

trackingperformanceforUAVinlong-timetrackingsituationssuchasocclusionorflyingout

oftheframingrange.Toaddresstheabovep