无人机对地多移动目标的视觉识别跟踪技术研究.pdf

摘要

摘要

目标识别与跟踪技术广泛应用于各个领域，传统固定监控设备的监视范围有

限，无法长时间跟踪多目标，随着无人机技术的发展，无人机已然成为一种新型监

控设备。对于无人机视角下的目标识别跟踪任务，除存在遮挡等传统难点外，还

面临目标尺度小、计算资源匮乏等挑战，本文针对以上问题进行了研究，设计了

一种适用于无人机平台的多目标行人识别跟踪算法。本论文的主要工作如下：

（1）针对无人机视角下目标尺度小及计算资源匮乏的问题，本文以SSD（Single

ShotMultiBoxDetector）算法为基础进行改进。首先使用MobileNetv2简化网络结

构，并融合特征以改善小目标检测效果；其次，使用K均值聚类算法分析出适合

本文场景的默认框尺度；然后，使用焦点损失（FocalLoss）计算分类损失，改进

DIoULoss并引入排斥项，用其计算定位损失；最后采用Soft-NMS初筛候选框。

实验数据显示改进的SSD算法精度提升了7.47%，在TX2上速度提升了18帧/s，

小目标和受遮挡目标的检测效果显著改善。

（2）针对目标重入时ID突变、多无人机对目标身份认知有歧义及现有识别框

架中特征提取流程冗余的问题，本文提出了一种特征共享的识别框架和基于改进

难样本采样三元组损失函数、数据增强的重识别方法。实验结果表明改进策略为

模型性能带来了提升，最终模型在Market1501数据集上的精度达到72.7%，准确

率Rank-1达到79.5%，且相比于传统的两阶段目标识别框架，本文所提出框架在

速度上提升了26%。

（3）为降低误检和漏检对系统的影响，本文以DeepSORT算法为基础设计了

一种实时的目标跟踪算法。首先，将滤波器中的运动模型替换为交互多模型，以

提高跟踪器对目标运动状态的预测能力；其次，采用识别框架中的共享网络结构

进行表观特征提取。实验表明改进跟踪算法的准确率MOTA提高了2.8%，精度

MOTP提高了0.7%，速度加快了37%，在NividiaJetsonTX2上能够达到26帧/s

的实时速度。

本文所提出的目标识别跟踪方法能够在无人机平台上实时运行，并能实现对

目标身份的准确识别和持续稳定跟踪，本文研究成果为无人机自主化和智能化的

实现提供了更多思路，具有较高的实用价值。

关键词：无人机，目标识别，SSD目标检测算法，特征共享，目标跟踪

I

ABSTRACT

ABSTRACT

Targetidentificationandtrackingtechnologyiswidelyusedinmanyfields.Tra-

ditionalfixedmonitoringequipmentshavealimitedmonitoringrangeandcannottrack

multipletargetsforalongtime.withthedevelopmentofUAVtechnology,UAVhasbe-

comeanewtypeofmonitoringequipment.Forthetargetidentificationandtrackingtask

fromtheperspectiveoftheUAV,inadditiontothetraditionaldifficultiessuchasocclu-

sion,italsofaceschallengessuchassmalltargetsizeandlackofcomputingresources.In

thispaper,theaboveproblemsarestudiedandamulti-targetpedestrianidentificationand

trackingalgorithmsuitablefordroneplatformsisdesigned.Themainworkofthispaper

isasfollows:

(1)Inviewo