文献类型：期刊文章

作　　者：谢家阳[1] 王行健[1] 史治国[1] 吴均峰[1] 陈积明[1] 陈潜[2] 王滨[3]

XIE Jiayang;WANG Xingjian;SHI Zhiguo;WU Junfeng;CHEN Jiming;CHEN Qian;WANG Bin(Faculty of Information Technology,Zhejiang University,Hangzhou 310027,China;Shanghai Radio Equipment Research Insti-tute,Shanghai 200090,China;Hangzhou Hikvision Digital Technology Co.,Ltd.,Hangzhou 310052,China)

机构地区：[1]浙江大学信息学部,浙江杭州310027 [2]上海无线电设备研究所,上海200090 [3]杭州海康威视数字技术股份有限公司,浙江杭州310052

出　　处：《智能系统学报》

基　　金：国家自然科学基金项目(62088101,61772467).

年　　份：2021

卷　　号：16

期　　号：5

起止页码：857-869

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为应对小型无人机的黑飞、滥飞对个人隐私、公共安全造成的威胁,本文采用高清云台摄像机定点巡航的方式对近地动态复杂背景中的无人机进行检测与跟踪,并提出了一种适用于动态云台摄像机的闭环无人机检测与跟踪算法,包含检测与跟踪两种模式。在检测模式下,本文设计了一种基于运动背景补偿的运动目标检测算法来提取分类候选区域,然后利用基于神经网络结构搜索得到的轻量级卷积神经网络对候选区域进行分类识别,可在不缩小高清视频图像的条件下实现无人机检测;在跟踪模式下,本文提出了一种结合卡尔曼滤波的局部搜索区域重定位策略改进了核相关滤波跟踪算法,使之在高清云台伺服追踪过程中仍能对目标进行快速稳定的跟踪;为将检测模式与跟踪模式结合在闭环框架中,本文还提出了一种基于检测概率和跟踪响应图状态的自适应检测与跟踪切换机制。实验表明,本文算法可应用于定点巡航状态的高清云台摄像机,实现近地复杂动态背景中无人机的实时准确检测、识别与快速跟踪。

关 键 词：反无人机  运动目标检测 背景运动补偿 目标识别 目标跟踪 深度学习  机器视觉 卷积神经网络  

分 类 号：TP391.4]