控制与决策

作者：杨帅东,谌海云,许瑾,汪敏

单位：西南石油大学 电气信息学院,成都 610500,,西南石油大学 电气信息学院,成都 610500,,西南石油大学 电气信息学院,成都 610500,,西南石油大学 电气信息学院,成都 610500,

关键词：无人机;目标跟踪;深度卷积;孪生网络;特征融合;深度学习

基金：南充市校科技战略合作项目(SXHZ026, SXJBS002, SXHZ053); 四川省重点研发项目(2022YFG0117); 国家自然科学基金项目(62006200).

由于无人机视觉跟踪视角范围广且环境复杂,常遇到无人机飞行震动、目标遮挡、相似目标等问题,导致无人机跟踪目标发生漂移.因此,对具有回归计算的全卷积孪生网络跟踪算法(SiamRPN)进行改进,提出一种加强深度特征相关性的无人机视觉跟踪算法(SiamDFT).首先,将全卷积神经网络后三层卷积的网络宽度提升一倍,充分利用目标的外观信息,完成对模板帧和检测帧的特征提取;其次,在检测帧和模板帧分别提出注意力信息融合模块和特征深度卷积模块,两个深度的特征相关性计算方法能够有效抑制背景信息,增强像素对之间的关联性,高效完成分类和回归任务;然后,采用深度互相关运算完成相似性计算,并引入距离交并比的计算方法完成对目标的定位.实验结果表明,SiamDFT在无人机短时跟踪场景下精确率和成功率分别达到79.8%和58.3%,在无人机长时跟踪场景下精确率和成功率分别达到73.4%和55.2%,实景测试结果充分验证了所提出算法的有效性.

来源：2023年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第9期