科研之友
微信
新浪微博
Facebook
分享链接
摘要
无人机集群作战正朝着智能化、实战化迅猛发展，将在未来战场上造成巨大威胁，面向反制无人机集群的探测与跟踪研究势在必行。针对在复杂场景及远距离探测条件下无人机集群目标之间相互遮挡、无人机为弱小目标等原因造成的检测精度降低和跟踪精度降低问题，本文提出的UAVS-MOT多目标连续鲁棒跟踪算法可以有效解决。UAVS-MOT模型基于Fair MOT模型的多分支无锚框预测结构，将坐标注意力模块与DLA-34网络相结合，构建了全新的主干特征提取网络以提升特征信息的表达能力。此外，引入全新的Arc Face Loss损失函数进行训练以提高模型的收敛速度，并利用BYTE数据关联方法以降低目标漏检率和提高轨迹的连贯性。实验表明，本文提出的UAVS-MOT多目标跟踪算法在UAVSwarm Dataset上的MOTA和IDF1分别为73.4%与76.1%，相比原有Fair MOT算法分别提升5.7%与2.9%，可以解决目标的漏检、误检和跟踪精度低的问题，鲁棒性好。
- 单位
