基于改进YOLO的飞机起降阶段跟踪方法

作者：郭晓静; 李欣^*; 隋昊达

来源：计算机工程与设计, 2022, 43(11): 3250-3256.

DOI：10.16208/j.issn1000-7024.2022.11.033

• 飞机目标识别
• 目标跟踪
• YOLO算法
• 深度可分离卷积
• 聚类分析

针对起降阶段飞机目标识别跟踪中人工与雷达配合检测效率低的问题,提出一种轻量化单目标识别跟踪模型。引入Mobile Netv3改进YOLOv4的特征提取网络,利用基于马尔科夫链蒙特卡罗采样的K-means++算法对自建数据集标注的边界框尺寸信息进行聚类分析。将数据集按7:3进行样本训练与测试,实现根据飞机垂尾处的公司标记自动分类识别、跟踪。实验结果表明,改进后算法的准确率达到94.29%,每秒处理的帧数达到67f/s,速度相比原来的YOLOv4算法提高了35f/s,提升了检测效率,具有较好的理论价值与应用前景。

• 单位
  中国民航大学; 自动化学院