YOLO检测下基于ETC-DDPG算法的无人机视觉跟踪

来源：电子测量技术杂志2025年第22期北京时间：

作者：庄晶颖，刘磊，闫冬梅，梁成庆

单位：1.河海大学数学学院 南京 211100; 2.南京邮电大学现代邮政学院 南京 210003; 3.河海大学人工智能与自动化学院 常州 213000

摘要：为提升无人机动态目标跟踪效率和精度，提出结合DDPG算法和YOLO目标检测技术的ETC-DDPG算法。该算法引入事件触发机制，通过动态调整策略更新频率来提高算法的决策效率；引入课程学习构建分阶段训练框架，逐步提升无人机对复杂任务的适应性。实验结果表明，ETC-DDPG算法能够有效提升动态目标跟踪任务的跟踪效率和训练过程稳定性，并能减少计算资源需求，成功率可达93.357%，相比原始DDPG算法和ETC-TD3算法各项指标都有所提升，其中成功率分别提升56.175%和37.1%，并通过消融实验验证了事件触发机制和课程学习的协同作用，为无人机的自主执行任务提供了参考。

关键词：无人机;事件触发机制;课程学习;视觉跟踪;强化学习

基金资助：航空科学基金(2024Z071108001)、教育部重点实验室开放基金(Scip20240111)、安徽省普通高校交通信息与安全重点实验室开放课题(KLAHEI180188)、中央高校业务费(B240203012)项目资助