基于计算机视觉技术的无人机检测跟踪方法

来源：济南大学学报·自然科学版杂志2024年第04期北京时间：

作者：刘新锋,陈梦雅,李成龙,陈关忠,张晓

摘要：针对无人机因目标较小而难以检测、检测速度慢、难于跟踪等问题，提出一种基于目标检测YOLOv5s算法和目标跟踪DeepSORT算法的无人机检测跟踪方法；采用自采数据集和公开数据集构建无人机检测数据集，使用针对小目标的数据增强方法以扩充数据集多样性；选择合适的YOLOv5算法模型实现无人机目标的精准、快速检测，引入基于批标准化层的模型剪枝方法进一步提高模型检测速度；利用DeepSORT算法实现无人机目标的实时追踪；通过对比YOLOv3、 YOLOv4、 Fast R-CNN以及改进前的YOLOv5算法，验证了本文方法在无人机检测方面的性能。结果表明：提出的无人机检测跟踪方法的全类平均精度达到0.947,每秒浮点运算次数达到2.93×10~9,在无人机检测的精度和速度方面均具有优势。

关键词：计算机视觉技术;无人机检测;目标跟踪;模型剪枝