运动约束下结合区域提议网络的无人机孪生网络跟踪方法

来源：信号处理杂志 2025年第5期北京时间：

作者：吴浩, 符玺, 崔雄文, 王正宁, 敬辉, 邹翔, 高子然, 江莉

摘要：光电探测设备是反无人机系统的重要组成部分，对无人机的图像确认取证有重要作用。目标跟踪是光电探测设备的核心技术。无人机目标体积小、背景环境复杂，因此无人机目标跟踪是一个具有挑战性的问题。此外，现有的无人机跟踪数据集在目标大小和属性分布特征方面存在局限性，不能完全代表复杂的真实场景。针对以上问题，本文提出了一种运动约束下结合区域提议网络的无人机孪生网络跟踪方法。首先，在基于孪生网络的无人机跟踪方法的基础上，本文对权重初始化策略进行优化，提高了模型训练的稳定性和准确性。其次，针对无人机跟踪过程中的虚警和漏检问题，本文提出了一种融合目标置信度阈值与运动约束条件的动态自适应过滤策略，通过设定多级置信度门限，动态调整检测逻辑，提高无人机跟踪方法的场景自适应能力。最后，本文提出一种高低频自适应图像增强策略，解决部分场景中无人机细节信息缺失以及亮度分布不均匀的问题，提高了跟踪方法在低对比度场景和高动态范围图像中的性能。为了更全面地验证所提出的跟踪方法的性能，本文对Anti-UAV410标准数据集进行了扩充，构建了更具挑战性、泛化性能更强的Anti-UAV500数据集。实验结果表明，本文提出的SiamXC模型在Anti-UAV410数据集上相较SiamDT模型性能提升1.28%，并在自制数据集上相较现有的SOTA跟踪方法均有显著的性能提升。

关键词：‍‍孪生神经网络, 反无人机, 目标跟踪, 红外数据集