基于单目视觉的无人机目标跟踪算法研究

摘要

针对无人机目标跟踪算法中存在的目标失跟率高、跟踪稳定性不足以及尺度漂移等关键问题，提出一种融合检测与跟踪机制的改进算法。该算法通过深度整合YOLOv4-tiny目标检测框架与核相关滤波器((kernelized correlation filters, KCF)构建双模态协同跟踪架构，在此基础上，设计基于特征金字塔的轻量化自适应尺度估计模块和伺服控制器，通过多尺度特征融合与动态参数调整机制，实现对目标尺度的精准估计。实验结果表明，该算法在保持实时性的同时，将复杂场景下的跟踪成功率提升至82.6%,有效克服了跟踪漂移问题，且当目标存在长短时遮挡、尺度变化情况时跟踪性能良好。

关键词

无人机 / 目标跟踪 / 目标检测 / 尺度估计 / 核相关滤波器

基金资助

辽宁省科学技术计划项目(2023JH2/10700006)