基于无人机视角的地面多军事目标跟踪算法

摘要

针对当前多目标跟踪算法在军事无人机视角的战场感知中存在轨迹中断和ID跳转问题，提出一种基于无人机视角的地面多军事目标跟踪算法VA-ByteTrack。首先，将EfficientFormerV2网络作为检测器YOLOX的主干网络，并在输出端添加卷积块注意力模块（Convolutional Bock Attention Module, CBAM），以提高检测器对小尺寸目标的特征提取能力，解决了小目标特征模糊导致的轨迹中断问题。其次，引入运动匹配代价交并比（Intersection Over, Union, IOU）和检测置信度S，构建了基于sigmoid函数的自适应卡尔曼滤波，以平衡高分检测框和低分检测框的不同协方差需求，解决了目标密集且相互遮挡所导致的频繁ID跳转问题。实验结果表明，相比SORT、 DeepSORT、 ByteTrack等主流算法，所提算法跟踪准确度分别提升1.7、 1.4和1.0百分点，跟踪精度分别提升0.7、 0.5和1.9百分点，轨迹中断问题分别降低49.4%、 7.7%和7.2%, ID跳转问题分别降低46.3%、 15.9%和12.1%，满足战场动态感知的实际需求。

关键词

多军事目标跟踪 / 无人机视角 / 自适应卡尔曼滤波 / 目标检测

基金资助

山西省基础研究计划面上项目（202103021224199,20210302123047）