面向智能船艇航行场景的小目标高精度跟踪器

邵泽远; 尹勇; 吕红光; 景乾峰; 王海超

交通信息与安全 ›› 2025, Vol. 43 ›› Issue (4) : 75 -85.

邵泽远, 尹勇, 吕红光, 景乾峰, 王海超

作者信息 +

Author information +

文章历史 +

摘要

海上小目标跟踪在智能船艇环境感知中至关重要。然而，受小目标特征信息少和船载相机抖动的影响，现有方法在跟踪精度与稳定性方面仍存在不足。为提升海上小目标的跟踪性能，研究了1种新颖的海上小目标跟踪器（SeaMicroTracker）。该跟踪器将基于深度学习的目标检测技术与优化的目标关联算法相结合，从而实现鲁棒的海上小目标跟踪。具体来说，目标检测部分采用增强型卷积神经网络（eYOLOv5）模型，以精确获取海上小目标的位置信息。目标关联部分中，设计了以观测为中心的卡尔曼滤波方法（observation-centric Kalman filter,OKF），以提高船载相机运动条件下状态估计的可靠性；提出了1种基于曼哈顿距离的交并比（Manhattan distance intersection over union,MDIoU）度量方式，以提升海上动态环境下的关联精度；并设计了1种基于逐级细化的级联匹配（progressive refinement cascade matching,PRCM）策略，以增强跟踪器对海上复杂环境变化、目标遮挡干扰的适应能力，进一步提升了海上目标关联能力。在杰瑞海事跟踪数据集上的实验结果表明，SeaMicroTracker在跟踪准确度和稳定性方面具有显著优势，多目标跟踪准确度（multiple object tracking accuracy,MOTA）和ID匹配得分（identification F1,IDF1）分别为80.6和64.0。与基线方法 ByteTrack相比，所提方法的MOTA和IDF1分数分别提升了27.9%和34.7%，有效减少了ID切换次数，且平均跟踪速率达30.1FPS，满足工程应用需求。