双目测距和YOLOv5s的无人机快速识别定位追踪系统

无人机的识别与监控是目前安防领域研究的热点，现有的无人机检测方案成本过高、实现困难，存在一定的缺陷。针对此问题，文中提出一种使用最新型深度学习算法YOLOv5s的无人机光学快速识别定位追踪系统。首先通过深度学习算法实时检测是否存在无人机，并准确定位无人机的位置信息；再进一步使用KCF快速追踪算法锁定并持续追踪入侵目标；最后采取双目深度摄像头实时测算跟踪目标距离，定位位置信息后再转换输出无人机三维位置数据。所设计系统使用最新一代YOLOv5s深度学习模型，并通过改进训练模型使得其对无人机的识别达到了较高的准确率，特别是在运算速度方面，大大超过现有算法，满足高速追踪的要求。实验结果表明，相较于YOLOV3,YOLOv5s模型的准确率提高5.84%，召回率提高6.41%，推理速度提高300%。采用YOLOv5s和KCF算法相结合可稳定连续定位目标，且由于双目摄像头定位精确，全局识别速度高达80 f/s，完全具备高速追踪定位无人机的能力。