基于目标检测与跟踪组合模式的智能枪瞄技术研究

针对智能化枪瞄系统中存在的检测图像序列角度变化较大、遮挡较为严重的问题,结合深度学习目标检测模型Single Shot MultiBox Detector(SSD)和核相关滤波器(KCF),提出一种新的自动检测-跟踪-检测(DTD)模式,利用SSD快速精确地对目标进行检测,将检测到的坐标信息输入到KCF跟踪模型中进行稳定跟踪,利用一组固定维数动态峰值的均值和标准差对每帧的响应峰值进行检测,如果发现异常峰值,则判定目标丢失或即将丢失,使用SSD重新检测,同时设定目标重检测时间阈值,在跟踪器运行时间大于此阈值时,同样进行重新检测。试验表明,该方法较之前单一的目标检测或跟踪方法具有更高的检测精度和较快的速率。     

基于国产嵌入式智能计算平台的无人机检测方法

面向陆地战场上对反无人机侦察的现实需求,提出一种基于国产嵌入式智能计算平台的无人机检测方法。针对无人机体型小、易受战场环境影响而不易察觉的难题,采用红外、可见光图像和视频流等多源输入进行目标检测;针对嵌入式平台算力和存储能力有限的特性,构建轻量化深度神经网络,通过将单次多盒检测器(SSD)中的特征提取网络替换为MobileNet进行模型优化;选用国产嵌入式平台比特大陆SE5智能计算盒进行验证,完成模型转换和移植。实验结果表明：所提基于轻量化深度神经网络MobileNet-SSD的无人机检测方法在国产嵌入式智能计算平台上能够准确判断出目标的类别,且平均识别精度和帧率与在开发环境中运行差距不大。充分表明所提方法在国产嵌入式智能计算平台上进行移植后,能够在速度和精度方面满足应用环境对无人机检测算法实时性与准确性的要求。