改进YOLOv7的城市小型无人机目标检测方法

针对“低小动”无人机的反制技术已成为低空空域安全防御的重要手段，然而实时检测与准确识别是实施有效反制的前提条件与关键基础。针对城市低空环境下，目标检测算法对不同背景下小尺度无人机目标检测精度低，容易出现漏检误检且易受外界因素干扰等问题，提出了一种基于改进YOLOv7的“低小动”无人机目标检测方法。首先采集大量不同环境、不同背景下的无人机样本构建数据集，并采用ViBe(visual background extractor)算法进行预处理；其次引入坐标注意力机制与SPDConv(space-to-depth convolution)模块改进和优化YOLOv7的网络结构；最后提出融合ViBe和改进YOLOv7的二级检测架构，将改进后的YOLOv7作为网络模型检测经ViBe处理后的图像。依据原图与处理图像的位置大小关系，将检测出的目标坐标映射回归至原图片，从而完成目标检测提取。实验结果表明，所提目标检测方法检测精度达96.5%，较原YOLOv7方法提高了15.8个百分点，显著提升了“低小动”目标的检测精度，能够满足低空无人机的实时精准检测的需求。