基于掩码记忆的无人机电力设备分割跟踪方法研究

无人机巡检是保障新型电力系统安全运行的重要手段,视频目标跟踪技术能够有效提高巡检精度。针对实际电力场景中背景复杂、目标形变大等挑战,提出一种基于掩码记忆的无人机电力设备分割跟踪方法。首先,设计了基于掩码记忆的L2匹配分割方法,使用负平方欧几里得距离来计算帧间亲和度,利用构建的历史掩码信息进行目标匹配,提升设备的粗分割精度。其次,为了减少记忆冗余,提出变化感知的记忆更新机制,通过图像和掩码联合评估目标变化程度,设计变化度置信度阈值,以此决策是否进行记忆更新。最后,将分割技术融入判别式相关滤波的跟踪框架中,实现电力设备鲁棒分割跟踪。该方法分别在通用数据集VOT2018、无人机数据集UAV123和实际电力场景数据集中进行测试。实验结果表明所提方法能有效提升无人机巡检精度,并为电力设备安全运行提供技术参考。