无人机状态检测Kalman滤波空地目标跟踪算法

针对无人机(UAV)面向空地目标进行目标跟踪过程中,发生目标离开视野、目标被遮挡、存在相似目标干扰等问题导致追踪失败的情况,提出一种基于追踪状态检测和Kalman滤波的重定位更新机制,将其与孪生全卷积网络(siamfc)跟踪器结合。以空地目标为被跟踪对象,以无人机为跟踪空地目标的跟踪者,首先,基于双峰选择、平均峰值相关能量变化率、最高响应值变化率和峰值旁瓣比变化率的检测机制检测当前的追踪状态是否异常,判断siamfc的追踪结果是否满足作为观测值的要求。其次,Kalman滤波利用目标运动的先验信息对追踪进行预测更新,当追踪状态异常时能够及时校正调整目标跟踪结果。基于LaSOT数据集完成训练,在UAV123航空数据集和自制的以无人机为目标的数据集上进行实时目标跟踪测试和对比实验。实验结果表明:该算法在UAV123上的精确率和成功率分别为66.0%和47.4%(62帧/s),在自制的以无人机为目标的数据集上的精确率和成功率分别为72.0%和58.6%(55帧/s),满足目标跟踪的实时性要求,且跟踪结果优于多数跟踪器。该算法在无人机为跟踪者和被跟踪对象的情况下均能完成有效目标跟踪,应对目标离开视野、部分或全部遮挡和存在相似目标干扰等挑战性场景的能力有所增强,且算法具有良好的泛化能力。