【技术实现步骤摘要】
本专利技术涉及无人机目标长时跟踪方法，更具体的说是一种基于混合注意力机制和分层判别器的无人机目标长时跟踪方法。
技术介绍
1、近年来，无人机因其高效和低成本的特点，被广泛应用于军事、交通、物流和安防等领域。然而，非法和不受监管的无人机使用也带来了诸多安全隐患，例如干扰民航、侵犯隐私等，对公共安全构成了重大威胁。为确保公共安全，亟需研究有效的反无人机系统，尤其是通过目标跟踪技术实时监控无人机活动。
2、目标跟踪技术主要分为基于相关滤波和深度学习的方法。基于相关滤波的方法通过构建滤波器来识别和跟踪目标，具有计算效率高的优点，但在复杂场景下的鲁棒性较弱。相比之下，深度学习方法通过学习大量数据中的特征模式，建立目标与背景的区分模型，已成为当前研究的热点。然而，深度学习方法在实时性和在线更新方面仍存在挑战，尤其是在无人机目标外观变化时难以适应。
3、近年来，基于连体网络的跟踪器取得了显著进展。这类方法将物体跟踪视为一个匹配问题，其核心思想是学习目标模板与搜索区域之间的相似性映射。通过将跟踪问题转化为相似性计算，连体网络在准...
【技术保护点】
1.一种基于混合注意力机制和分层判别器的无人机目标长时跟踪方法，
2.根据权利要求1所述的基于混合注意力机制和分层判别器的无人机目标长时跟踪方法，区域候选网络为RPN，注意力模块为AM；空间注意模块为CSAM，上下文注意模块为CAM。
3.根据权利要求1所述的基于混合注意力机制和分层判别器的无人机目标长时跟踪方法，概率分值计算方法如下所示：
4.根据权利要求1所述的基于混合注意力机制和分层判别器的无人机目标长时跟踪方法：步骤九、如果APCE值较低，将APCE引入SiamRPN++，如果则认为当前APCE分数明显偏低，如跟踪结果不安全...
【技术特征摘要】
1.一种基于混合注意力机制和分层判别器的无人机目标长时跟踪方法，
2.根据权利要求1所述的基于混合注意力机制和分层判别器的无人机目标长时跟踪方法，区域候选网络为rpn，注意力模块为am；空间注意模块为csam，上下文注意模块为cam。
3.根据权利要求1所述的基于混合注意力机制和分层判别器的无人机目标长时跟踪方法，概率分值计算方法如下所示：
4.根据权利要求1所述的基于混合注意力机制和分层判别器的无人机目标长时跟踪方法：步骤九、如果apce值较低，将apce引入siamrpn++，如果则认为当前apce分数明显偏低，如跟踪结果不安全，此时应启动重新检测模块。
5.根据权利要求1所述的基于混合注意力机制和分层判别器的无人机目标长时跟踪方法，选用yolo作为再检测网络，包括cbl和cspnet模块，cbl包括二维卷积、批处理归一化和leakyrelu激活函数，cspnet包括二维卷积、res单元和cbl。
【专利技术属性】
技术研发人员：彭高亮，程枫，张世纪，孙海江，李航，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。