YOLOv5與Deep-SORT聯合優化的無人機多目標跟蹤算法

羅 茜 趙 睿 莊慧珊 羅宏剛

（華僑大學信息科學與工程學院，福建廈門 362021）

1 引言

隨著人工智能的發展與進步，無人機（Un?manned Aerial Vehicles，UAV）發展迅猛，由于無人機具有運動靈活、能耗低、適應性強、無人員傷亡風險等優勢在軍事和民用領域應用廣泛［1-3］，例如用于軍事上的敵情偵察、農業中的灌溉作業、企業數據檢測等。此外，自21 世紀以來，計算機視覺發展迅速，尤其是其中的視覺目標跟蹤技術，發展越來越成熟，在很大程度上解決了人們生活中的智能化需求，例如：自動駕駛、智能安保等，提高了人們的生活質量，因此將目標跟蹤技術與無人機進行融合展現了巨大的應用前景。

由于無人機可靈活移動，對地面觀測的視角廣闊，目標搜索范圍較大，有助于采集更加全面的目標信息，與此同時，出現的干擾物體也會較多，這將導致目標與背景之間可區分性差、目標之間相互遮擋等問題的出現；此外，無人機受到地面高度的制約將導致圖像中的目標多為小目標，且無人機由于自身的高速運動會頻繁出現相機抖動、視角變換等現象，從而使得跟蹤目標尺度變化較大；這些問題將影響無人機視角下的跟蹤準確度與精度，且與其他場景下的跟蹤相比，無人機平臺下的跟蹤目標身份切換次數也較多。在無人機視覺領域下，Bae S H等人［4］首次提出利用軌跡置信度來解決目標遮擋問題的在線多目標跟蹤算法，該算法雖然能夠減小目標切換頻次但降低了跟蹤準確度以及精度。……