基于深度學(xué)習(xí)的無人機(jī)航拍目標(biāo)檢測(cè)與跟蹤方法綜述

歐陽(yáng)權(quán), 張 怡, 馬 延, 薛雅麗, 王志勝

(1.南京航空航天大學(xué)自動(dòng)化學(xué)院,南京 211000; 2.西北工業(yè)大學(xué)軟件學(xué)院,西安 710000)

1 研究背景

近年來,無人機(jī)(UAV)因體型小巧、成本低廉、動(dòng)作靈活性高、易于操控等優(yōu)勢(shì),在各種多元化航拍場(chǎng)景中都得到了應(yīng)用,例如檢測(cè)、追蹤野生動(dòng)物的數(shù)量和生活軌跡,特定場(chǎng)合對(duì)人群、車輛進(jìn)行安全監(jiān)控、跟蹤和定位,實(shí)時(shí)監(jiān)測(cè)空氣、水質(zhì)并追蹤查找污染源等。在無人機(jī)的諸多應(yīng)用中,目標(biāo)檢測(cè)與跟蹤技術(shù)發(fā)揮著不可替代的作用。

一直以來,目標(biāo)檢測(cè)與跟蹤技術(shù)總體上是由檢測(cè)和跟蹤兩個(gè)部分組成。其中:目標(biāo)檢測(cè)是通過檢測(cè)算法對(duì)輸入圖像中可能存在目標(biāo)的區(qū)域(即感興趣區(qū)域)[1]進(jìn)行特征提取,利用預(yù)訓(xùn)練的分類器輸出檢測(cè)結(jié)果;目標(biāo)跟蹤是利用跟蹤算法對(duì)視頻初始幀目標(biāo)進(jìn)行特征提取,通過模型訓(xùn)練來預(yù)測(cè)目標(biāo)的未來位置和大小。目標(biāo)檢測(cè)與跟蹤技術(shù)都經(jīng)歷了從傳統(tǒng)方法階段到基于深度學(xué)習(xí)方法階段的演變,傳統(tǒng)方法需要手動(dòng)提取特征,存在過程繁瑣、計(jì)算量冗余且準(zhǔn)確率低等缺點(diǎn)。隨著科學(xué)技術(shù)的飛速發(fā)展,基于深度學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)已經(jīng)成為無人機(jī)目標(biāo)檢測(cè)與跟蹤技術(shù)的首選框架[2]。如圖1[3]所示,通過無人機(jī)群對(duì)人體進(jìn)行檢測(cè)和追蹤。目前,計(jì)算機(jī)領(lǐng)域中應(yīng)用最廣泛的深度目標(biāo)檢測(cè)算法以兩階段(Two-stage)和單階段(One-stage)為主。其中,Two-stage目標(biāo)檢測(cè)算法以R-CNN[4-5]系列最為常見;One-stage目標(biāo)檢測(cè)算法以YOLO算法系列[6-11]和SSD[12-15]算法為代表。目標(biāo)跟蹤算法大致劃分成生成式和判別式兩種,判別式目標(biāo)跟蹤算法又可分為以相關(guān)濾波[16-21]為基礎(chǔ)和以深度學(xué)習(xí)[22-27]為基礎(chǔ)的跟蹤算法。……