关键词： 计算机视觉   图像处理   无人机   多目标跟踪   车辆检测  

摘要： 为了提高无人机视觉平台下的车辆多目标跟踪精度，本文提出了一种改进YOLOv7网络与优化ByteTrack算法相结合的无人机视觉车辆多目标跟踪算法。首先，针对小目标特征不明显的情况，增强了YOLOv7网络浅层语义信息的特征提取能力，同时采用SIoU-Loss对坐标损失函数进行优化，加快锚框收敛速度；其次，根据车辆运动特点，在ByteTrack算法的基础上，将卡尔曼滤波算法的状态向量融入加速度信息；最后，在VisDrone2021数据集上验证了算法的有效性，改进YOLOv7网络的平均检测精度比原网络提高3.2%，跟踪算法准确度比基准算法提高1.2%，高阶跟踪精度提高2.9%。

关键词： 多目标跟踪   卡尔曼滤波   上下文协同   组合距离  

摘要： 在智能驾驶和视频监控领域中，多目标跟踪被广泛应用，但在目标发生遮挡和非线性运动时，此时产生的噪声会造成检测和跟踪精度的降低，同时众多关联匹配算法也没有考虑到IoU和外观失衡的情况。针对以上问题，提出一种基于TransCenter改进的多目标跟踪网络。首先引用小波变换处理检测特征，然后设计了上下文协同选择器，通过动态选择跟踪特征和检测特征来缓解噪声产生的负面影响；紧接着融合卡尔曼滤波预测值和跟踪位移，以提高非线性运动中的预测位移准确度；最后根据IoU距离和外观距离的差值优化组合距离的权重，解决了高速运动和外观剧烈变化时组合距离失效的情况。在BDD100k、DanceTrack数据集上进行了实验，结果表明，与ByteTrack算法相比，改进网络的mMOTA和HOTA值分别提升了4.3%和5.9%，与TransCenter相比，HOTA提升了7.4%，且有着更好的灵活性和跟踪精度。

关键词： 目标检测   海杂波   大掠射角   雷达导引头  

摘要： 大掠射角下海面目标信号往往淹没在强海杂波中，给雷达导引头目标检测带来了严峻的挑战。为改善大掠射角下雷达检测微弱目标性能，提出一种基于多特征融合的海面目标检测方法。首先，通过分析大掠射角下雷达导引头挂飞实测数据，发现海杂波和舰船在展开相位差均值、同极化比相位均值和极差、同极化幅均比四个幅相特征方面存在较大差异；其次结合支持向量机方法，与已有特征集对比，验证了海杂波与舰船目标+海杂波在该四维特征空间可分性更高；进而对分类器加以虚警控制，提出一种幅相特征融合的海面目标检测方法；最后利用实测数据对比检验其性能，结果显示所提方法可以实现大掠射角下海面目标的有效检测。

关键词： 红外船舶   目标检测   无锚框   任务对齐学习  

摘要： 针对红外船舶检测过程中，在不同场景下对多尺度、小目标、有遮挡等问题检测效果不佳、实时性难以满足任务需要的情况，提出了一种基于任务对齐学习的红外船舶目标检测方法。首先，为提升检测速度采用无锚框（anchor-free）设计降低计算量；然后，为提升检测精度采用任务对齐学习（task alignment learning，TAL）进行标签分配和对齐；最后，根据特定场景有针对性的设计检测头以提升网络检测性能。通过实验对比验证，结果表明所提方法有效提升了对不同场景下船舶目标的检测性能，在检测精度及实时性上优于其他同类方法。

关键词： 目标跟踪   角速率   高炮火控   反应时间   快速解算   应急解算  

摘要： 针对传统要地高炮反导火控在应对超音速目标、低空突防目标等反应时间不足的问题，本文系统性地开展了基于目标角速率的要地高炮反导火控技术研究，分别提出了基于最小二乘预处理转换量测卡尔曼滤波平滑算法（LS-CMKFS）的快速解命中方法和基于角速率的应急解命中方法，并在此基础上研究了快速解算控制策略，兼顾了火控系统的反应时间和解算精度，仿真结果验证了该火控算法对提高高炮武器系统拦截目标效果的有效性。

关键词： 遥感图像   小目标检测   稀疏采样   局部上下文信息增强   多尺度特征融合  

摘要： 针对多尺度的遥感图像进行小目标检测时，基于深度学习的目标检测算法容易出现误检和漏检的情况，主要原因在于特征提取模块进行了多次的下采样操作；未能根据不同类别、不同尺度的目标关注所需的上下文信息。为了解决该问题，提出一种融合注意力和上下文信息的遥感图像小目标检测算法(ACM-YOLO)。首先，应用细粒度的查询感知稀疏注意力，减少小目标特征信息的丢失，避免漏检；其次，设计局部上下文增强函数，更好地关注不同类别的遥感目标所需的上下文信息，避免误检；最后，使用加权双向特征金字塔网络强化特征融合模块对遥感图像小目标的多尺度特征融合能力，提高算法检测效果。在DOTA数据集和NWPU VHR-10数据集上进行对比实验和消融实验，以验证所提算法的有效性和泛化性。实验结果表明，相较于YOLOv5基础算法，所提算法在DOTA数据集和NWPU VHR-10数据集上的召回率(R)分别提升了10.00个百分点和7.50个百分点，平均精度均值(mAP)达到了77.33%和96.12%，有效提升了m AP和召回率，降低了误检和漏检。

关键词： 遥感目标检测   细粒度   特征增强   深度学习  

摘要： 遥感图像中通常包含较多目标， 由于很难提取有效的类别判别信息， 现有遥感目标检测方法存在较多类别混淆现象. 为此， 提出一种判别区域感知增强的细粒度遥感目标检测方法. 首先在特征提取骨干网络中构建判别信息提取模块， 利用判别特征增强-抑制策略持续挖掘目标中易被忽略的局部细节信息， 增强网络对不同种类目标的特征描述力; 然后构建目标感知增强模块， 利用特征选择模块增强不同尺度下的特征描述力， 并采用多个不同大小卷积核的卷积层和跳连接操作提高浅层网络的目标感知力; 最后受到Transformer网络自注意力机制启发， 构建自注意力特征增强模块， 突出待检测目标的特征信息， 减少复杂背景对目标分类准确性的干扰. 在细粒度遥感目标检测数据集DOSR与HRSC2016上的实验结果表明， 所提方法的平均准确率分别达到72.04%和84.38%; 定性和定量的实验结果表明， 该方法对不同类别的遥感目标均具有良好的检测准确性和鲁棒性.

关键词： 目标检测   对抗样本生成   无人机识别   对抗补丁攻击  

摘要： 构成无人机视觉识别系统组成之一的目标检测算法容易遭受对抗攻击，尤其是物理对抗攻击的威胁更大。针对当前物理对抗攻击方法在无人机目标检测场景中攻击效果较差的问题，提出一种尺度自适应的物理对抗攻击方法—SAPA。设计补丁自适应模块，利用目标真实尺寸构造掩码对补丁进行缩放，以适应目标的多尺度变化。设计针对多尺度、多目标攻击的优化函数，将检测网络不同特征层的最大预测分数与TOG算法中目标消失攻击的损失结合。采用多种物理增强变换提升对抗补丁的物理鲁棒性。使用无人机采集多尺度车辆数据对补丁进行优化。在数字域中，对抗补丁的平均攻击成功率为81.4%。在物理域中，对抗补丁在20m～65m高度的平均攻击成功率为42.6%。结果表明，SAPA方法在攻击效果和鲁棒性方面优于现有方法。

关键词： 红外目标跟踪   计算机视觉   孪生网络   相关滤波  

摘要： 针对红外目标跟踪算法在复杂场景下性能退化的问题，提出了多尺度特征响应融合的红外目标跟踪算法。该算法基于Siamese网络框架，构建了一个自适应模版更新的目标模板库，以提高模版匹配准确性。采用ResNet-50构建了多尺度特征提取与融合网络，通过多分支结构捕获不同信息的特征，并引入分组卷积以及增加每组的基数来提取多样化的深层特征。此外，通过自适应权值分配策略，将不同尺度的特征进行融合；其次，提出了全局感知与快速响应模块，通过可微相关滤波器层实现对整帧图像的全局感知，同时动态生成适应性滤波器以捕捉目标特征。同时，采用核估计概率直方图建立红外目标的多尺度特征模型，在每个前向传播步骤中与候选区域进行比较，提高算法对于目标变化的响应速度和感知能力；最后，提出了空间-通道-帧间交互自注意力模块，使模型能够更好地聚焦于全局空间特征和高响应通道，并利用帧间交互注意力增强了前、后帧信息的互补性。在LSOTB-TIR和PTB-TIR数据集上进行了实验。实验结果表明，在多种复杂场景下，提出的算法显著增强了目标辨别、感知和抗干扰能力。算法的成功率和精准率，在LSOTB-TIR数据集上分别达到了67.3%和80.0%，在PTB-TIR数据集上分别达到了64.5%和83.1%，综合优于对比跟踪算法。