西安电子科技大学学报

2020, v.47(03) 1-7

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种改进YOLOv3的动态小目标检测方法
Detection method for a dynamic small target using the improved YOLOv3

崔艳鹏;王元皓;胡建伟;

摘要(Abstract):

由于低空小型无人机类的动态小目标视觉特征不明显,且在检测过程中尺度可能变化较大,故传统的检测算法在检测该类目标时易受到干扰,检测速度和稳定性较差。针对此问题,提出了一种结合YOLOv3改进模型和超分辨率重建技术的无人机实时检测算法。首先以三帧间差分法筛选可疑区域;然后使用轻量级卷积神经网络进行可疑区域的超分辨率重建,增强细节信息;再用维度聚类算法重新生成YOLOv3模型的预选框参数并调整预选框分配,使用改进模型扫描全图和可疑区域,进行无人机检测;在视频流检测中,将帧间关系作为依据,强化选定区域的细节特征后再进行目标检测,实现无人机的检测式追踪。该方法在GTX1070Ti处理器加速下,检测速度可达18帧每秒,模型检测的准确率和召回率分别为96.8%和95.6%。实验结果表明,该方法可以在复杂环境下检测大疆精灵系列无人机,检测有效距离可观,相比传统算法和机器学习类特征提取算法,其处理速度和鲁棒性更佳。

关键词(KeyWords): 反无人机;卷积神经网络;超分辨率;复杂背景;实时检测

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 崔艳鹏;王元皓;胡建伟;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享