节点文献

一种改进YOLOv3的动态小目标检测方法

免费订阅

【作者】 崔艳鹏王元皓胡建伟

【Author】 CUIYanpeng;WANG Yuanhao;HU Jianwei;School of Network and Information Security,Xidian University;Network Behavior Research Center,Xidian University;

【通讯作者】 胡建伟;

【机构】 西安电子科技大学网络与信息安全学院西安电子科技大学网络行为研究中心

【摘要】 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。

  • 【DOI】10.19665/j.issn1001-2400.2020.03.001
  • 【分类号】TP391.41;TP183;V279
  • 【下载频次】783
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: