[发明专利]基于孪生跟踪网络和异常调度器的无人机高速检测方法

权利要求书

1.一种基于孪生跟踪网络和异常调度器的无人机高速检测方法，其特征在于，包括以下步骤：

步骤一：采用光电传感器对飞行中的无人机在不同背景下摄录多组视频，形成视频集，标注每帧目标的矩形包络框，并针对环境光照变化和雨雾天气设计亮度抖动算法和双重模糊算法，对视频集进行数据增强，最终获取无人机视频检测数据集；

步骤二：针对一阶段检测网络分支，设计并构建基于残差网络和卷积互相关性计算的孪生跟踪网络分支，对被检测到的无人机进行高速跟踪，孪生跟踪网络分支与检测网络分支共享部分特征提取层；

步骤三：在孪生跟踪网络分支中设计基于通道混合描述子的背景抑制机制，构造了有效表达通道特征图全局信息的通道混合描述子来准确判别背景通道，基于通道注意力机制来抑制特征的背景通道并增强特征的前景通道，提高在复杂背景中跟踪无人机的精度；

步骤四：设计基于离群检测的异常调度器，调用跟踪操作来对检测结果进行高速插补，并通过基于标准化流的离群检测来评估目标跟踪质量与跟踪异常状态，根据跟踪质量评估与异常状态评估结果自适应地切换检测和跟踪状态，在加速检测的同时，提升检测与跟踪协作框架下的总体检测精度；

步骤五：训练阶段在无人机视频检测数据集上分别训练检测网络分支和孪生跟踪网络分支，并采用该数据集中孪生跟踪网络分支对应的正样本来训练基于离群检测的异常调度器，推理阶段由基于离群检测的异常调度器自适应地切换检测和跟踪来实现对无人机的低算力、高速检测。

2.如权利要求1所述的基于孪生跟踪网络和异常调度器的无人机高速检测方法，其特征在于，所述步骤一中亮度抖动算法随机更改图片亮度并进行红蓝通道的抖动来模拟随时间变化的环境光照对图片亮度的改变；

具体而言，亮度抖动算法首先对图像进行随机的亮度抖动，假设p_xyc∈[0，255]是输入RGB图像I∈R^3×H×W上的像素点，其中H和W是图像的宽度与长度，x∈{1，2，...，W}且y∈{1，2，...，H}是像素点在图像上的平面坐标，c∈{r，g，b}是输入RGB图像的三个通道；对于a，b∈R，定义a∨b和a∧b分别表示a，b中的最大值和最小值，则图像亮度的随机抖动如公式(1)所示：

其中，p′_xyc表示输出的像素点，g～U(t_gl，t_gh)和γ～U(t_γl，t_γh)对应于改变图像亮度的增益和伽马参数，U表示均匀分布，t_gl，t_gh，t_γl，t_γh是控制g和γ分布的参数；

然后，亮度抖动算法针对清晨到黄昏的环境光照色温变化，随机对红蓝通道的像素强度进行反方向的加减，假设p′_xyr，p′_xyg，p′_xyb分别表示红、绿、蓝通道的像素，则对于图像色温的随机抖动如公式(2)所示：

其中δ～U(t_δl，t_δh)表示对红蓝通道进行强度加减的随机变量，δ的增加会增加图片的色温，t_δl和t_δl控制δ的分布。