基于双光谱摄像机的小型无人机自动跟踪方案设计_温瑞生.pdf

24 电子技术 第 52 卷 第 5 期（总第 558 期）2023 年 5 月Electronics 电子学踪算法有YOLOv4算法（深度学习回归检测算法）和KCF算法（核相关滤波跟踪算法）。YOLOv4算法对于简单场景下的完整目标具有良好的检测跟踪能力，对尺度变化、形变等具有较强的鲁棒性，能够解决目标遮挡和高速机动问题，但是只能检测跟踪已知的目标，在距离较远、目标较小、目标特征不明显的情况下检测跟踪效果有待提高。而KCF算法虽然不需要了解目标的种类，但是在目标遮挡和高速机动的情况下容易丢失目标。针对现有技术的上述缺陷，本方案采用融合YOLOv4和KCF算法的技术方案，能弥补各自的劣势，同时又能发挥各自的优势,提高了跟踪算法的成功率，在复杂场景下表现出较强的鲁棒性。基于YOLOv4和KCF的融合目标跟踪算法包括以下步骤：（1）步骤1：在线下收集图片并进行特定目标人工标注，形成训练数据集，使用训练数据集对YOLOv4深度学习模型进行训练，获得目标检测模0 引言近年来，民用无人机市场呈现井喷式发展，与此同时，由于缺乏针对“低、慢、小”飞行器的有效监管手段，无人机妨害和扰乱通航秩序、远程偷窥窃密、实施危险行为等，成为当前公众安全面临的新威胁。1 系统组成本光电跟踪系统由热像镜头、热成像机芯、一体机镜头、可见光机芯与重载云台组成。热像镜头与一体机镜头分别负责采集目标的红外辐射与反射的可见光的采集；热成像机芯与可见光机芯负责分别将红外辐射与可见光转换为可视的视频图像；重载云台负责为上述部件提供俯仰和方向的控制以及电源与网络的支撑。2 软件设计工作流程。（1）接收雷达或频谱系统的目标位置数据；（2）控制云台将与镜头对准目标方向，根据目标距离调整镜头焦距并聚焦到目标的预定的位置；（3）在视频中进行目标的识别与锁定；（4）系统控制云台与镜头对锁定的目标进行自动跟踪。软件结构。图1为光电跟踪系统软件结构。目标跟踪算法。目标跟踪是指针对视频或图像序列中指定的目标进行检测与跟踪，从而获得目标的位置、速度和轨迹等信息。目前，常见的目标跟作者简介：温瑞生，中国电子科技集团公司第五十四研究所，工程师；研究方向：智慧安防信息系统。收稿日期：2022-08-17；修回日期：2023-05-12。摘要：阐述融合YOLOv4和KCF算法的光电跟踪系统设计，它是基于多光谱成像的智能伺服系统，与雷达探测系统、多频段电磁波干扰系统相结合，组成无人机反制系统。关键词：无人机反制系统，光电跟踪系统，YOLOv4，KCF。中图分类号：TN219 文章编号：1000-0755(2023)05-0024-02文献引用格式：温瑞生，于峰.基于双光谱摄像机的小型无人机自动跟踪方案设计J.电子技术,2023,52(05):24-25.基于双光谱摄像机的小型无人机自动跟踪方案设计温瑞生，于峰（中国电子科技集团公司第五十四研究所，河北 050081）Abstract This paper describes the design of photoelectric tracking system integrating YOLOv4 and KCF algorithm.It is an intelligent servo system based on multispectral imaging,which is combined with radar detection system and multi band electromagnetic interference system to form a UAV anti control system.Index Terms UAV counter control system,photoelectric tracking system,YOLOv4,KCF.Design of Photoelectric Tracking System Based on Dual Spectrum CameraWEN Ruisheng,YU Feng(The 54th Research Institute of China Electronics Technology Corporation,Hebei 050081,China.)图1 光电跟踪系统软件结构电子技术 第 52 卷 第 5 期（总第 558 期）2023 年 5 月 25Electronics 电子学型；（2）步骤2：使用训练好的目标检测模型检测特定目标，获取目标位置及尺度信息，初始化KCF目标跟踪器，并对其进行训练；（3）步骤3：采用KCF算法对特定目标进行跟踪，获取预测位置；同时将对当前帧做为YOLOv4目标检测模型的输入图像，进行特定目标检索，得出精确的目标检测位置及尺度信息；（4）步骤4：计算当前帧图像中特定目标的检测位置与预测位置的交并比；如果交并比小于预设阈值，则用目标检测位置作为当前帧目标位置；如果交并比大于预设阈值，或者目标检测未检测到目标，则用预测位置作为当前帧目标位置；使用当前帧目标位置及尺度信息更新KCF目标跟踪器；（5）步骤5：对下一帧图像重复步骤3步骤4，实现对视频目标的跟踪。3 硬件设计 3.1 红外热成像系统参数为确保对目标进行可靠的检测与跟踪,红外热成像系统需要同时满足三个条件：（1）为了避免噪声点引起的虚警，目标的成像尺寸应大于1个像素；（2）在无背景的条件下，探测器接收到的目标辐射功率满足信号探测处理的最低要求，亦即目标在探测器靶面上的照度满足最低要求；（3）目标和背景在探测器靶面上的对比度满足最低要求。以下从这三个方面进行计算。（1）镜头的波长计算。物体温度T与最大光谱辐射力波长max的乘积为常数，遵循维恩(Wien)位移定律如式（1）。（1）可计算得到温度与最大红外辐射波长的关系如表1。四旋翼无人机的温度在050之间，主要分布在长波红外区，所以我们选择812m的长波红外系统进行目标的跟踪。满足对比度要求的距离计算，如式（2）。（2）式中，目标背景的温差与红外系统的作用距离的关系中，R作用距离；大气衰减系数；T目标与背景的温差；S目标面积；SNRDT阈值信噪比；NETD噪声等效温差；IFOV瞬时视场；n覆盖像素个数。根据目标与背景的温差及其他参数，可计算得到系统的作用距离为：1.51km。综上，本设计的红外热成像系统的作用距离，在给定的目标与气象条件下不低于1.5km，满足系统技术指标要求。3.2 可见光系统参数计算探测与识别的依据。可见光探测与识别的判定依据采用约翰逊准则，辨别概率的经验计算如式（3）。（3）式中，P(N)为辨别周数为N时的辨别概率；N50为辨别概率为50%时的最小周数；N为当前周数。可见光用于识别，辨别概率选择0.8。计算镜头焦距。可见光的镜头采用Fw1.8Ft5的 可 见 光 镜 头，镜 头 艾 里 斑 的 最 大 值 分 别 为9.2m，以艾里斑的尺寸作为像元尺寸计算镜头满足约翰逊准则的最小焦距如式（4）。（4）式中，fmin为最小焦距；n与分别为像元的个数与尺寸；L与Min分别为目标的距离与最小尺寸。可见光镜头选定镜头焦距为550mm，探测跟踪距离不小于3km。由于上述计算可知，时速100km的无人机切向飞行时所需快门速度小于300s-1。为了避免超过图像传感器的极限快门速度，镜头的焦距必须随着目标的逼近而缩短，否则，会出现明显的图像拖尾。同时兼顾快门速度、目标识别的像元个数与视场角的匹配等多个因素，系统主要参数如表2。4 结语（1）采用双视频接口的图像处理单元设计，取消了热成像摄像机与网络交换机，简化了系统结构，降低了系统成本，提高了系统的可维护性，简化了平台软件的设备接入的开发过程。（2）采用融合YOLOv4和KCF算法的技术方案，能弥补各自的劣势，同时又能发挥各自的优势,提高了跟踪算法的成功率，在复杂场景下表现出较强的鲁棒性。（3）摄像机内置目标检测、跟踪与云台控制算法，没有网络传输与视频编解码的延迟，跟踪效果好。参考文献1 黄静,刘朝晖,邓书颖.点源目标的红外成像系统作用距离分析J.科学技术与工程,2007(18):4587-4590.表1 温度与最大光谱辐射力波长的关系表2 镜头与传感器的主要参数