一种改进YOLOv3的动态小目标检测方法

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。