基于YOLOv4与KCF的无人机飞行障碍精准识别与实时跟踪研究

摘要

低空飞行的无人机,时常面临飞机、鸟类、行人、汽车、交通灯等障碍物的碰撞威胁.如何准确地检测出这些飞行障碍,并在规划飞行路径(Route Plan)时躲避它们,已经成为无人机研究领域中的一个重要课题.近年来,基于深度学习(Deep Learning)的图像识别技术(Image Recognition)在生物特征识别、物体分类等领域展现了强大的分类检测效能,这也为无人机飞行障碍检测提供了可能的解决思路及其实现途径.本文专注于无人机飞行障碍的检测与跟踪(Detect and Track)环节,基于YOLOv4目标检测与KCF目标跟踪,对低空常见的典型障碍物进行精准识别与实时跟踪(Precise Recognition and Real-time Tracking);探索了高准确率的YOLOv4目标检测(Object Detection)与高运行效率的KCF目标跟踪(Object Tracking)之间的最佳平衡点,从而兼顾了无人机障碍物检测的准确率与实时性,具有较强的理论探索意义和工程应用价值.