基于深度学习的红外小目标检测与跟踪方法

红外成像由于其低成本、抗干扰和全天候工作特性，已成为一种有效的反无人机方法。然而，通过红外摄像头检测无人机仍然是一个具有挑战性的问题，因为视野中的红外目标通常很小，缺乏形状和纹理特征。本文提出了一种基于深度学习的红外小目标检测和跟踪方法。我们改进了单镜头多框检测器（SSD）的网络架构，用于红外小目标检测，称为小目标用单镜头多框检测器（SSD-ST），通过去除低分辨率层并增强高分辨率层。此外，为了进一步减少误报率并提高精度，我们还设计了一种自适应管道滤波器（APF），基于时间相关性和运动信息来纠正检测结果。我们在一个包含16177张红外图像和30个轨迹的数据集上评估了我们的方法。结果表明，我们的方法在复杂场景中比传统方法更为稳健，并且实现了90%以上的召回率和95%以上的精度，证明我们的方法可以很好地完成红外小目标的检测和跟踪任务。