王靖宇, 王霰禹, 张科, 蔡宜伦, 刘越

(1.航天飞行动力学技术重点实验室, 陕西 西安 710072; 2.西北工业大学 航天学院, 陕西 西安 710072)

随着无人机使用门槛的不断降低，由于缺乏统一的行业标准和规范，导致无人机的“黑飞”问题日益突出，使得无人机被滥用的可能性在显著增加，低空空域内无人机的非合作入侵飞行事件在国内外已屡见不鲜，不仅对公民隐私和生命财产安全造成了危害，严重制约了无人机产业化的发展，更是对公共安全和国家安全带来了十分巨大的威胁[1-2]。因此，需要采用视频图像信息对低空无人机目标进行有效检测，以实现后续的防护压制。

近年来，随着以深度学习为代表的人工智能方法在图像处理领域的不断发展，大量目标检测方法都采用深度神经网络来完成任务。文献[3]针对利用图像数据与深度信息进行目标识别时，存在信息融合不一致、特征设计不统一等问题，研究了基于卷积神经网络的多模信息融合识别方法，使得特征学习可以根据目标特性自动进行。然而，无人机在远距离上的视觉特性较弱、尺寸较小，是较为典型的弱小视觉目标。目前，基于深度神经网络的弱小目标检测方法研究主要针对交通标志、空中飞鸟等弱小目标。其中，文献[4]提出了一种基于深度神经网络的小尺寸道路标示识别框架，通过采用全卷积网络来提供道路标识的位置线索，并采用深度卷积神经网络来实现对标识的检测。文献[5]针对图像中鸟类弱小目标的检测问题，提出了一种基于卷积神经网络和全卷积网络的检测识别方法，通过提取多尺度特征来有效区分鸟和背景区域，从而实现对鸟类弱小目标的检测与识别。……