陈欣佳　刘艳霞　洪晓斌　王慧芳

摘要：针对目前目标检测和目标跟踪算法对无人艇运算配置要求高、速度慢等问题，该文一种提出基于SSD-CF的无人艇目标检测跟踪方法。利用MobileNets结构结合SSD目标检测算法构建轻量级卷积神经网络，实现无人艇的水面目标检测。目标检测结果作为相关滤波CF目标跟踪算法的初始输入，并在目标跟踪过程的保障其有效性。通过MODD水面船只视频数据实验表明，SSD-CF方法融合目标检测与目标跟踪算法，可有效地降低对运算力的要求，提升目标检测跟踪速度和目标位置的稳定连续性。

关键词：无人艇;目标检测;目标跟踪;SSD;MobileNets;相关滤波

中图分类号：TN212

文献标志码：A

文章编号：1674–5124（2019）02–0145–06

0 引言

水面无人艇实际应用广泛，如水质检测、海面巡逻监控等。随着人工智能技术的发展，现代无人艇海面自主航行领域的各项技术也在不断完善。水面目标准确检测跟踪是无人艇的核心技术。但其目前较好的目标检测都依赖于深度学习卷积网络，检测速度较慢，且对于运算环境要求高。目标跟踪算法在给出目标之后能较好地稳定跟踪目标，但目标丢失后无法重新追踪目标。目前目标检测算法主要分为3类：1）传统的检测算法，主要有Cascade+Harr[1]、SVM+HOG[2]、DPM算法等利用手工特征结合机器学习类算法，以及在此类算法上的改进和优化;2）候选窗选择算法结合深度学习分类的二阶段检测算法，主要有RCNN、SPP-net[3]、Fast-RCNN、Faster-RCNN[4]等系列方法;3）基于一阶段的深度学习回归方法，主要算法有YOLO、SSD[5]等，一次性对目标位置以及目标类别进行学习计算。……