陶 磊，洪 韬，钞 旭

北京航空航天大学电子信息工程学院，北京 100191

近年来，越来越多的无人机出现在我们的生活中. 无人机数量的激增，使得无人机市场前景开阔，但是也给城市安保带来了更大的挑战[1]. 出于对公众安全的考虑，各地政府在机场、会议场所等区域，禁止未经许可的无人机飞行. 因此，在特定区域对无人机进行监测是安防的迫切需求.

由于无人机具有体积较小、雷达截面小、低速的特点，利用传统的雷达设备很难探测或者是识别无人机[2]. 在城市环境中，声音较为嘈杂，无人机更可穿梭于高楼之间，利用声传感器也很难探测到无人机. 所以目前迫切需要建立一套对指定区域进行无人机实时监测、精准识别的监控系统[3−8].

在5G、物联网即将到来的时代，城市区域的监控系统已经日趋完善. 5G网络低延时、网速快的特点，让实时共享监控视频不再成为难点. 利用城市监控摄像头网络组成的监控系统，实时对指定区域进行无人机监测、识别和预警是一种解决无人机监管问题的有效方法[9−10]. 此方法的关键在于对监控摄像头传输回来的视频进行实时有效的处理，从视频中检测是否存在无人机，以便对其进行跟踪与定位.

目标检测是目前计算机视觉领域的一个重要的研究方向. 近几年深度学习的快速发展，以及计算机计算能力的大幅提升，图像目标识别与分类在准确度和速度上都有了极大的提升. 目标检测领域的深度学习……