丛 眸，张 平，王 宁

(1.长春理工大学 计算机科学技术学院， 长春 130022； 2.陆军装甲兵学院， 北京 100072；3.公安部第三研究所， 北京 100142)

基于图像的目标检测技术是指利用计算机视觉等相关技术，将既定类别的物体自动从图像中检测出来，并对物体的类别、位置、大小进行判断[1]。近年来，目标检测技术取得了巨大的成功，已在海防监视、精确制导、视频监控等多个领域得到广泛应用。装甲车辆作为地面战场最主要的作战力量，通过计算机视觉技术实现对装甲车辆目标的自动检测，有利于我方获取更准确的敌我双方战场态势情况，进而根据战场态势的变化做出准确灵活的作战策略，占据战场的主动性[2-3]。

当前，基于卷积神经网络的目标检测方法已成为目标检测领域的主流，这些方法主要可以分为基于建议区域提取的方法和基于回归的方法[4-5]。前者的代表作为有R-CNN[6]、faster R-CNN[7]等方法，其特点是检测精度较高，但检测速度较慢；后者的代表作有SSD[8]、YOLO[9]等方法，其特点是检测速度较快。YOLOv3[10]是在YOLO的基础上发展而来的，是YOLO系列方法的集大成者，具有检测精度高、速度快的优点。本研究以YOLOv3网络为基础，利用K-means++算法计算出适用于装甲车辆目标的锚框，然后利用空间金字塔池化(SPP)模块[11]丰富卷积特征的表达能力并结合卷积特征融合机制对多层级卷积特征进行融合，从而提高装甲车辆目标的检测效果。实验结果表明，改进的YOLOv3方法在本文构建的装甲车辆目标检测数据集上具有更好的检测精度，同时能满足实时性需求。……