摘  要：飞鸟是飞行物中典型的“低慢小”目标，具有低可观测性，在很多场景中它又是巨大的安全隐患。所以对飞鸟进行有效的检测和驱赶是机场、高压电站等高风险区域安保工作的重心。但飞鸟种类繁杂，其自身形态变化大且机动性极强的特点，让飞鸟检测的技术难度远高于传統的目标探测。文章对常见飞鸟目标检测技术的研究及发展进行了梳理，介绍了其中各项解决方案的利弊，并提出了以帧间差分法和YOLOv5深度学习模型为基础的新检测方案。

关键字：飞鸟检测;目标检测;运动检测;深度学习;YOLOv5

中图分类号：TP391.41;TP183;V279           文献标识码：A 文章编号：2096-4706（2021）01-0092-03

Bird Detection Algorithm Based on YOLO and Inter Frame Difference Method

YANG Luye

（Shanghai University，Shanghai  200444，China）

Abstract：Bird is a typical “low，slow and small” target in flying objects，which has low observability，and it is also a huge safety hazard in many scenes. Therefore，the effective detection of bird and driving it away is the focus of security work in high-risk areas such as airports and high-pressure power stations. But the kinds of bird are complex，their characteristic in own shape changes greatly and the mobility is very strong，which makes the technology difficulty of birds detection is more higher than the traditional target detection. This paper sorts out the research and development of common bird target detection technology，introduces the advantages and disadvantages of various solutions，and proposes a new detection scheme based on the deep learning model of inter frame difference method and YOLOv5.

Keywords：bird detection;target detection;motion detection;deep learning;YOLOv5

0  引  言

“鸟击”是指在航空器起落或飞行途中与鸟类等小型物体相撞的恶性事件。全球每年发生近21 000起鸟击事件，造成的直接或间接经济损失超过10亿。随着疫情趋缓，全球旅游业开始复苏，航班量的持续增长，使机场的“鸟击”防范压力愈发增大。传统的机场安全监测依赖于人力观测来预防“鸟击”，但若遇到观测点可见度低，观测场地距离过远，观测背景复杂、干扰因素多等问题时，简单的肉眼检测往往难以实现高效的鸟情安全预警。为实现全天候高效不间断的鸟情监测，经过30余年的发展，国内外相关机构已经研制出很多相对成熟的“雷达探鸟系统”，如美国Merlin雷达、加拿大Accipiter雷达、荷兰Robin雷达以及中国民航科学技术研究院开发的“机场雷达探鸟与驱赶联动系统”。多数雷达产品采用了S波段水平扫描雷达和X波段垂直扫描雷达共同检测的方式，但目前受限于检测精度不高（大多低于75%），且误报较多导致探测效果还不能完全满足机场的安保需求。……