张继

（四川大学计算机学院，成都610065）

0 引言

随着技术的发展，无人机在军民两大领域逐渐得到广泛运用。近几年的阅兵式上，军用无人机愈发崭露头角，翼龙、暗剑、彩虹等无人机在情报侦察、军事打击、信息对抗、通信中继和后勤保障等领域发挥了重大作用；民用无人机最具代表性的当属大疆出品的系列无人机，其在农业、基建、电力巡检、摄影和公共安全等领域发挥了重大作用[1]。

在城市中低空飞行的无人机，常常面临着与起降的民航飞机、行人、汽车、交通灯、飞鸟等发生相互碰撞的严峻挑战，这不仅会对无人机自身造成损伤，更有可能影响造成危机飞行安全、伤及重要建筑设施、碰撞车辆、伤害行人等严重事故。所以，无人机对低空飞行障碍物的实时检测跟踪就显得十分紧要和迫切。目前，无人机飞行障碍常用的检测手段有超声波回声定位（Ultrasonic Echo Location）、激光扫描定位（Laser Scan Location）、雷达搜索定位（Radar Search Location）和视觉图像检测（Visual Image Detection）[2-3]，但是障碍物的多样性、复杂性决定了它们中的任何一种方法都各有利弊，难以单独完成障碍物检测跟踪的任务，只有针对具体实用场景进行有机组合，才能达到较好的应用效果。为了更好地适应低空飞行无人机所处的复杂应用场景，本文拟从视觉图像检测（Visual Image Detection）的角度，将高准确率的YOLO目标检测与高运行效率的KCF目标跟踪相结合，对无人机飞行障碍的精准识别与实时跟踪（Precise Recognition and Real-time Tracking）进行深入研究。

1 目标检测与YOLOv4

目标检测的任务是找出视频图像中所有关注的目标障碍（物体），确定它们的位置和大小，这是现代机器视觉领域的核心问题之一。……