冒睿瑞，江 波

（中国电子科技集团公司第三十二研究所，上海 201808）

0 概述

近年来，随着嵌入式设备智能化的发展，基于战场末端智能设备需求量不断增加，对其性能要求也愈加严格。其中，战场智能感知作为军事智能化的关键一环，在各种军事行动如侦察、打击、决策以及毁伤评测中承担重要使命。在现代战争的复杂场景中，微小目标跟踪检测识别技术更贴近现实场景应用需求，相比普通目标识别，一直是目标感知领域中的技术难点［1］。微小目标在整张图像中所占比重极小，像素点信息少［2］，当目标背景为复杂的环境时，对于提取微小目标的特征信息存在巨大挑战，其颜色、边缘轮廓等都较为模糊。

面对微小目标检测跟踪的挑战，国内外科研人员基于不同理论开展研究，并提出多种方法。CHEN 等［3］利用上下文模型和小区域提议生成器提出了最新的区域卷积神经网络算法，以提高微小目标检测性能；LI 等［4］提出一种新的感知生成对抗网络模型，该模型通过减少微小目标与正常尺寸目标之间的表示差异来提升微小目标的检测性能；吴言枫等［5］提出一种动态背景下“低小慢”目标自适应实时检测技术，根据图像的亮度对比度获得显著性图，提取显著性特征的方法为通过形态学梯度，依据图像中目标所在占比的变化，以及质心距离、宽高比等信息筛选真实目标，从而进行微小目标检测。

在面向战场军事需求时，相比于运行高性能人工智能服务器，微小目标跟踪检测技术无法较好地运行在嵌入式设备上，其实际效果不能满足战场实时需求。……