胡 亮 杨德贵 王 行 廖祥红

（1.中南大学航空航天学院，湖南长沙 410083；2.中南大学自动化学院，湖南长沙 410083）

1 引言

随着无人机技术的不断发展，小型无人机在国民生产领域发挥越来越重要的作用［1-3］，但同时也给社会公共安全等方面带来了相当大的潜在威胁，因此对低空无人机实行稳定跟踪与监测是十分有必要的。

目前目标跟踪算法大致可以分为基于滤波数据关联度和基于目标表示和定位两类，前者的主要代表算法有卡尔曼滤波［4］、粒子滤波［5］以及贝叶斯滤波［6］，后者中最具代表性的当属MeanShift［7］与CamShift［8］。

在低空无人机跟踪领域，国内外学者开展了大量的研究工作。文献［9］利用CNN 网络识别无人机目标，然后基于离散卡尔曼滤波算法对识别到的无人机目标建立跟踪模型，实现了在视场中的长期跟踪，但是算法采用CNN 网络作为检测手段，泛化能力不强。文献［10］提出了一种有效的针对小型飞行目标跟踪的再定位跟踪（TRL）框架，以解决复杂背景下运动目标丢失的问题，算法对目标的尺度变化较敏感，对于尺度变化频繁的目标会导致额外的时间开销，并且在跟踪过程中会积累目标尺度变化带来的误差导致跟踪失败。文献［11］设计基于鹰眼视觉通路原理的探测器，通过构建目标显著图，实现对目标的粗定位，然后结合目标HOG特征［12］与贝叶斯分类器实现小目标的精确定位与跟踪，但是算法对复杂场景的适应性较弱，且单单依靠HOG特征的贝叶斯分类器对目标的鉴别能力有限。……