赵晓冬, 张洵颖

(西北工业大学 电子信息学院, 陕西 西安 710072)

0 引言

随着科学技术的发展,无人系统装备越来越多地出现在现代战场环境中,并深刻影响及颠覆了战争规则。作为智能无人系统的典型代表,无人车通过搭载各类光电传感器、导航定位系统等,可自主执行复杂战场环境下的目标侦查与战场态势感知、避障、导航以及火力打击等任务。例如,美军在伊拉克战争中投入约8 000辆地面无人车,用于执行扫雷、侦察监视以及攻击任务。复杂地面战场环境下的军事目标实时自主识别与跟踪技术是影响无人车目标侦查与战场态势感知、精确火力打击等任务的关键技术。因此开展无人车实时自主目标识别技术对于提升无人车的智能化水平、增强无人车作战效能有着重要意义。

在自主目标识别研究领域,基于深度学习的目标检测识别算法能够自主提取特征信息并进行学习,其结果已被证实大幅优于传统目标识别算法,可为无人车复杂高精度地面自主目标识别提供新的技术实现途径[1-4]。但是无人车作为典型的移动嵌入式“边缘”计算平台,其车载嵌入式计算、存储资源严重受限且对功耗有严格的要求;另外无人车作为作战平台,其目标识别与跟踪精度及实时性要求较高。从目标识别角度,深层神经网络对复杂背景下的小目标检测识别精度较高,然而神经网络层数越深,模型参数规模越大,计算、存储硬件资源要求越高。……