基于YOLOv3的无人机识别与定位追踪

• 作者: 洪韬 钞旭 陶磊
• 来源期刊: 工程科学学报
• 学科: 工学
• 关键词: 5G 目标检测 YOLOv3 PID 无人机追踪
• 年，卷（期）: 2020,（4）
• 页码范围: 463-468
• 页数: 6页
• 分类号: TP391.41
• 字数: 3160字
• 语种: 中文

摘要

近年来,无人机入侵的事件经常发生,无人机跌落碰撞的事件也屡见不鲜,在人群密集的地方容易引发安全事故,所以无人机监测是目前安防领域的研究热点.虽然目前有很多种无人机监测方案,但大多成本高昂,实施困难.在5G背景下,针对此问题提出了一种利用城市已有的监控网络去获取数据的方法,基于深度学习的算法进行无人机目标检测,进而识别无人机,并追踪定位无人机.该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机,YOLOv3算法是YOLO (You only look once,一次到位)系列的第三代版本,属于one-stage目标检测算法这一类,在速度上相对于two-stage类型的算法有着明显的优势.YOLOv3输出视频帧中存在的无人机的位置信息.根据位置信息用PID (Proportion integration differentiation,比例积分微分)算法调节摄像头的中心朝向追踪无人机,再由多个摄像头的参数解算出无人机的实际坐标,从而实现定位.本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集,并且使用labelImg工具对图片中的无人机进行了标注,数据集按照无人机的旋翼数量进行了分类.实验中采用按旋翼数量分类后的数据集对检测模型进行训练,训练后的模型在测试集上能达到83.24％的准确率和88.15％的召回率,在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度,可实现实时追踪.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	洪韬	北京航空航天大学电子信息工程学院	26	51	4.0	5.0
2	陶磊	北京航空航天大学电子信息工程学院	1	1	1.0	1.0
3	钞旭	北京航空航天大学电子信息工程学院	2	1	1.0	1.0