红外弱小目标的检测与跟踪算法研究.pdf

红外弱小目标的检测与跟踪算法研究

摘要

近年来，红外弱小目标跟踪技术在军事侦察、导弹制导、空中预警等领域展现出

极大的应用潜力，受到国内外的广泛关注。同时，复杂环境中，红外成像受噪声、失

真和背景干扰，目标小且信号弱，跟踪难度大。在这一背景下，针对复杂背景下的红

外弱小目标的检测和跟踪技术极具意义，成为了目标检测和目标跟踪领域的重要课题。

为应对实习企业在复杂地空背景下对红外弱小目标跟踪的需求，本文将针对红外影像

的弱小目标跟踪算法展开研究。

本文从红外弱小目标检测和跟踪两个方面展开本课题研究。首先本文针对红外弱

小目标图像特性进行分析，然后基于其特性，提出了基于改进YOLOv5的单帧红外弱

小目标检测算法和基于改进DeepSort的多帧红外弱小目标跟踪算法，从而提高对红外

弱小目标的跟踪能力。主要研究内容包括以下几个方面：

改进了YOLOv5算法作为单帧红外弱小目标检测方法。以YOLOv5作为主干网络，

先对其backbone中的卷积块进行优化。通过结合RepVGG网络和ECA-net网络，形成

新的卷积模块，在保持模型轻量化的同时提升了模型的检测性能和鲁棒性。之后针对

YOLOv5中的C3模块进行优化，将ESE-block结合进YOLOv5中的C3模块中，进一

步提升模型的检测性能。

提出了一种基于DeepSort算法的多帧红外弱小目标跟踪算法。以DeepSort算法作

为多帧红外弱小目标的跟踪方法，以本文中改进的YOLOv5网络作为跟踪网络中的目

标检测网络，融入MogaNet网络作为DeepSort算法中的特征提取网络，提升了对目标

特征的提取能力，进而提升了整体算法对红外弱小目标的跟踪能力。之后为针对弱小

目标在运动中受遮挡或图像序列缺帧而导致的运动非线性问题，引入扩展卡尔曼滤波

算法，进一步提升了模型对红外弱小目标的跟踪性能和鲁棒性。

在本研究中，通过与其他方法和网络进行对比以及消融实验的设计，验证了本文

提出的单帧红外弱小目标检测算法和多帧红外弱小目标跟踪算法的有效性和鲁棒性。

仿真实验结果表明，本文提出的检测和跟踪方法能够在复杂地空背景下实现对红外弱

小目标的检测和稳定跟踪，无论是检测算法还是跟踪算法在检测率、跟踪性能以及速

度上均符合企业对该课题需求。

关键词：红外弱小目标；目标检测；目标跟踪；深度学习；注意力机制

红外弱小目标的检测与跟踪算法研究

Abstract

Inrecentyears,infraredsmalltargettrackingtechnologyhasdemonstratedgreat

applicationpotentialinmilitaryreconnaissance,missileguidance,airborneearlywarning,and

otherfields,attractingwidespreadattentionbothdomesticallyandinternationally.Atthesame

time,incomplexenvironments,infraredimagingisaffectedbynoise,distortion,and

backgroundinterference,makingthetargetssmallandsignalsweak,whichgreatlyincreases

thedifficultyoftracking.Againstthisbackdrop,thedetectionandtrackingofsmallinfrared

targetsagainstcomplexbackgroundsbecomesignificantlymeaningfulandhaveemergedas

importanttopicsinthefiel