基于YOLOv3的无人机识别和跟踪定位

简介：
本研究采用改进的YOLOv3算法，应用于无人机目标识别与追踪系统中，实现对复杂环境下的精准定位及实时跟踪。 近年来，无人机入侵事件频发，尤其是在人群密集区域发生碰撞事故的风险较高，这使得无人机监测成为安防领域的一个重要研究方向。尽管目前存在多种无人机监测方案，但大多数方案成本高昂且难以实施。 在5G技术背景下，为解决上述问题提出了一种利用现有城市监控网络获取数据的方法，并采用基于深度学习的算法进行无人机目标检测和追踪定位。具体而言，该方法使用改进后的YOLOv3模型来识别视频帧中的无人机。作为YOLO系列第三代版本，YOLOv3属于one-stage类型的目标检测算法，在速度上相比two-stage类型的算法具有明显优势。 通过这一模型可以获取到视频中无人机的位置信息，并利用PID（比例积分微分）算法调整摄像头朝向以追踪目标。此外，结合多个摄像头的数据参数来计算出无人机的实际坐标位置，从而实现精准定位。 为了训练和验证该方法的有效性，我们收集了包括拍摄的无人机飞行照片以及互联网上搜索下载的相关图像在内的数据集，并借助labelImg工具对其中包含的无人机进行了详细的标注工作。这些数据涵盖了不同类型的旋翼特征等信息。