仪器仪表学报

作者：陈美龙，赵新华，叶秀芬

单位：陈美龙,1.哈尔滨工程大学智能科学与工程学院哈尔滨150001； 2.北京三快在线科技有限公司北京100190,,赵新华,哈尔滨工程大学智能科学与工程学院哈尔滨150001,zhaoxinhua@hrbeu.edu.com,叶秀芬,哈尔滨工程大学智能科学与工程学院哈尔滨150001,

关键词：前视声呐;目标跟踪;ByteTrack;图像序列

基金：国家自然科学基金（42276187）项目资助

前视声呐在水下远距离目标检测与跟踪中发挥着重要的作用。然而，前视声呐图像序列帧率较低、目标特征不清晰，容易出现目标丢失的问题。在使用前视声呐进行目标跟踪时，需要对声呐载体旋转和目标遮挡进行补偿，避免目标丢失。为解决以上问题，结合声呐图像序列的特征和目标特征，改进现有的跟踪算法。针对ByteTrack算法应用在声呐跟踪上容易出现目标丢失问题，结合前视声呐图像特征，改进关联方式，在第1关联提出了一种基于卡尔曼滤波的运动特征和目标外观特征结合的方式作相似性度量，提升了跟踪的准确性。针对前视声呐载体旋转导致目标运动过快的问题，利用声呐姿态数据对ByteTrack算法加入旋转补偿，提升了匹配的准确性；最后，通过相似性度量算法对比实验，证明了改进后的关联方式和目标外观特征结合的方式的优越性。对比了DeepSort、TransTrack和ByteTrack主流目标跟踪算法，改进后的模型跟踪准确度为76.8%，跟踪召回率为80.6%；改进后的ByteTrack与改进前的ByteTrack相比，跟踪精度提升了9.4%，召回率提升了10.8%，ID切换次数降低了46%。检测与跟踪融合实验表明，改进后的目标检测跟踪融合算法拥有更低的漏检率、误检率，更低的身份切换次数，更能适应前视声呐水下目标的检测和跟踪场景。

来源：2025年第7期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第7期