仪器仪表学报

作者：卜德森，苏绍璟，王迎龙，孙备，孙晓永

单位：卜德森,国防科技大学智能科学学院长沙410072,budesen23@nudt.edu.cn,苏绍璟,国防科技大学智能科学学院长沙410072,susj-5@163.com,王迎龙,国防科技大学智能科学学院长沙410072,,孙备,国防科技大学智能科学学院长沙410072,,孙晓永,国防科技大学智能科学学院长沙410072,

关键词：时空关联;低慢小无人机探测;YOLOv8;卡尔曼滤波

为了提升复杂背景干扰下对低慢小无人机红外目标探测能力，提出了一种复杂背景干扰下基于时空关联的低慢小红外目标检测方法。首先，在单帧静态目标检测研究方法上，基于YOLOv8检测算法改进，通过引入无跨步卷积层和P2小目标检测头，解决下采样环节带来的小目标检测细粒度信息丢失问题并提高了小目标检测能力；其次，在动态轨迹预测研究方法上，通过引入卡尔曼滤波算法实现无人机目标轨迹预测；最后将单帧静态目标检测方法和基于卡尔曼滤波的动态轨迹预测关联，实现当低慢小无人机目标检测信息丢失时，依据置信度判别切换动态轨迹预测方法持续获取目标位置，实现在同一序列中对目标的帧间信息进行对齐，并完成帧间信息的交互，在时间维度上建立关联。实验结果表明，改进的单帧静态目标检测算法YOLOv8-P2-SPD平均精度mAP@0.5达到了86.8%，在云层、山地和楼宇等复杂背景下，提出的基于时空关联的低慢小红外目标检测方法相比单独使用单帧静态目标检测算法精确率可以提高12.1%，查全率可以提高12.2%。该方法可以有效弥补深度学习方法对复杂背景干扰下低慢小目标检测的不足，适用于复杂干扰背景下的低慢小目标检测。

来源：2025年第5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5期