基于AI计算机视觉的鲁棒无人机检测与追踪

摘要

随着技术创新，安全成为亟待处理的最大问题。无人机指数级普及对公共安全构成巨大威胁。近年来无人机使用激增。针对安全隐患，提出一种解决方案：首先检测无人机，再追踪其路径。

对于目标检测，计算机视觉深度学习算法极为有效。输入经YOLO处理，YOLO是用于实时目标检测和追踪的神经网络。

2.1 理解无人机概念

根据标题“计算机视觉无人机检测与追踪”，UAV（无人驾驶飞行器）是无飞行员航空器，可远程控制或由机载计算机控制。

无人机可用于农业、科研、气象预报、物流配送、救援行动、医疗等有益用途。也可用于攻击、导弹袭击、定点清除等破坏性目的。

2.2 什么是计算机视觉？

计算机视觉是使计算机像人眼视觉一样看见、识别和处理图像并提供适当输出的科学领域。计算机视觉几乎用于所有领域：

• 目标、人脸检测
• 机器人手术和医学诊断
• 图像处理
• 农业
• 航天技术（NASA火星车具备地形建模、路径障碍检测、全景图拼接能力） 计算机视觉应用见图1.4

2.3 什么是图像处理技术？

图像处理技术被计算机视觉用于执行不同任务。对图像栈执行的操作和应用的方法，以提高图像质量或获得特定结果，称为图像处理。

图像处理被认为是当今信息技术领域发展最快的领域之一，在商业各领域应用不断增长。图像处理应用：

图像处理用例

图像处理可用于这些领域：

• 机器人技术
• 医疗
• 模式识别
• 视频处理
• 人脸检测

  2.4 软件需求

• Anaconda
• Spyder
• Python
• Open-CV库

3. 目标检测算法

存在许多目标检测算法。其中几个如下：

• Viola-Jones
• 卷积神经网络 (CNN)
• You Only Look Once (YOLO)
• Single Shot Detector (SSD)
• 区域卷积神经网络 (R-CNN)

表3.1：检测算法

此处将使用YOLO神经网络算法。该算法实时实现极快。使用神经网络算法将图像分为S x S网格，在图像周围建立边界框预测每个边界框可能性。检测算法见表4.4。

3.1 追踪算法

检测目标后，下一重点是追踪。若检测目标是风筝或鸟无需追踪，但若是无人机则需追踪目标。

许多算法用于目标追踪。但再次使用YOLO，因该算法快且准，能检测并追踪直到目标移出相机范围。

4. 拟议设计实现

此处为拟议设计实现。执行在软件上运行项目所需所有步骤。

4.1 初始阶段

1. 图像处理需好CPU/GPU，选CPU。从网站安装Anaconda Anaconda安装见图4.1
2. 安装Anaconda Navigator后，通过环境对话框创建环境并选择Python版本。
   

3. 成功创建环境后，下一步安装Spyder（易用）。再通过命令pip install cv2安装OpenCV。

4.2 准备数据集

1. 收集大量不同空中目标图像：无人机、鸟类、飞机、直升机、风筝、气球。

注意： 制作数据集不仅是收集图像。还需给图像命名并标注各图像中特定目标位置。为此使用名为LabelImg软件，将图像转为文本文件。如图4.6所示

1. 所有目标Txt文件制作完成后，将所有图像和文本文件放入zip文件。也为包含类别命名文件。

4.3 YOLO配置

配置步骤如下：

1. 安装带YOLO v3的Darknet。
2. 配置YOLO：在darknet/data创建文件夹，含之前制作数据集的所有图像和.txt文件。
3. 制作自定义配置文件：修改YOLO v3的cfg，根据类别和步数调整batch、subdivisions、max batches。
4. 输入类别数时，更改YOLO上方卷积层。设random为1。cfg参数见表4.1

表4.1：CFG参数

1. 通过data/obj.names创建自定义目标文件夹，写入所有想检测的名称如无人机、UAV、鸟、风筝等。
2. obj.data包含类别数、train.txt、valid、names、weights文件夹并保存。
3. train.txt保存所有数据和图像名称。

4.4 在你的数据集上训练YOLO

针对自定义数据集的YOLO训练也通过Darknet完成。克隆并启用Darknet以及启用OpenCV。使用上述创建的ZIP文件夹、.cfg文件、.names文件、obj.data文件、train.txt文件，配置Darknet网络训练YOLO v3，计算执行次数。

数千次迭代后（基于CPU算力约2小时），训练好数据集即可集成到系统，给出平均损失。

4.5 图像和视频输入测试代码

针对自定义数据集训练YOLO后，开始在称为YOLO权重的训练数据集上测试代码。本例有4个类别。

在不同输入尝试YOLO检测。大权重准确度好但处理稍慢（帧率低）。制作无人机、鸟类视频作为输入。所有目标成功按给定标签、fps和阈值检测追踪。

现在可通过摄像头实时输入测试代码应对实时场景，改变相机范围飞行无人机并记录结果，输出将显示所需"无人机检测与追踪"。