计算机工程与科学

作者：底佳浩, 铁俊波, 周理, 王永文

单位：1.国防科技大学计算机学院，湖南 长沙 410073；2.先进微处理器芯片与系统重点实验室，湖南 长沙 410073

关键词：交互式多模型卡尔曼滤波器,视觉跟踪,YOLO算法,XTDrone环境,

基金：国家自然科学基金(62203457);高层次科技创新人才工程人选自主科研项目(22-TDRCJH-02-006)

小型无人机在多个领域展现出巨大潜力，但可能导致如非法测绘、侦察及干扰航空秩序等滥用行为，因此亟需有效的检测与跟踪策略。传统雷达在复杂城市环境中跟踪小型无人机存在局限，而基于视觉的深度学习方法虽具高精度，但计算开销大。为解决上述挑战，提出一种基于轻量化YOLOv3-tiny与交互式多模型卡尔曼滤波(IMM-KF)的检测与跟踪算法。YOLOv3-tiny用于低频检测，IMM-KF通过高频预测以及多运动模型的状态更新实现跟踪，有效降低算力需求，并且能应对目标被遮挡时的丢失问题。实验结果显示，该算法在复杂城市环境中检测与跟踪精度达98.33%，实时覆盖率达73.6%，显著提升了跟踪效率及稳定性，满足无人机监管需求。

来源：2025年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第10期