改进YOLOv7的城市小型无人机目标检测方法

doi:10.3778/j.issn.1002-8331.2308-0196

摘要/摘要

摘要：针对“低小动”无人机的反制技术已成为低空空域安全防御的重要手段，然而实时检测与准确识别是实施有效反制的前提条件与关键基础。针对城市低空环境下，目标检测算法对不同背景下小尺度无人机目标检测精度低，容易出现漏检误检且易受外界因素干扰等问题，提出了一种基于改进YOLOv7“低小动”无人机目标检测方法。首先采集大量不同环境、不同背景下的无人机样本构建数据集，并采用ViBe（可视背景提取器）算法进行预处理；其次引入坐标注意力机制与SPDConv（空间到深度卷积）模块改进和优化YOLOv7公司的网络结构；最后提出融合ViBe和YOLOv7的二级检测架构，将改进后的YOLOv7公司作为网络模型检测经震波处理后的图像。依据原图与处理图像的位置大小关系，将检测出的目标坐标映射回归至原图片，从而完成目标检测提取。实验结果表明，所提目标检测方法检测精度达96.5%，约洛夫15.8个百分点，显著提升了“低小动”目标的检测精度，能够满足低空无人机的实时精准检测的需求。

关键词: ViBe咖啡，反无人机, YOLOv7，坐标注意力机制, 小目标检测, SPDConv公司

摘要：针对“低空和小型移动”无人机的对抗已成为低空空域安全防御的重要工具，但实时检测和准确识别是有效对抗的前提和关键基础。针对城市低空环境，目标检测算法在检测不同背景下的小型无人机目标时精度较低，容易遗漏和误检，易受外界因素等干扰，“低空小移动”提出了基于改进YOLOv7的无人机目标检测方法。首先，从不同的环境和背景中采集大量的无人机样本，构建数据集，并使用ViBe（visual background extractor）算法进行预处理。其次，引入坐标注意机制和SPDConv（空间到深度卷积）模块来改进和优化YOLOv7的网络结构。最后，提出了一种二次检测架构，将ViBe和改进的YOLOv7融合，并使用改进的YLOv7作为网络模型检测ViBe处理的图像。基于原始图像和处理图像之间的位置-尺寸关系，将检测到的目标坐标映射回原始图像，从而完成目标检测和提取。实验结果表明，该目标检测方法的检测准确率达到96.5%，为15.8？比原来的YOLOv7方法提高了百分之几，显著提高了“低空和小型运动”目标的检测精度，满足了低空无人机实时精确检测的需求。

关键词： ViBe算法，无人机， YOLOv7，协调注意机制，小目标检测， SPDConv公司

崔勇强, 李嘉轩, 侯林果, 梅涛, 白迪, 陈少平. 改进YOLOv7公司的城市小型无人机目标检测方法[J] ●●●●。计算机工程与应用, 2024, 60(10): 237-245.

崔永强、李家璇、侯林戈、梅涛、白迪、陈绍平。改进的YOLOv7小型城市无人机目标检测方法[J]。计算机工程与应用，2024，60（10）：237-245。

参考文献

[1] KAPOULAS I K，HATZIEFREMIDIS A，BALDOUKAS A K，等.小型固定翼无人机雷达截面特征调查以及使用商业无人机系统实际参数进行距离估计的检测和分类[J]。无人机，2023，7（1）：39。
[2] 罗俊海, 王芝燕. 无人机探测与对抗技术发展及应用综述[J] ●●●●。控制与决策, 2022, 37(3): 530-544.
罗建华，王志勇.无人机探测与对抗技术发展与应用综述[J]。控制与决策，2022，37（3）：530-544。
[3] DIDKOVSKYI V，KOZERUK S，KORZHIK O。用于小型无人机检测的简单声阵列[C]//2019年IEEE第39届电子与纳米技术国际会议论文集，2019:656-659。
[4] VAN NGUYEN H，REZATOFIGHI H，VO B N，等.联合检测和跟踪多个无线电标签目标的在线无人机路径规划[J]。IEEE信号处理汇刊，2019，67（20）：5365-5379。
[5] AI X，ZHANG L，ZHENG Y，等.基于5G新无线电信号的无人机被动探测实验[C]//2021年光电子与电磁学研究会论文集，2021:2124-2129。
[6] REDMON J，DIVVALA S，GIRSHICK R，et al.你只看一次：统一的实时对象检测[C]//2016年IEEE计算机视觉和模式识别会议论文集，2016:779-788。
[7] REDMON J，FARHADI A.YOLO9000:更好、更快、更强[C]//2017年IEEE计算机视觉和模式识别会议论文集，2017:7263-7271。
[8] 雷蒙·J，？FARHADI A.YOLOv3：渐进式改进[J]。arXiv:1804.027672018年。
[9] BOCHKOVSKIY A，WANG C Y，LIAO H Y M.YOLOv4：物体检测的最佳速度和精度[J]。arXiv:2004.109342020年。
[10] WANG C Y，BOCHKOVSKIY A，LIAO H Y M.YOLOv7:可培训的免费行李为实时目标探测器创造了新的技术水平[C]//2023年IEEE/CVF计算机视觉和模式识别会议论文集，2023:7464-7475。
[11] 戚玲珑, 高建瓴.基于改进YOLOv7[J].工程，2023，49（1）：41-48。
QI L L，GAO J L.基于改进YOLOv7的小目标检测[J]。计算机工程与应用，2023，49（1）：41-48。
[12] 齐向明, 柴蕊, 高一萌. 重构SPPCSPC公司与优化下采样的小目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(20): 158-166.
QI X M，CHAI R，GAO Y M。用于小目标检测的SPPCSPC重构和优化下采样算法[J]。计算机工程与应用，2023,59（20）：158-166。
[13] BARNICH O，VAN DROOGENBROECK M.ViBE:一种强大的随机技术，用于估计视频序列中的背景[C]//2009 IEEE声学、语音和信号处理国际会议论文集，2009:945-948。
[14] SUNKARA R，LUO T.不再跨越卷积或池：低分辨率图像和小对象的新CNN构建块[C]//2022年欧洲机器学习和数据库知识发现联合会议论文集。商会：施普林格，2022年：443-459。
[15] HOU Q，ZHOU D，FENG J.有效移动网络设计的协调关注[C]//2021 IEEE/CVF计算机视觉和模式识别会议论文集，2021:13713-13722。
[16] 成浪, 敬超. 基于改进YOLOv7®X线图像旋转目标检测[J] ●●●●。图学学报, 2023, 44(2): 324-334.
CHENG L，JING C.基于改进YOLOv7的X射线图像旋转物体检测[J]。制图杂志，2023，44（2）：324-334。
[17] 汤旻安, 王晨雨. 基于改进震波算法的静态场景运动目标检测[J] ●●●●。激光与光电子学进展, 2021, 58(14): 216-224.
唐美阿，王春英.基于改进vibe算法的静态场景中运动目标检测[J]。激光与光电子进展，2021，58（14）：216-224。
[18] 赵元龙, 单玉刚, 袁杰. 改进YOLOv7深层分类的佩戴口罩行人跟踪[J] ●●●●。计算机工程与应用, 2023, 59(6): 221-230.
赵玉立，珊玉刚，袁杰.基于改进YOLOv7和deepsort的戴口罩行人跟踪[J]。计算机工程与应用，2023,59（6）：221-230。
[19] LIU W，ANGUELOV D，ERHAN D，et al.固态硬盘：单次发射多盒探测器[C]//第14届欧洲计算机视觉大会论文集，阿姆斯特丹，2016年10月11日至14日。查姆：斯普林格，2016:21-37。
[20] REN S，HE K，GIRSHICK R，et al.Faster R-CNN:towards realtime object detection with region proposition networks[C]//Advances in Neural Information Processing Systems更快的R-CNN：利用区域提议网络实现实时目标检测[C]//神经信息处理系统的进展282015。

改进YOLOv7公司的城市小型无人机目标检测方法

改进的YOLOv7小型城市无人机目标检测方法

PDF格式

可视化

摘要/摘要

引用本文

使用本文

参考文献

相关文章15

编辑推荐

韵律学

[1]	李钟华, 林初俊, 朱恒亮, 廖诗宇, 白云起.基于结构感知和全局上下文信息的小目标检测[J] ●●●●。计算机工程与应用, 2024, 60(9): 292-298.
[2]	潘玮, 韦超, 钱春雨, 杨哲.面向无人机视角下小目标检测的YOLOv8s公司[J] ●●●●。计算机工程与应用, 2024, 60(9): 142-150.
[3]	邹振涛, 李泽平.改进YOLOv7公司的航拍图像目标检测[J] ●●●●。计算机工程与应用, 2024, 60(8): 173-181.
[4]	田鹏, 毛力.改进YOLOv8公司的道路交通标志目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(8): 202-212.
[5]	江兴旺, 赵兴强.改进YOLOv7公司的木材表面缺陷检测算法[J] ●●●●。计算机工程与应用, 2024, 60(7): 175-182.
[6]	高春艳, 秦燊, 李满宏, 吕晓玲.改进YOLOv7公司算法的钢材表面缺陷检测研究[J] ●●●●。计算机工程与应用, 2024, 60(7): 282-291.
[7]	苏佳, 秦一畅, 贾泽, 王静.基于ATO-YOLO公司的小目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 68-77.
[8]	梁秀满, 李然, 于海峰, 刘振东.改进YOLOv7公司的水下目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 89-99.
[9]	付锦燚, 张自嘉, 孙伟, 邹凯鑫.改进YOLOv8公司的航拍图像小目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 100-109.
[10]	周飞, 郭杜杜, 王洋, 王庆庆, 秦音, 杨卓敏, 贺海军.基于改进YOLOv8公司的交通监控车辆检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 110-120.
[11]	杨永刚, 谢睿夫, 龚泽川.改进YOLOv7-微型的无人机目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(6): 121-129.
[12]	彭晏飞, 赵涛, 陈炎康, 袁晓龙.基于上下文信息与特征细化的无人机小目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(5): 183-190.
[13]	辛世澳, 葛海波, 袁昊, 杨雨迪, 姚洋.改进YOLOv7公司的轻量化水下目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(3): 88-99.
[14]	陈佳慧, 王晓虹.改进YOLOv5公司的无人机航拍图像密集小目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(3): 100-108.
[15]	胡淼, 姜麟, 陶友凤, 张志坚.改进YOLOv7公司的自动驾驶目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(11): 165-172.