复杂背景下的反无人机系统目标检测算法

针对在公园、游乐场、体育场等具有复杂飞行背景的公共安全区域对无人机进行实时检测困难的问题,提出了 一种基于注意力机制和尺度自适应特征融合的YOLOv5-UAV反无人机系统目标检测算法.首先,运用 自拍图片和公共数据集DUT-Anti-UAV融合,构建了无人机数据集;其次,使用k-means方法重新设计先验框;再次,设计了尺度自适应特征融合模块;然后,采用CIoU损失函数作为算法的定位损失函数;最后,在主干网络引入协调注意力机制.在无人机航拍数据集VisDrone2019上进行对比实验,改进算法YOLOv5-UAV对所有类别的平均准确率(mAP@0.5)均高于原始算法YOLOv5s,且对复杂背景下的小目标检测效果较好,表明了改进算法的普适性.将改进的算法YOLOv5-UAV与基线算法YOLOv5s在建立的数据集上进行对比实验,实验结果表明,YOLOv5-UA V与YOLOv5s相比,在准确率、召回率、平均准确率(mAP@0.5)上分别提高了 6.1％、5.8％、5.2％,检测速度为39帧/s;在建立的数据集上,与YOLOv5m、YOLOv5l、YOLOX目标检测算法进行对比实验,改进算法的平均准确率(mAP@0.5)分别高于对比算法4.4％、3.6％、1.3％,表明了改进算法的有效性.