电子信息技术

本发明公开了一种基于深度学习的无人机目标跟踪系统，通过设计一个基于Anchor‑free的聚合多尺度的目标跟踪系统，采用图注意力模块（GAM）替代了传统的互相关，更加有效地将目标信息从模板区域传递到搜索区域；针对目标跟踪中尺度变化等问题，采用了融合多尺度感受野结构，从而提出了Encoder模块；针对目标跟踪中计算复杂等问题，采用了自适应锚点的结构，大大减少了超参数，进而设计了Decoder模块；特征提取网络提取足够的语义信息经过GAM模块后送到Encoder模块；Encoder模块可以看做是一个单入多出的编码器，经过Encoder所得到的特征随后进入Decoder模块。

提升跟踪精度：基于深度学习的无人机目标跟踪系统能够实时识别和跟踪动态目标，显著提高跟踪精度，适用于复杂场景。

增强抗干扰能力：该技术能够有效应对目标遮挡、光照变化等干扰，提升无人机在复杂环境下的跟踪稳定性。

推动智能安防发展：该技术为智能安防监控提供高效解决方案，提升无人机在边境巡逻、城市监控等领域的应用效果。

拓展应急救援应用：在灾害救援中，该系统可实现快速目标定位与跟踪，提高救援效率，保障人员安全。

本发明通过设计一种基于Anchor‑free的聚合多尺度的目标跟踪系统，使其在无人机跟踪领域的各种复杂场景下均能展现出良好的性能；采用一个图注意力模块(GAM)来替代传统的互相关，更加有效地将目标信息从模板区域传递到搜索区域；本发明针对目标跟踪中尺度变化等问题，采用了融合多尺度感受野结构，从而提出了Encoder模块；本发明针对目标跟踪中计算复杂等问题，采用了自适应锚点的结构，大大减少了超参数；本发明在无人机跟踪领域的复杂场景下显著提高了各种性能。