证据检测与跟踪协作：面向鲁棒反无人机系统的新问题、基准与算法
计算机视觉与模式识别
2023-07-06 v2
摘要
无人机（UAVs）已广泛应用于诸多领域，包括交通、监视和军事。然而，其安全和隐私侵犯的潜力日益成为问题，并高度限制了其更广泛的应用，凸显了无人机感知与防御（反无人机）的关键重要性。尽管如此，先前工作将此类反无人机任务简化为跟踪问题，其中无人机的先验信息总是被提供；该方案在真实世界反无人机任务（即复杂场景、不确定出现与重现的无人机以及实时无人机监视）中失效。在本文中，我们首先形式化了一个新颖且实用的反无人机问题，其特点是在无先验无人机信息的复杂场景中进行无人机感知。为对该极具挑战性的任务进行基准测试，我们提出了最大的无人机数据集 AntiUAV600 及一种新的评估指标。AntiUAV600 包含 600 个具有随机、快速和小尺度无人机的挑战性场景视频序列，超过 723K 热红外帧以边界框进行了密集标注。最后，我们通过全局无人机检测与局部无人机跟踪的证据协作开发了一种新颖的反无人机方法，其有效解决了所提出的问题，并可作为未来研究的强基线。大量实验表明我们的方法优于 SOTA 方法，并验证了 AntiUAV600 因其大规模和复杂性而提升无人机感知性能的能力。我们的数据集、预训练模型和源代码将公开发布。
引用
@article{arxiv.2306.15767,
title = {Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System},
author = {Xue-Feng Zhu and Tianyang Xu and Jian Zhao and Jia-Wei Liu and Kai Wang and Gang Wang and Jianan Li and Qiang Wang and Lei Jin and Zheng Zhu and Junliang Xing and Xiao-Jun Wu},
journal= {arXiv preprint arXiv:2306.15767},
year = {2023}
}