小型无人机实时检测：结合YOLO与多帧运动分析
计算机视觉与模式识别
2025-06-06 v1
摘要
无人机(UAV)检测技术在缓解军事和民用应用中的安全风险和保护隐私方面发挥着关键作用。然而，传统检测方法在识别远距离极小像素的无人机目标时面临重大挑战。为解决这一问题，我们提出了全局-局部YOLO-运动(GL-YOMO)检测算法，该算法结合了You Only Look Once(YOLO)目标检测与多帧运动检测技术，显著提升了小型无人机目标检测的准确性和稳定性。YOLO检测算法通过多尺度特征融合和注意力机制进行了优化，同时Ghost模块的引入进一步提升了效率。此外，基于模板匹配的运动检测方法正在开发中，以增强对微小无人机目标的检测能力。该系统采用全局-局部协同检测策略以实现高精度和高效率。在自建的固定翼无人机数据集上的实验结果表明，GL-YOMO算法显著提升了检测准确性和稳定性，突显了其在无人机检测应用中的潜力。
引用
@article{arxiv.2411.02582,
title = {Real-Time Detection for Small UAVs: Combining YOLO and Multi-frame Motion Analysis},
author = {Juanqin Liu and Leonardo Plotegher and Eloy Roura and Cristino de Souza Junior and Shaoming He},
journal= {arXiv preprint arXiv:2411.02582},
year = {2025}
}