基于时空信息融合的无人艇水面目标检测跟踪

周治国 荆 朝 王秋伶 屈 崇②

①(北京理工大学信息与电子学院 北京 100081)

②(中国船舶重工集团公司第七一一研究所 上海 201108)

1 引言

近年来，能够独立完成自主作业任务的水面无人艇(Unmanned Surface Vehicle， USV)发展迅速，主要用于执行不适于有人船只执行的危险任务，在民用和军事领域的应用前景极其广泛。无人艇的自主导航需要利用视觉检测与跟踪感知周围环境，但是水面存在目标难以采样，目标形变、光照变化、尺度变化、目标遮挡、摄像头抖动等多种状况[1]，这些不可预测的问题增加了无人艇视觉检测跟踪的难度，可能会造成虚警、漏检、跟踪失败等后果。

在海天背景下的目标检测识别领域，主要从传统图像处理方法和深度学习两个角度展开研究。传统方法主要是通过研究水面环境下的前景和背景特征、滤波理论实现对目标的识别。传统算法[2，3]运行速度较快，在光照条件良好、没有遮挡、运动缓慢的环境下表现较好，但在水面复杂条件下检测效果不佳，例如光照过强或过弱时，往往会出现误检过亮波浪噪点、漏检过暗目标等问题，难以满足鲁棒性需求。

深度学习算法在目标识别领域中取得了良好的效果。Faster RCNN[4]， YOLO[5]， SSD[6]等在经典数据集上的目标识别效果已经远远超过了传统方法。在水面目标识别方面，Qin等人[7]设计FCN-8s网络结构用于检测水面障碍物；Yang等人[8]通过Faster-RCNN检测目标的候选框，在候选框中实现图像分割。深度学习算法精度较高，但是检测速度较慢，需要高功耗实验设备的支持，难以移植到嵌入式设备中。……