基于改进卷积神经网络的非合作无人机检测应用

叶 涛，赵宗扬，柴兴华，张 俊

(1.中国矿业大学(北京)机电与信息工程学院，北京 100083；2.中国电子科技集团公司第五十四研究所，石家庄 050081)

无人机由于具有在增加国防力量[1-2]的同时还可以进行自然灾害的监测与救援、代替人类执行高危任务并供人们进行拍摄和娱乐等优点,已迅速应用于国家和社会生活的不同方面。但无人机在为人们提供极大便利的同时,一些侵犯人们隐私、影响人们的日常生活的“黑飞”的无人机经常进入大众的视野,对公民的隐私及个人及公共安全造成了严重威胁，甚至还会有非法分子通过无人机携带危险物品来实施恐怖袭击。因此研究一种能够快速准确地检测无人机目标的理论和方法非常有必要，可以为无人机行动的防护压制提供精准依据以降低“黑飞”现象，进而保护公民隐私并维护公众的生命和财产安全，具有很现实的意义。

许多学者对无人机检测算法进行了大量的研究,无人机检测算法分为传统的无人机检测算法和基于深度学习的无人机检测算法。传统的无人机检测算法通常使用方向梯度直方图(histogram of oriented gradient，HOG)[3]与支持向量机(support vector machine，SVM)[4]等分类方法的组合实现特征的提取和目标类别的检测。然而,传统的特征提取方法存在着提取手工特征较为复杂、过于依赖设计者经验等问题，且不能自适应提取特征,迁移到其他场景的能力也差。而基于深度学习的目标检测算法可以通过卷积神经网络[5-7]自适应的提取特……