一种基于深度学习的AI视频低空目标识别与实时跟踪方法

本发明公开了一种基于深度学习的AI视频低空目标识别与实时跟踪方法，包括如下步骤：S1、采集并处理数据，构建标准化数据集；S2、分离前景低空目标，生成前景图像数据；S3、利用Farneback光流法计算帧间运动场获取光流特征，并提取卷积特征；S4、融合光流特征与卷积特征；S5、将融合特征输入多尺度光流感知网络，计算不同尺度的光流特征，并输入混合注意力模块，生成增强的跟踪特征；S6、将增强的跟踪特征输入异常检测模块，生成异常检测结果；S7、将异常检测结果输入动态光流补偿模块，生成补偿后的跟踪结果；S8、将补偿后的跟踪结果输入时空多层反馈优化模块，优化光流参数和跟踪窗口。本发明采用深度学习和光流法等，实现低空目标的实时识别与跟踪。