摘要
本发明公开了一种低空空域复杂环境下的无人机集群目标长时鲁棒跟踪方法,包括:通过预训练的目标检测模型对无人机目标进行检测并结合环境状态信息动态优化;将优化后的检测结果并行输入轻量化图卷积网络与双向LSTM模块,分别提取目标预测位置的空间交互特征与时序动态特征;利用空间‑时序注意力机制融合两类特征,获得更准确的预测位置信息;基于目标检测框置信度得分对目标的预测位置与目标的实际检测结果进行两阶段数据关联。该方法有效提升了复杂动态环境下无人机集群目标的跟踪精度与鲁棒性,尤其在目标遮挡、密集编队和背景干扰等场景下具有较强的适应能力。
技术关键词
无人机集群
跟踪方法
交互特征
卷积网络模型
时序
置信度阈值
环境状态信息
动态
节点特征
注意力机制
轨迹
多层感知机
邻居
序列
跟踪无人机
融合特征
两阶段
系统为您推荐了相关专利信息
变量
皮尔逊相关系数
联合特征提取
短时傅里叶变换
周期性
土壤含水量反演方法
多波段
植被
极化相干矩阵
反演算法
交互特征
生成内容识别方法
图文
交叉注意力机制
文本
人体步态预测方法
卷积神经网络模块
表面肌电信号
模式
人体步态预测装置