基于混合动作空间深度强化学习的云台摄像机红外无人机目标跟踪框架
《Remote Sensing》:Infrared UAV Target Recognition of PTZ Camera Based on Hybrid Action Space Reinforcement Learning
【字体:
大
中
小
】
时间:2026年10月23日
来源:Remote Sensing 4.3
摘要
随着无人机应用的快速发展,无人机对公共安全和空域管理带来了日益严峻的挑战。云台摄像机(PTZ)被广泛用于监控,但传统的基于规则的控制方式在动态环境中缺乏适应性,现有的深度强化学习(DRL)方法大多依赖于固定时间步长的离散动作空间,无法实现精细化的摄像机调整。同时,红外无人机通常目标小、距离远且分辨率低,导致检测置信度低、分类困难。针对上述问题,本文提出了一种用于云台摄像机控制的混合动作空间深度强化学习框架。云台控制被建模为离散-连续层次化子空间:智能体选择离散动作类型,并预测其连续执行时长,以实现自适应精确控制。一种整合目标识别准确度、位置和尺寸的目标稳定跟踪奖励函数,引导智能体提高检测置信度并高效完成识别。此外,设计了一种结合卷积神经网络(CNN)和Transformer的轻量级多尺度特征融合识别网络,以实现精确的状态表示,并构建了两个红外无人机数据集以支持训练和评估。基于Unity3D的仿真实验表明,所提出的框架显著提高了检测置信度和识别准确率,在多个场景下保持高跟踪稳定性,并且与不同的目标检测器具有良好的通用性,优于基于规则的基线方法和单动作空间基线方法。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号