用于无人机海上搜索与救援中遇险目标检测与跟踪的YOLO-SR和GeoTrack

《Scientific Reports》:YOLO-SR and GeoTrack for distress target detection and tracking in UAV maritime search and rescue

【字体: 大 中 小 】 时间:2026年08月29日 来源:Scientific Reports 4.9

编辑推荐:

   海上搜救(SAR)中对遇险目标的可靠检测与跟踪仍然面临严峻挑战,原因在于无人机作业高度带来的极端尺度变化——游泳者和其他小目标可能仅占据图像中的几个像素。海面反光、波纹模式以及动态海洋背景进一步加剧了这一挑战。本文提出了一种针对海上小目标SAR场景的集成式检测-跟踪框架。所提

  海上搜救(SAR)中对遇险目标的可靠检测与跟踪仍然面临严峻挑战,原因在于无人机作业高度带来的极端尺度变化——游泳者和其他小目标可能仅占据图像中的几个像素。海面反光、波纹模式以及动态海洋背景进一步加剧了这一挑战。本文提出了一种针对海上小目标SAR场景的集成式检测-跟踪框架。所提出的YOLO-SR(Small Refinement,小目标精化)检测器在YOLOv8-L的基础上,增加了一个轻量级高分辨率精化分支,该分支在P3特征图上运行,以增强对弱小和远距离目标的表征能力,同时保持计算效率。此外,GeoTrack在ByteTrack的基础上,通过几何滤波和基于运动一致性的置信度调制来抑制与波纹模式和海面反光相关的虚假轨迹。在SeaDronesSee数据集上的实验评估表明,YOLO-SR达到了0.8959的mAP@50、0.5506的mAP@50–95、0.9146的精确率和0.8724的召回率,优于基线YOLOv8-L检测器。在目标跟踪方面,GeoTrack达到了58.4%的MOTA、64.2%的HOTA和64.2%的IDF1,在MOTA和IDF1指标上均优于基线ByteTrack。GeoTrack的跟踪精确率达到90.0%,并将"大部分丢失"(ML)轨迹的比例降低至18%。所提出的框架在桌面GPU上可实现约38 FPS的实时推理,在NVIDIA Jetson Nano上可达15 FPS,表明其在嵌入式无人机海上搜救应用中具有良好的潜力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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