引言
无人机已广泛应用于低空检测（Zhang 等，2025a）、应急救援（Ma 等，2025）、物流配送（Jang & Lee，2025）、智能监控（Kim, Kim, & Guizani，2025）和基础设施监测（Wang & Shen，2025）。这种快速部署增加了对低空空域中无人机目标的长距离检测、识别和早期预警的需求（Chen, Chen, Gao, Zhu，2025a；Li, Xiao, Li, Yao, Wan, Ren，2025d）。与雷达（Zhao, Li, & Chen，2025a）和射频感应（Jana, Mishra, & Khan，2025）相比，视觉传感器在成本、载荷重量、部署灵活性和机载集成方面具有优势（Zhao, Zhang, Xiao, Li, & Tang，2025b）。因此，基于视觉的无人机检测已成为低空智能感知的重要研究课题（Kaur, Battish, Bhavsar, & Poddar，2025）。从专家系统和智能系统的角度来看，可靠的空对空无人机检测为自主空中监控、低空交通监督和以安全为导向的决策支持提供了关键的能力。大多数关于基于视觉的无人机检测的研究（Li, Zhao, Wang, Xu, Zhu，2025a；Li, Shi, Hong, Jia，2025b；Zhou, Xu, Liu, Liu, Ren, Zhou, Shen，2025）都集中在地面到空中的场景，其中无人机目标由地面或相对稳定的成像平台观测。在这种环境下，背景运动通常有限，可以通过小目标特征增强、多尺度特征融合或注意力机制来提高检测性能。例如，RemDet（Li 等，2025a）通过增强小目标特征表示、在下采样过程中保留上下文信息以及引入门控自适应特征增强机制来提高无人机检测性能。然而，空对空无人机检测（Hao, Peng, Ye, Han, Tang, Kang,... Liu, 2025a；Hao, Peng, Ye, Han, Zhang, Tang,..., Li, 2025b；Kaur, Battish, Bhavsar, Poddar，2025）涉及不同的成像条件。正如 Kaur 等人（2025）所指出的，地面到空中的检测通常依赖于稳定的观测平台，而在空对空检测中，观测平台和目标都在运动，背景往往更为复杂。在这种情况下，帧间外观变化同时受到目标运动、平台自我运动和相机姿态变化的影响，大尺度背景位移通常主导图像序列（Chen, Wang, Zhou, Hu，2025b；Yao, Peng, He, Peng, Chen, Chi, Benediktsson，2025）。对于长距离的微型无人机目标，低像素覆盖率、弱纹理、运动模糊和背景杂乱进一步使得真实的时间线索难以与背景诱导的伪运动区分开来（Shi, Fang, Xu, Dong，2025；Xiao, Lu, Di, Ma, Qian, Liu, Zhu，2026）。现有研究（Chu 等，2025）还表明，复杂的背景变化、极小的目标规模和帧间不对齐是限制空对空无人机检测性能的关键因素。尽管如此，当前的 A2A 检测方法主要关注单帧特征增强或网络架构优化，而在移动平台条件下跨帧信息的对齐和融合仍然研究不足。图 1 展示了一个具有小型无人机目标和明显前景-背景运动的典型 A2A 检测示例。
因此，基于视觉的 A2A 无人机检测不应被视为小目标检测和视频对象检测的简单组合。其核心挑战在于在移动观测平台下区分微型目标的真实运动线索和背景诱发的运动模式。模型不仅需要识别在复杂背景中具有极小规模、弱纹理和低对比度的无人机目标，还需要在保留跨帧检测相关时间线索的同时抑制不对齐的背景激活。直接将单帧检测器或传统的时间聚合策略转移到 A2A 场景中（Chen, Wang, Zhou, Hu，2025b；Chu, Song, Jin, Lin, Shen, Lyu，2025）可能会由于前后帧之间的空间不对齐而引入不匹配的背景响应。此外，由于微型目标的跨帧响应本质上较弱（Xu, Ji, Zhang, & Chen，2025），直接融合历史信息可能会在没有专用运动感知选择机制的情况下降低当前帧特征的区分能力。基于此分析，我们提出了 A2ANet，一个用于基于视觉的 A2A 无人机检测的运动补偿时间检测框架。A2ANet 基于 YOLOv26 构建，保留了单阶段检测架构，同时引入了背景运动补偿和短窗口时间特征融合。具体来说，GECM 估计了一个全局仿射变换，用于近似短帧间隔内的主导大范围背景位移，并在特征级别对齐历史信息。MGTF 联合当前帧特征、补偿后的历史特征、差异响应和粗略运动先验。然后，残差门控调节已经混合的时间表示逐元素地注入到保留的当前帧特征中；它不是一个显式的源修剪机制。此外，联合优化目标将检测器损失与辅助特征一致性、运动场平滑性和仿射正则化项结合起来。本文的主要贡献总结如下：
1.我们提出了 A2ANet，一个用于基于视觉的空中对空无人机检测的运动补偿时间框架。GECM 的全局仿射组件被有意用作对主导短间隔背景位移的受限近似，而另一个独立的粗略任务导向的运动表示作为辅助先验提供给时间融合。
2.我们设计了 MGTF 来结合当前帧特征、补偿后的历史特征、差异响应和粗略运动先验。连接后的表示在可学习的残差门控控制下进行压缩和混合，保留当前帧路径的同时限制不受控制的时间扰动。
3.我们开发了一种联合优化策略，其中检测器损失、近似特征一致性损失、运动场平滑性和仿射正则化一起进行优化。辅助项在早期优化过程中逐步引入，并被解释为正则化器而不是真实运动监督。
4.我们在 ARD100（Guo, Lin, & Zhao，2025）和 UAVSwarm（Wang, Su, Wang, Wang, & Gao，2022）上进行了实验，包括关键检测器的五次运行统计、直接背景残差评估、受控的三帧时间基准、完整模型资源分析、鲁棒性测试和特定条件分析。结果证明了 A2ANet 的评估性能，同时明确指出了其短期全局运动近似的局限性。
