Detector-Augmented SAMURAI for Long-Duration Drone Tracking
本文介绍了一种基于检测器增强的 SAMURAI 基础模型的扩展版本，该版本通过缓解检测掉线并提升在退出-重入事件期间的性能，显著增强了在城市环境中鲁棒的长时无人机跟踪能力。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在我们的城市上空，一种新型的监控挑战已经出现。无人机曾一度是爱好者和电影制作人的领域，而现在它们已成为空中持续存在的存在，能够执行从货物递送到间谍侦察等各种任务。对于安保团队而言，目标不仅仅是在单张照片中发现这些飞行机器，而是要在它们穿梭于复杂环境时保持稳定的锁定。这需要一种计算机视觉系统，使其能够实现目标的连续追踪，即使目标体积微小、移动迅速，或者暂时被树木或建筑物遮挡。传统方法往往难以应对这种连续性，当摄像机视角发生偏移或无人机外观发生细微变化时，往往会丢失目标。该领域依赖于能够学习识别模式的软件，而无需针对每种可能的无人机变体进行逐一教学，这种能力被称为零样本学习（zero-shot learning），即系统可以将已知的通用物体知识应用于从未见过的特定新任务中。
德国航空航天中心及数个欧洲研究机构的研究人员将注意力转向了一种名为 SAMURAI 的强大新型软件。该系统最初设计用于在视频中追踪包括人类和动物在内的多种目标，并展现出了在无需针对特定物体进行预训练的情况下进行追踪的卓越能力。然而，此前尚未有人测试过这一强大的工具是否能处理在城市环境中追踪无人机的独特困难——在这些环境中，建筑物会产生干扰，且无人机本身可能只是繁忙背景中微小的黑点。研究团队旨在观察 SAMURBI 是否能够独立完成这项工作，如果不能，应如何改进以应对现实世界安保所需的长期、连续监测。
研究人员首先通过一组展示无人机在城市上空飞行的视频序列，对标准版本的 SAMURAI 进行了测试。他们发现，当系统获得一个完美的起点——即由人类在第一帧中精确绘制的无人机包围框时——其表现相当出色。它可以在许多帧中持续追踪无人机，即使在物体移动时也能保持稳定的锁定。然而，现实世界很少提供完美的起点。在实际的安保场景中，计算机必须能够自主发现无人机并开始追踪。当研究人员让系统从一个计算机生成的“猜测值”而非人类绘制的框开始时，性能显著下降。追踪器经常会丢失目标，尤其是在初始猜测稍有偏差，或者无人机飞出摄像机视野后又重新出现时。系统难以从这些错误中恢复，有时会发生漂移，转而去追踪树枝或建筑物，而非那台飞行机器。
为了解决这个问题，团队开发了一种结合了 SAMURAI 追踪能力与专门无人机检测器的全新方法。可以将这个检测器想象成第二双眼睛，它不断扫描视频，专门寻找无人机。研究人员构建了一个追踪器与检测器协同工作的系统。如果追踪器开始失去控制，或者无人机消失并重新出现，检测器就会介入以提供新鲜、准确的位置信息。这种伙伴关系使系统能够进行持续的自我修正，而不是等待下一帧来观察自己是否仍处于正确的路径上。结果令人瞩目。在长视频序列中，即无人机可能会多次飞入和飞出视野的情况下，这种组合系统比单纯使用追踪器保持了更高水平的准确性。在某些测试中，它实现了 0.725 的成功率和 0.924 的归一化精度，较之前的最优方法有了显著提升。
该研究还强调了用于测试的数据的重要性。研究人员创建了一套全新的视频记录，专门设计用于比现有公开数据集更具挑战性的环境。这些新视频中的无人机飞行时间更长，物体体积极小，且频繁离开摄像机视野。在这些困难条件下，标准追踪器往往会完全失效，但新的组合系统却能稳住阵脚。它大幅减少了漏掉无人机的次数，证明了检测器的持续引导对于长时追踪至关重要。研究人员指出，尽管该系统现在已经更加鲁棒，但在无人机体积极其微小或检测软件本身出错时，仍然面临挑战。
最终，这项工作表明，强大的通用型追踪工具可以被改编用于特定的安全需求，但它们通常需要“帮手”。通过将精密的追踪器与专门的检测器相结合，研究人员创造了一个在复杂城市环境中监控无人机时更加可靠的系统。研究结果表明，对于目标可能消失并重现、且初始猜测很少完美的现实世界监控而言，一种不断交叉核验自身工作的混合方法是最有效的途径。该团队已将其新的长视频序列向其他科学家开放，希望能鼓励更多关于如何保障天空安全的进一步研究。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。