Le suivi des cibles orienté vers les drones dans les images vidéo est une étape importante dans les missions anti-drones. Le vol à basse altitude des drones implique un arrière-plan complexe, et la proportion de pixels des cibles dans les images vidéo est faible, ce qui complique le suivi des cibles. Pour répondre à ces problèmes, un algorithme de suivi de cibles basé sur un réseau neuronal siamois (SiamAU) intégrant un réseau principal amélioré et un réarrangement des caractéristiques est proposé sur la base de SiamRPN++. Tout d'abord, un mécanisme d'attention ECA-Net a été ajouté au réseau principal avec une amélioration de la fonction d'activation pour renforcer la capacité de représentation des caractéristiques dans des contextes complexes ; ensuite, les caractéristiques superficielles produites par le réseau principal ont été réduites en dimension et fusionnées avec les trois dernières couches profondes des caractéristiques pour obtenir des caractéristiques de fusion profonde améliorées, plus adaptées au suivi de petites cibles telles que les drones. Sur le jeu de données DUT Anti-UAV, l'algorithme SiamAU a atteint des taux de réussite et de précision de 60,5% et 88,1%, soit une amélioration de 5,6% et 8,1% par rapport aux algorithmes de référence. Les résultats des tests sur deux ensembles de données publics montrent que les performances de suivi de l'algorithme SiamAU dans les scénarios anti-drones sont supérieures à celles des algorithmes dominants actuels.

anti-drone;suivi de cible;réseau siamois;mécanisme d'attention;réarrangement des caractéristiques