무인항공기(UAV)의 목표 추적 작업에서 복잡한 방해와 목표 가림 문제를 해결하기 위해 주의 메커니즘과 목표 가림 판별 메커니즘을 도입한 쌍둥이 신경망 기반 목표 추적 알고리즘 SiamAL 및 물체 탐지 알고리즘을 융합한 변형인 SiamAL-Det를 제안하였다. SiamDMU 알고리즘을 기반으로 먼저 백본 네트워크에 주의 메커니즘을 도입하고, 새로운 활성화 함수 h-swish를 사용하여 복잡한 방해 조건에서 특징 표현 능력을 향상시켰다. 다음으로 칼만 필터 기반의 움직임 사전 정보를 도입하여 목표 궤적을 추정하고, 추적기 신뢰도와 예측-관측 잔차를 공동으로 이용해 추적 상태를 계층적으로 판단한다. 심각한 가림 상황에서는 움직임 사전 정보의 가중치를 적응적으로 높여 가림 기간 동안 궤적 연속성을 유지한다. 마지막으로 실제 추적 성능 향상을 위해 탐지와 추적을 융합한 알고리즘 프레임워크를 설계하였으며, 추적 실패 또는 심한 드리프트가 판단될 때 경량 탐지 분기를 활성화해 재탐지 및 보정을 수행한다. UAV123 데이터셋에서 SiamAL과 SiamAL-Det 알고리즘은 각각 65.3%, 86.6%, 68.6%, 88.8%의 성공률과 정밀도를 달성했으며, 기준 알고리즘인 SiamDMU 대비 각각 2.5%, 3.7%, 5.8%, 5.9% 향상되었다. 여러 주류 쌍둥이 신경망 기반 추적 알고리즘과 비교하여 성공률과 정밀도에서 우수한 성능을 보여 제안한 방법이 UAV 항공 촬영 환경에서 우수한 응용 가능성을 갖고 있음을 나타낸다.

UAV 항공 촬영; 쌍둥이 목표 추적; 주의 메커니즘; 칼만 필터