El seguimiento de objetivos orientado a drones en imágenes de video es una parte importante de las tareas contra drones. Los drones vuelan a baja altitud con un fondo complejo, y la proporción de píxeles del objetivo en las imágenes de video es pequeña, lo que aumenta la dificultad del seguimiento. Para abordar estos problemas, se propone un algoritmo de seguimiento de objetivos basado en una red neuronal siamesa (SiamAU) que incorpora una red troncal mejorada y reorganización de características, basado en SiamRPN++. Primero, se añade el mecanismo de atención ECA-Net en la red troncal y se mejora la función de activación para mejorar la capacidad de representación de características en fondos complejos; luego, las características superficiales salidas de la red troncal se reducen en dimensionalidad y se fusionan con las tres capas profundas restantes para obtener características de fusión profundas mejoradas, más adecuadas para el seguimiento de pequeños objetivos como drones. En el conjunto de datos DUT Anti-UAV, el algoritmo SiamAU alcanzó tasas de éxito y precisión del 60,5% y 88,1%, respectivamente, con mejoras de 5,6% y 8,1% en comparación con los algoritmos de referencia. Los resultados de las pruebas en dos conjuntos de datos públicos muestran que el desempeño del seguimiento del algoritmo SiamAU en escenarios anti-drones supera a los algoritmos principales actuales.

anti-drones;seguimiento de objetivos;red siamesa;mecanismo de atención;reorganización de características