近年来，低空无人机的快速发展在军事和民用领域带来了广泛的应用前景，但同时也引发了日益严峻的安全隐患。针对无人机目标实现高效识别与持续跟踪，是实施各类防御与反制工作的基础前提。在无人机检测与跟踪任务中，由于目标体积较小并受到拍摄距离、视角变化等因素的影响，其目标通常存在显著的尺度变化，同时易受复杂背景干扰，甚至出现目标暂时消失的现象。针对以上问题，本文围绕无人机的检测与跟踪关键技术展开深入研究，提出了一系列改进算法，并在嵌入式平台上完成了工程验证。
1 引言
1.1 研究背景与意义
随着低空空域管理政策的逐步放宽以及飞行控制技术的持续成熟，无人机凭借其低成本、高机动性以及卓越的成像能力，在物流运输、测绘与地理信息、农林植保、巡检、应急救援以及消费娱乐等多个行业实现了规模化应用。在军事应用领域，无人机已成为现代战争中的重要作战力量，能够执行侦察巡逻、电子干扰、精确打击等多种任务。然而，无人机的广泛使用也带来了严峻的安全问题。军事设施、民航机场、重要集会场所等关键区域频繁遭受无人机的非法入侵，对国家安全和公共安全构成了严重威胁。
反无人机系统的效能在很大程度上依赖于其目标检测能力。无人机具有体积小、散热能力差、雷达反射截面有限、飞行高度较低且常用复合材料制造等特点，这些特性使得传统的雷达、射频或声传感器等探测设备的检测效能显著降低。在此背景下，利用光电信息技术探测无人机，特别是结合人工智能算法的视觉检测方法，展现出强大的应用潜力。此类方法可精确提取目标的位置、尺寸以及外观特征，已成为未来无人机探测技术发展的重要方向。深入研究无人机视觉检测技术可以与雷达探测、无源定位等多种技术协同工作，有效提高低空目标的识别率与跟踪精度，为后续干扰拦截操作提供支持。
1.2 国内外研究现状
在反无人机技术领域，现有的反无人机系统主要可以分为干扰阻断类、摧毁捕获类和探测跟踪类。干扰阻断类系统通过无线电干扰、虚假信号注入、通信链路阻断以及导航欺骗等手段削弱或直接中断无人机的控制能力；摧毁捕获类系统则通过常规火力、导弹以及激光武器等手段实现物理摧毁；探测跟踪类系统集成雷达、红外热成像、声学传感器和通信模块等多种先进设备，能够在动态战场中实现远距离、高精度的探测与跟踪。尽管多种反无人机系统在战场对抗中占据主导地位，但在民用领域的应用却面临系统造价昂贵、复杂环境下性能衰减以及有效作用距离不足等挑战。
在目标检测算法领域，传统方法主要依赖人工特征提取与分类器的结合，如VJ检测器、HOG检测器以及DPM等方法。这类方法在简单场景下能够取得一定效果，但面对复杂背景或多尺度目标时往往存在较大局限性。随着深度学习技术的快速发展，基于卷积神经网络的目标检测算法迅速涌现。两阶段检测算法以R-CNN、Fast R-CNN和Faster R-CNN为代表，通过候选区域提取和精细分类两个阶段实现高精度检测；单阶段检测算法以YOLO系列和SSD为代表，直接在特征图上进行回归，实现了端到端的实时检测。YOLOv8作为YOLO系列中的代表性算法，通过对网络结构的持续优化，在检测精度与速度之间取得了良好的平衡，成为无人机检测任务中广泛使用的基准模型。
在目标跟踪算法领域，传统的跟踪方法主要分为生成式方法和判别式方法。生成式方法通过构建目标的外观模型来实现跟踪，如粒子滤波、均值漂移等；判别式方法通过训练二元分类器来分离前景与背景，如相关滤波方法和基于深度学习的跟踪方法。基于检测的跟踪框架（tracking-by-detection）近年来获得了极大关注，其中ByteTrack算法通过高效利用低置信度检测框，实现了高质量的轨迹关联，但其性能仍受限于检测器的精度和卡尔曼滤波的预测能力。
2 目标检测与跟踪相关理论
2.1 深度学习相关理论基础
人工神经网络是深度学习的基础架构，其基本处理单元为感知器。在感知器结构中，\(x_i\)表示输入的特征向量，\(w_i\)对应各特征的权重参数，\(b\)为偏移量。当加权特征与偏移量相加后，通过非线性激活函数\(f\)进行转换，最终输出结果\(y\)的数学表达式为：
$$
y = f\left(\sum_{i=1}^{n} w_i x_i + b\right)
\tag{1}
$$
卷积神经网络（CNN）是一种结构特殊的深度神经网络，其核心在于通过卷积操作实现特征提取。经典的CNN模型主要由卷积层、池化层和全连接层三个关键组件构成。卷积层通过局部感受域进行加权求和并叠加偏置量，经由激活函数完成非线性转换。特征图的空间维度受卷积核尺寸、输入数据大小、填充方式以及滑动步长等因素影响，其具体计算关系为：
$$
O = \frac{I – K + 2P}{S} + 1
\tag{2}
$$
其中，\(O\)代表输出特征图尺寸，\(I\)是输入数据大小，\(K\)为卷积核尺寸，\(P\)表示填充量，\(S\)代表步长值。池化层通过提取局部区域内的峰值响应或均值计算，实现特征图尺寸的缩减，同时提高特征的不变性。全连接层位于CNN的后端，每个神经元都与前一层的所有神经元相连接，综合前面各层提取的特征进行高层次决策。
2.2 目标检测相关理论
两阶段目标检测算法主要包括候选区域提取和精确检测两个阶段。R-CNN作为这一领域的开创性工作，采用选择性搜索算法生成候选区域，然后通过卷积神经网络提取特征，最后利用SVM进行分类。Fast R-CNN通过特征共享策略和感兴趣区域池化层，有效解决了R-CNN中重复运算的问题。Faster R-CNN则进一步引入区域建议网络（RPN），将候选区域生成、特征提取、目标分类和位置回归集成到一个端到端的网络中，显著提升了检测效率。
单阶段目标检测算法直接从输入图像中预测目标的边界框和类别，无需候选区域生成步骤。SSD算法通过多层级特征图上的并行预测实现多尺度检测；YOLO算法则将目标检测视为回归问题，通过一次前向传播即可获得所有目标的边界框和类别概率。表1总结了YOLO系列算法的演进特点。
| 时间 | YOLO系列 | 特点 |
|---|---|---|
| 2016年 | YOLOv1 | 实现端到端训练，检测速度快，适合实时任务；但对小目标检测不佳，定位精度有限 |
| 2017年 | YOLOv2 | 引入Anchor机制、批归一化和高分辨率分类器，提升了检测准确性；部分定位误差仍存 |
| 2018年 | YOLOv3 | 采用Darknet-53骨干网络和多尺度预测，有效提升了检测性能；模型结构较复杂 |
| 2020年 | YOLOv4 | 结合多种训练技巧，在精度和速度间取得较好平衡；调参和复现较为繁琐 |
| 2020年 | YOLOv5 | 轻量化设计、易于部署和扩展，适用于各种实际应用场景 |
| 2021年 | YOLOv6 | 针对工业级应用进行了专门优化，进一步提升了速度与精度的平衡 |
| 2022年 | YOLOv7 | 采用可训练的Bag-of-Freebies策略及高效架构，实时检测上表现优异 |
| 2023年 | YOLOv8 | 在保持高速度的同时显著提高了检测精度，尤其是在小目标检测场景下表现出色 |
2.3 目标跟踪相关理论
卡尔曼滤波是一种基于线性系统方程的最优状态估计方法。在目标跟踪任务中，目标的运动通常被视为二维平面上的匀速直线运动模型，基于这一运动假设，卡尔曼滤波器可对目标的实时位置、运动速度等关键状态参数做出有效估计。卡尔曼滤波的主要过程可描述如下：
$$
X_{k+1} = \mathbf{A} X_k + W_k
\tag{3}
$$
$$
Z_k = \mathbf{H} X_k + V_k
\tag{4}
$$
其中，\(X_k\)表示\(k\)时刻的系统状态向量，\(Z_k\)代表真实观测值，\(\mathbf{A}\)为状态转移矩阵，\(\mathbf{H}\)是观测矩阵，\(W_k\)为过程噪声，其对应的协方差矩阵为\(Q\)，\(V_k\)为观测噪声，其对应的协方差矩阵为\(R\)。系统状态估计方程和协方差预测公式为：
$$
\hat{X}_{k+1|k} = \mathbf{A} \hat{X}_{k|k}
\tag{5}
$$
$$
P_{k+1|k} = \mathbf{A} P_{k|k} \mathbf{A}^T + Q
\tag{6}
$$
通过引入卡尔曼增益对预测残差进行加权，可获得最优状态估计。
匈牙利算法是图论中的经典算法，用于在多项式时间内求解二分图的完美匹配问题。在目标跟踪应用场景中，匈牙利算法的核心功能是实现相邻视频帧间检测目标的关联匹配。算法通过计算当前帧与前一帧所有目标特征描述子间的相似性矩阵，确定目标间的对应关系，未匹配的检测框会被初始化为新目标，未匹配的历史目标则被判定为丢失目标。
3 基于PCCS-YOLOv8的无人机目标检测方法
3.1 YOLOv8目标检测算法
YOLOv8是YOLO系列中的代表性目标检测框架，其结构主要由骨干网络Backbone层、多尺度特征融合模块Neck层、检测头Head层三部分组成。相较于YOLOv5，YOLOv8在多个方面进行了改进：首先，YOLOv8将C3模块替换为C2f模块，实现了网络的轻量化设计；其次，YOLOv8采用解耦头设计，将分类任务和定位任务分离成两条并行的分支，减少了任务间的干扰；此外，YOLOv8引入了基于TAL的动态匹配策略，动态选择正样本，提升了检测精度；YOLOv8还采用了Anchor-Free的设计理念，无需设置先验框，简化了模型的设计与实现；在损失函数方面，YOLOv8使用Varifocal Loss作为分类损失函数，并结合CIOU Loss和Distribution Focal Loss优化回归效果。
3.2 PCCS-YOLOv8目标检测算法设计
针对小型无人机在复杂背景下检测精度低、漏检率高的问题，本文提出了PCCS-YOLOv8检测算法。该算法通过增加P2小目标检测层、结合SPP模块与ELAN模块、引入CBAM注意力机制以及构建轻量化CSPPC模块，从多个维度提升了检测性能。
3.2.1 P2小目标检测层
原始YOLOv8在8×、16×和32×下采样特征图上部署检测头，最小检测特征图分辨率为8×8像素，当目标尺寸低于该阈值时会出现漏检现象。为提升小目标检测能力，本文新增了P2检测头，通过4倍下采样将最小检测分辨率提升至4×4像素。添加P2层后，网络能够在四个不同尺度的特征图上进行检测。当输入图像尺寸为640×640时，各检测头的检测尺寸如表2所示。
| 检测头 | P2（新增） | P3 | P4 | P5 |
|---|---|---|---|---|
| 检测特征图大小 | 160×160 | 80×80 | 40×40 | 20×20 |
| 检测目标大小 | ≥4×4 | ≥8×8 | ≥16×16 | ≥32×32 |
3.2.2 C2f模块改进
为解决P2层引入带来的模型复杂度提升问题，本文提出了CSPPC模块。该模块基于轻量化卷积PConv构建，将C2f结构中Bottleneck层的普通卷积替换为PConv。部分卷积通过仅对输入通道的部分子集进行卷积操作，并结合恒等映射保留剩余通道的原始信息，显著降低了计算量和参数量。CSPPC模块采用双路径架构设计，通过双分支特征融合机制提高了网络表征能力，在保证特征表达效率的同时降低了模型参数规模和计算复杂度。
3.2.3 CBAM注意力机制
CBAM（Convolutional Block Attention Module）是一种混合注意力机制，由通道注意力模块和空间注意力模块两个级联的子模块组成。通道注意力模块通过全局平均池化和全局最大池化两种策略压缩空间信息，经共享多层感知器生成通道注意力权重；空间注意力模块则在通道维度执行池化操作，通过卷积生成空间注意力图。CBAM的计算过程如下：
$$
F’ = M_c(F) \otimes F
\tag{7}
$$
$$
F” = M_s(F’) \otimes F’
\tag{8}
$$
其中，\(M_c\)和\(M_s\)分别为通道和空间注意力映射。本文在骨干网络的深层C2f模块以及特征融合网络中的跨尺度连接节点处引入CBAM模块，使网络能够更聚焦于小目标的关键信息，减少背景干扰。
3.2.4 SPPF模块改进
本文提出使用SPPELAN结构替代原有的SPPF模块。该结构通过结合金字塔池化的小目标特征提取优势与高效层聚合网络的注意力机制，提升了小目标的检测灵敏度和定位准确率。SPPELAN通过分阶段池化和跨阶段连接，在减少冗余计算的同时保持了多尺度特征提取能力，有效克服了传统大感受野卷积操作难以维持足够空间细节表征能力的问题。
3.3 实验与结果分析
3.3.1 数据集和实验环境
为验证PCCS-YOLOv8模型的检测性能，本文构建了包含TIB-UAV数据集、Anti-UAV数据集和自制无人机数据集的综合数据集，共7785张图片。数据集涵盖天空、云层和高层建筑等多样化场景背景，其中小型目标和中等目标约占91%。实验采用的具体参数配置如表3所示。
| 参数名称 | 参数设定 |
|---|---|
| 优化器 | SGD |
| 批次大小 | 4 |
| 迭代次数 | 150 |
| 图像尺寸 | 640 |
| 学习率 | 0.01 |
实验基于PyTorch-GPU深度学习框架构建，采用NVIDIA GeForce RTX 4060显卡（8GB显存）进行训练和推理。
3.3.2 评价指标
本文采用精度（Precision, P）、召回率（Recall, R）、平均精度（AP）以及均值平均精度（mAP）作为检测性能的评价指标，各指标的计算方法如下：
$$
P = \frac{TP}{TP + FP}
\tag{9}
$$
$$
R = \frac{TP}{TP + FN}
\tag{10}
$$
$$
AP = \int_{0}^{1} P(R) \, dr
\tag{11}
$$
$$
mAP = \frac{1}{N} \sum_{i=1}^{n} AP_i
\tag{12}
$$
此外，还采用FP（False Positive）、FN（False Negative）指标来评估误检和漏检情况，以及FPS（Frames Per Second）作为实时性评价指标。
3.3.3 对比实验结果
为验证PCCS-YOLOv8的性能，本文将其与多种主流单阶段目标检测算法进行了对比，实验结果如表4所示。
| 算法 | mAP@0.5/% | mAP@0.5:0.95/% | FLOPs/G | Params/M |
|---|---|---|---|---|
| YOLOv5 | 89.3 | 45.6 | 7.2 | 2.51 |
| YOLOv8 | 91.1 | 48.4 | 8.2 | 3.01 |
| YOLOv10n | 90.2 | 49.1 | 8.4 | 2.71 |
| RT-DETR-L | 92.2 | 46.4 | 103.4 | 32 |
| PCCS-YOLOv8 | 94 | 50.6 | 11.1 | 2.81 |
从表中可以看出，PCCS-YOLOv8算法的mAP@0.5、mAP@0.5:0.95和Params均达到最优水平，相较于原始YOLOv8，mAP@0.5提高了2.9个百分点，mAP@0.5:0.95提高了2.2个百分点。虽然部分冗余的P2层导致FLOPs有所增加，但整体处理速度仍能满足实时检测的实际需求。
3.3.4 注意力机制对比实验
为评估不同注意力机制对检测性能的影响，本文将CBAM、ECA、SE和GAM分别与YOLOv8进行融合，实验结果如表5所示。
| 算法 | mAP@0.5/% | mAP@0.5:0.95/% | FLOPs/G | Params/M |
|---|---|---|---|---|
| YOLOv8 | 91.1 | 48.4 | 8.2 | 3.01 |
| YOLOv8+CBAM | 91.9 | 48.7 | 8.2 | 3.09 |
| YOLOv8+ECA | 91.5 | 48.9 | 8.2 | 3.1 |
| YOLOv8+GAM | 90 | 47.7 | 18.2 | 11.7 |
| YOLOv8+SE | 91.6 | 48.3 | 8.1 | 3.01 |
实验结果表明，CBAM注意力机制能够同时在空间和通道维度捕捉特征重要性，在综合性能上优于其他注意力模块，更适合无人机场景下的小目标识别任务。
3.3.5 消融实验结果
为系统评估各改进策略的贡献，本文从包含P2小目标检测层、CSPPC轻量化模块、CBAM注意力机制和SPPELAN模块的改进方案中开展了消融实验，结果如表6所示。
| P2 | CSPPC | CBAM | SPPELAN | mAP@0.5/% | mAP@0.5:0.95/% | FLOPs/G | Params/M |
|---|---|---|---|---|---|---|---|
| – | – | – | – | 91.1 | 48.4 | 8.2 | 3.01 |
| √ | – | – | – | 94 | 50.5 | 12.2 | 2.92 |
| – | √ | – | – | 91.4 | 48.5 | 7.2 | 2.57 |
| – | – | √ | – | 91.9 | 48.7 | 8.2 | 3.09 |
| – | – | – | √ | 91.1 | 48.7 | 8.1 | 2.85 |
| – | – | √ | √ | 91.7 | 48.8 | 8.2 | 3.02 |
| √ | – | √ | √ | 94.2 | 50.8 | 12.5 | 3.26 |
| √ | √ | √ | √ | 94 | 50.6 | 11.1 | 2.81 |
消融实验结果表明，引入P2小目标检测层使mAP@0.5提升2.9个百分点，验证了该模块对小目标检测的有效性；SPPELAN模块的集成进一步改善了mAP@0.5:0.95指标；CBAM注意力机制使mAP@0.5和mAP@0.5:0.95分别提升0.8和0.3个百分点。当三种改进策略协同作用时，模型达到最优检测性能。通过引入CSPPC轻量化模块，在保持精度基本不变的前提下，FLOPs和参数量分别降低了11.2%和13.8%，验证了所提算法在计算效率和检测精度之间的良好平衡。
4 基于PK-ByteTrack的无人机目标跟踪方法
4.1 ByteTrack目标跟踪算法
ByteTrack是一种基于检测的追踪算法，创新性地提出了BYTE数据关联策略。该算法采用八维状态空间来描述目标动态特性，通过匀速运动假设下的卡尔曼滤波实现轨迹预测。ByteTrack的核心优势在于能够有效利用低置信度的检测框，通过与已有轨迹进行二次匹配，显著缓解了目标遮挡和运动模糊导致的轨迹断裂及ID切换问题。算法实施三级置信度分级策略，将检测框划分为高可信、待验证和无效三个等级，先对高可信检测框与轨迹进行精确匹配，再对未匹配轨迹实施待验证框的补充匹配，降低了目标丢失率。
4.2 PK-ByteTrack目标跟踪算法设计
本文以ByteTrack框架为基础，引入PCCS-YOLOv8作为前端检测器，并对卡尔曼滤波预测模块进行改进，提出了PK-ByteTrack跟踪算法。
4.2.1 改进卡尔曼滤波
针对传统卡尔曼滤波在检测器性能受限场景下难以准确拟合目标边界框的问题，本文将ByteTrack的状态向量从宽高比联合预测调整为宽度与高度独立预测机制。改进后的状态空间模型为：
$$
x = [u, v, w, h, \dot{u}, \dot{v}, \dot{w}, \dot{h}]^T
\tag{13}
$$
其中，\((u, v)\)表示目标边界框中心，\((w, h)\)表示预测框尺寸，对应的变化率由速度项\((\dot{u}, \dot{v}, \dot{w}, \dot{h})\)表征。为提升在红外场景下对小型无人机跟踪的轨迹预测精度，本文对系统噪声协方差矩阵Q、观测噪声协方差矩阵R以及状态估计误差协方差矩阵P进行了优化调整，具体参数设置如下：
$$
\begin{aligned}
Q &= \text{diag}([\sigma_p w, \sigma_p h, \sigma_p w, \sigma_p h, \sigma_v w, \sigma_v h, \sigma_v w, \sigma_v h])\\
R &= \text{diag}([\sigma_p w, \sigma_p h, \sigma_p w, \sigma_p h])\\
P &= \text{diag}([2\sigma_p w, 2\sigma_p h, 2\sigma_p w, 2\sigma_p h, 10\sigma_v w, 10\sigma_v h, 10\sigma_v w, 10\sigma_v h])
\end{aligned}
\tag{14}
$$
通过在保留原始位置噪声因子和速度噪声因子的基础上，将各维度参数与目标尺寸建立动态关联，使算法能够自适应地响应目标尺度变化，有效提升了对多尺度红外无人机目标的轨迹预测精度。
4.2.2 PK-ByteTrack整体框架与跟踪流程
PK-ByteTrack算法的整体框架以PCCS-YOLOv8检测器为基础，输入的视频序列经检测器输出置信度、检测框和类别等信息。检测框按置信度划分为高置信度集合和待验证集合，高置信度检测框通过卡尔曼滤波预测轨迹，经匈牙利算法完成最优匹配；待验证检测框与未匹配轨迹进行次级匹配，成功匹配的目标被更新并加入轨迹集合。在轨迹管理阶段，通过设定30帧的生命周期参数，对长期未能重新捕获的轨迹予以终止，实现了对无人机目标的持续稳定跟踪。
4.3 实验结果与分析
本节采用自制的MOT格式红外无人机跟踪数据集，包含四个测试序列，每个序列各1000帧图像，涵盖卷云、建筑物等复杂背景以及目标旋转、加速下降等运动场景。实验采用多目标追踪准确率（MOTA）作为核心评价指标：
$$
MOTA = 1 – \frac{FN + FP + IDSW}{GT}
\tag{15}
$$
其中，FN表示漏检数，FP表示误检数，IDSW表示ID切换次数，GT表示真实轨迹数量。
本文将PK-ByteTrack与经典跟踪算法DeepSORT、BotSORT和ByteTrack进行对比实验，结果如表7所示。
| 视频序列 | 算法名称 | FP↓ | FN↓ | IDSW↓ | MOTA↑ | FPS |
|---|---|---|---|---|---|---|
| 序列1 | DeepSORT | 15 | 124 | 103 | 75.8 | 31.88 |
| BotSORT | 9 | 90 | 127 | 77.4 | 50.33 | |
| ByteTrack | 5 | 87 | 128 | 78 | 52.58 | |
| PK-ByteTrack | 0 | 83 | 115 | 80.2 | 49.6 | |
| 序列2 | DeepSORT | 33 | 62 | 51 | 85.4 | 29.3 |
| BotSORT | 1 | 64 | 102 | 83.3 | 52.91 | |
| ByteTrack | 3 | 60 | 89 | 84.8 | 50.94 | |
| PK-ByteTrack | 3 | 46 | 46 | 90.5 | 48.22 | |
| 序列3 | DeepSORT | 34 | 119 | 126 | 72.1 | 29.44 |
| BotSORT | 5 | 126 | 137 | 73.2 | 51.68 | |
| ByteTrack | 6 | 102 | 149 | 74.3 | 46.9 | |
| PK-ByteTrack | 4 | 89 | 143 | 76.4 | 37.88 | |
| 序列4 | DeepSORT | 63 | 103 | 78 | 75.9 | 31.73 |
| BotSORT | 36 | 114 | 116 | 73.4 | 59.02 | |
| ByteTrack | 23 | 110 | 83 | 78.4 | 53.34 | |
| PK-ByteTrack | 18 | 87 | 60 | 83.5 | 52.71 |
从实验结果可以看出，PK-ByteTrack算法在四个测试序列上的MOTA值均优于其他对比算法，较原始ByteTrack算法分别提升了2.2%、5.7%、2.1%和5.1%。在序列2中，PK-ByteTrack算法的IDSW错误匹配帧数大幅减少至46次，显著低于其他算法，验证了算法改进在减少身份切换错误方面的有效性。综合全部实验数据，PK-ByteTrack算法在FP和FN指标上均保持较低水平，表明其在减少误检和漏检方面具有显著优势，有效提升了红外无人机目标跟踪的精度和稳定性。
在复杂背景场景下的对比实验也进一步验证了算法的鲁棒性。当目标无人机与建筑物背景呈现同色系特征时，原始ByteTrack算法在目标与背景交叠区域出现了短暂的目标丢失现象，而PK-ByteTrack算法凭借更强的特征提取能力和改进的运动预测模型，在相同场景下保持了稳定的跟踪效果，未出现目标丢失现象。
5 基于嵌入式平台的无人机检测跟踪硬件实现
5.1 嵌入式实验平台
在实际工业生产中，低成本、小体积且便于携带的嵌入式设备往往更符合自动化、实时监控和数据处理等应用场景的要求。本文对多种主流嵌入式平台进行了深入对比分析，包括Orange Pi 5 Pro、树莓派5以及Jetson Orin Nano，具体参数对比如表8所示。
| 参数 | Orange Pi 5 Pro | 树莓派5 | Jetson Orin Nano |
|---|---|---|---|
| CPU | 4×A76+4×A55 | 4×A76 | 6×A78AE |
| GPU | ARM Mali-G610 MP4 | VideoCore VII | Ampere GPU |
| 内存 | LPDDR5 4/8/16GB | LPDDR4X 4/8GB | LPDDR5 4/8GB |
| 网络 | 2.5G以太网+WiFi6 | 1G以太网+WiFi6 | 1G以太网 |
| NPU | 6 TOPS | 需外接加速器 | 40 TOPS |
| 价格 | 700-1000 | 600-800 | 2000+ |
| 功耗 | 10-15W | 5-10W | 10-25W |
综合比较，Orange Pi 5 Pro在CPU、内存、AI算力、网络和存储扩展等方面均展现出显著优势，同时凭借较低的功耗和成本，能够满足资源受限环境中实时数据处理与控制任务的需求。因此，本文选用Orange Pi 5 Pro作为目标跟踪算法的开发平台，并选用基于OV2710传感器的摄像头作为核心图像采集设备。该摄像头拥有200万有效像素和1/2.7英寸CMOS传感器，支持1080p全高清分辨率输出以及120°广视角，能够完整覆盖无人机的作业区域，有效避免视野盲区问题。
5.2 PyTorch-RKNN模型转换
为在嵌入式平台上高效运行深度学习模型，本文采用RKNN（Rockchip Neural Network）模型格式。RKNN是瑞芯微为其芯片平台开发的深度学习模型格式与部署框架，能够充分利用NPU硬件单元加速推理过程。模型转换分两步进行：首先将PyTorch训练的模型转换为ONNX标准格式，再将ONNX模型编译为RKNN专用推理引擎文件。在RKNN模型转换过程中，通过rknn.config函数进行量化类型、输入输出布局等参数的配置，使用rknn.load_onnx函数加载ONNX模型，并通过rknn.build函数完成编译转换，最终通过rknn.export_rknn函数导出优化后的RKNN模型文件。
5.3 无人机检测跟踪系统实现
基于上述嵌入式平台，本文设计并实现了一套完整的无人机检测与跟踪系统。系统基于PyQT5图形界面框架构建，主要由模型配置模块、图片检测模块和视频检测模块组成。模型配置模块允许用户自由选择无人机检测模型，加载自定义的权重文件和分类文件，设置输入图像尺寸、置信度阈值、交并比阈值以及是否使用GPU加速等参数。系统支持YOLOv3、YOLOv5、YOLOv8、PCCS-YOLOv8、YOLOv10、SSD和RT-DETR-L等多种检测模型的灵活切换。
在图片检测功能中，用户可通过界面上传无人机图片，系统将自动完成目标检测并显示检测结果。在视频文件跟踪功能中，用户可载入待处理视频素材，系统对包含无人机目标的视频内容进行逐帧分析和持续跟踪，并实时显示检测到的无人机数量。在实时监控功能中，系统通过摄像头实时采集视频流，在户外复杂环境下对无人机目标进行检测与持续跟踪。
为验证系统的实际性能，本文在户外真实场景中部署了实验平台，对距离平台约120米处的无人机目标进行了实测。实验结果表明，当无人机出现在监控视野时，系统能够准确识别并持续追踪目标，在复杂室外环境下实现了稳定可靠的检测与跟踪效果。该实验验证了本文算法在资源受限的嵌入式平台上依然能够高效运行，满足了实际工业应用对实时性和稳定性的需求。
6 总结与展望
6.1 全文工作总结
本文围绕无人机目标检测与跟踪的关键技术展开了系统研究，主要工作和创新点包括以下三个方面：
（1）提出了PCCS-YOLOv8无人机目标检测算法。该算法通过增加P2小目标检测层提高模型对小目标的检测能力，利用SPPELAN模块增强多尺度感知能力，引入CBAM注意力机制聚焦关键区域特征，并构建CSPPC轻量化模块平衡模型复杂度。实验结果表明，PCCS-YOLOv8算法的mAP@0.5达到94%，mAP@0.5:0.95达到50.6%，FLOPs为11.1G，Params为2.81M，综合性能明显优于传统检测模型。
（2）提出了PK-ByteTrack红外无人机目标跟踪算法。该算法将PCCS-YOLOv8检测器与ByteTrack跟踪框架相结合，并对卡尔曼滤波轨迹预测算法进行优化，将状态变量从宽高比预测改为对宽度和高度的独立预测。在自建MOT格式红外无人机跟踪数据集上的实验表明，PK-ByteTrack算法在四个测试序列上的MOTA较原始ByteTrack算法分别提升2.2%、5.7%、2.1%和5.1%，有效减少了漏检和误检现象，提高了跟踪精度和稳定性。
（3）完成了基于嵌入式平台的工程验证。选用Orange Pi 5 Pro嵌入式开发板和OV2710摄像头搭建了完整的无人机检测与跟踪系统，通过PyTorch-ONNX-RKNN模型转换流程实现了深度学习模型在嵌入式平台的高效部署。通过真实环境中的测试，验证了所提算法在资源受限场景下依然能够实现高效、稳定的目标跟踪，证明了系统满足实际应用需求。
6.2 未来研究展望
尽管本文在无人机目标检测与跟踪领域取得了一定进展，但仍存在若干值得深入探索的方向：
（1）多模态信息融合。红外传感系统在探测距离上具有优势，但单一检测手段难以全面适配复杂环境。未来工作可考虑融合可见光、雷达、声波等多种探测技术，弥补各自不足，提升整体检测能力和系统的鲁棒性与适用性。
（2）嵌入式平台进一步优化。可开发专门用于无人机检测任务的神经网络加速器或定制化芯片，结合网络剪枝、知识蒸馏等模型压缩技术，在保证检测精度的前提下进一步降低模型计算复杂度，实现更大程度的轻量化部署，以适应更广泛的嵌入式应用场景。
（3）扩展至无人机集群场景。当前研究主要聚焦于单目标跟踪，而无人机集群作战已成为趋势。未来可探索在集群场景下的多目标检测与跟踪算法，解决目标间遮挡和身份交换等问题，提升系统的整体防御能力。