无人机UAV目标检测与跟踪(代码+数据)

2023-10-23 12:01

本文主要是介绍无人机UAV目标检测与跟踪(代码+数据),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

近年来,随着无人机的自主性、灵活性和广泛的应用领域,它们在广泛的消费通讯和网络领域迅速发展。无人机应用提供了可能的民用和公共领域应用,其中可以使用单个或多个无人机。与此同时,我们也需要意识到无人机侵入对空域安全造成的潜在威胁。今年早些时候,多次无人机目击事件导致机场停飞,给航空公司带来了巨大的经济损失。

在这里插入图片描述

目前,在计算机视觉社区中,没有一个高质量的反无人机数据集被用于真实动态场景的捕捉。为了弥补这一空白,该项目提出了一个新的数据集、评估指标和基线方法,用于发现、检测、识别和跟踪无人机的领域。该数据集包含高质量的全高清视频序列(包括RGB和IR),涵盖了多种多尺度无人机的多次出现,并且密集注释了每个帧中的边界框、属性和标志,指示目标是否存在。

数据介绍

该数据集包含三个子集,即训练子集、track 1测试子集和track 2测试子集。训练子集由200个热红外视频序列组成,并发布详细的注释文件(包括目标是否存在、目标位置信息和各种挑战)。track 1测试子集也包含200个视频序列,仅提供第一帧中目标的位置信息;track 2测试子集包含200个视频序列,该track不提供任何标记信息,需要参与者通过检测和跟踪来获取目标的存在标志和相应的目标位置信息。以上三个子集之间没有任何重叠部分。我们建议参与者根据训练子集中的多类标签信息训练适合的检测器或跟踪器模型。
在这里插入图片描述

环境要求

运行脚本

> conda activate project_uav
> python detect_tracking.py

project_uav环境主要包括:

pytorch(1.7.1)、
torchvision(0.8.2)、
Cython、tqdm、
PyYAML、
matplotlib、
numpy、Pillow、
opencv、scipy

代码

from __future__ import divisionimport os
import cv2
import sys
import time
import torch
import struct
import socket
import logging
import datetime
import argparseimport numpy as np
from PIL import Imageimport pdb# sys.path.append(r"C:\Users\aaa\Desktop\DetectionLib\DroneTracker")
# sys.path.append(r"C:\Users\aaa\Desktop\DetectionLib\DroneDetector")# from detector import DroneDetection
# from trackinguav.evaluation.tracker import Trackerfrom detect_wrapper.Detectoruav import DroneDetection
from tracking_wrapper.dronetracker.trackinguav.evaluation.tracker import Trackersys.path.append(os.path.join(os.path.dirname(__file__),'detect_wrapper'))
sys.path.append(os.path.join(os.path.dirname(__file__),'tracking_wrapper\\dronetracker'))
sys.path.append(os.path.join(os.path.dirname(__file__),'tracking_wrapper\\drtracker'))import warnings
warnings.filterwarnings("ignore")# # import torchvision
# # from torch.utils.data import DataLoader
# # from torchvision import datasets
# from torch.autograd import Variable
#import matplotlib.pyplot as plt
#import matplotlib.patches as patches
#from matplotlib.ticker import NullLocator
#import jsong_init = False
g_detector = None  # 检测器
g_tracker = None   # 跟踪器
g_logger = None
detect_box=None
track_box=None
g_data = None
detect_first =True
g_enable_log = True
repeat_detect=Truecount = 0
g_frame_counter = 0
TRACK_MAX_COUNT = 150Visualization = 1
sendLocation = 0#全局socket
udp_socket = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
#目标主机的IP和端口, 用来发送坐标
IP = '192.168.0.171'
Port = '9921'def safe_log(msg):if g_logger:g_logger.info(msg)def send_bbs(bbs):global g_loggerif g_logger:g_logger.info('send a box : {}'.format(bbs))def mono_to_rgb(data):w, h = data.shapeimg = np.zeros((w, h, 3), dtype=np.uint8)img[:, :, 0] = dataimg[:, :, 1] = dataimg[:, :, 2] = datareturn imgdef rgb_to_ir(data):w, h, c = data.shapeimg = np.zeros((w, h), dtype=np.uint8)img = data[:,:,0]return imgdef distance_check(bbx1, bbx2, thd):cx1 = bbx1[0]+bbx1[2]/2cy1 = bbx1[1]+bbx1[3]/2cx2 = bbx2[0]+bbx2[2]/2cy2 = bbx2[1]+bbx2[3]/2dist = np.sqrt((cx1-cx2)**2+(cy1-cy2)**2)return dist<thddef scale_coords(img1_shape, coords, img0_shape):# Rescale coords (xyxy) from img1_shape to img0_shapegainx = img1_shape[0] / img0_shape[0]gainy = img1_shape[1] / img0_shape[1]coords[0]= coords[0]/gainxcoords[1]= coords[1]/gainycoords[2]= coords[2]/gainxcoords[3]= coords[3]/gainycoords = [int(x) for x in coords]return coords

这段代码实现了一个目标检测与跟踪的功能。以下是对代码的解释:

  • g_init = False: 标志变量,用于表示是否进行了初始化操作。

  • g_detector和g_tracker: 用于保存检测器和跟踪器的对象。

  • g_logger: 日志记录器对象,用于记录日志信息

  • detect_box和track_box: 分别用于保存检测到的目标框和跟踪的目标框。

  • g_data: 用于保存图像数据。

  • detect_first: 标志变量,表示是否为第一次检测。

  • g_enable_log: 是否启用日志记录。

  • repeat_detect: 是否重复检测。

  • count和g_frame_counter: 计数器,用于计算帧数和跟踪目标的持续时间。

  • TRACK_MAX_COUNT: 最大跟踪次数,超过该次数则重新进行检测。

结论

反无人机目标检测与跟踪的意义在于应对无人机在现实世界中可能带来的潜在威胁,并保障空域安全。以下是这方面的几个重要意义:

空域安全:无人机的广泛应用给空域安全带来了新的挑战。通过开展反无人机目标检测与跟踪研究,可以及时发现和追踪潜在的无人机入侵行为,确保空域的安全和秩序。

防范恶意活动:无人机技术的快速发展也为一些恶意活动提供了新的工具和手段,如无人机进行窥探、非法监听、破坏等。反无人机目标检测与跟踪的研究可以帮助及时发现和阻止这些恶意活动,维护社会的稳定和安全。

保护隐私:无人机的普及使用可能会侵犯个人和公共场所的隐私。通过有效的反无人机目标检测与跟踪技术,可以帮助及时识别和遏制一些侵犯隐私的无人机行为,保护个人和公众的合法权益。

防止事故与损失:无人机的不当使用可能给航空运输和其他行业带来安全风险和经济损失。通过反无人机目标检测与跟踪技术,可以及时发现潜在的无人机干扰和威胁,预防事故和减少经济损失

这篇关于无人机UAV目标检测与跟踪(代码+数据)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/267709

相关文章

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE?1.2 SSE 的优点1.3 适用场景2. Spring WebFlu

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

java之Objects.nonNull用法代码解读

《java之Objects.nonNull用法代码解读》:本文主要介绍java之Objects.nonNull用法代码,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录Java之Objects.nonwww.chinasem.cnNull用法代码Objects.nonN

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

在C#中调用Python代码的两种实现方式

《在C#中调用Python代码的两种实现方式》:本文主要介绍在C#中调用Python代码的两种实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录C#调用python代码的方式1. 使用 Python.NET2. 使用外部进程调用 Python 脚本总结C#调

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S