《反無人機目標感知技術(shù)：基于視覺智能》以“威脅分析-系統(tǒng)構(gòu)建-技術(shù)應(yīng)用”為脈絡(luò)，系統(tǒng)解析無人機目標檢測、跟蹤與重識別的核心方法，涵蓋傳統(tǒng)圖像處理與深度學習方法，并詳述反無人機專用數(shù)據(jù)集構(gòu)建及評測標準。全書從YOLO、Faster R-CNN 等經(jīng)典檢測算法，拓展至RGB-T 多模態(tài)跟蹤、對抗環(huán)境模型優(yōu)化等創(chuàng)新方向，著力解決復雜場景下的感知難題。本書特色在于“技術(shù)縱深與行業(yè)應(yīng)用雙輪驅(qū)動”：縱向從機器視覺、神經(jīng)網(wǎng)絡(luò)等理論切入，深度剖析算法原理與優(yōu)化策略；橫向結(jié)合安防、軍事、民航等場景需求，構(gòu)建“數(shù)據(jù)采集-算法訓練-系統(tǒng)部署”全鏈路技術(shù)體系。書中系統(tǒng)性整合反無人機視覺感知技術(shù)框架，助力跨學科知識融合，兼具學術(shù)創(chuàng)新性與工程實踐價值。
本書適合人工智能與計算機視覺領(lǐng)域的研究人員、反無人機系統(tǒng)開發(fā)工程師，以及安防、國防科技領(lǐng)域的從業(yè)者閱讀，同時可作為高等院校相關(guān)專業(yè)研究生教材。
第1章 緒論 001
1.1 反無人機技術(shù)的興起 002
1.2 反無人機技術(shù)的意義 003
1.3 反無人機視覺感知 004
1.4 反無人機未來發(fā)展趨勢 006
第2章 低空無人機系統(tǒng) 008
2.1 低空無人機 009
2.1.1 低空無人機的概念 009
2.1.2 低空無人機系統(tǒng)分類 009
2.2 低空無人機研究現(xiàn)狀 011
2.3 低空無人機行業(yè)應(yīng)用 013
本章參考文獻 019
第3章 反無人機系統(tǒng) 021
3.1 無人機威脅分析 022
3.1.1 無人機威脅概念 022
3.1.2 無人機威脅類別 023
3.2 反無人機的需求 028
3.2.1 反無人機概念 028
3.2.2 反無人機意義 029
3.2.3 反無人機技術(shù)簡介 035
3.3 反無人機國內(nèi)外現(xiàn)狀 040
3.3.1 反無人機預防 040
3.3.2 反無人機預警 040
3.3.3 反無人機處置 043
3.4 反無人機挑戰(zhàn)及發(fā)展前景 050
3.4.1 反無人機技術(shù)面臨的多維度挑戰(zhàn) 050
3.4.2 反無人機技術(shù)的未來發(fā)展與應(yīng)用前景 051
本章參考文獻 053
第4章 機器視覺智能感知技術(shù) 054
4.1 機器視覺智能感知的基本概念 055
4.2 機器視覺智能感知的特性 055
4.3 基于機器學習的視覺技術(shù) 056
4.3.1 機器學習分類任務(wù) 057
4.3.2 機器學習聚類任務(wù) 060
4.3.3 機器學習降維任務(wù) 061
4.4 基于深度學習的視覺感知 063
4.4.1 視覺感知的定義 063
4.4.2 前饋神經(jīng)網(wǎng)絡(luò) 063
4.4.3 卷積神經(jīng)網(wǎng)絡(luò)在無人機檢測中的應(yīng)用 065
4.4.4 序列模型 067
4.5 視覺增強技術(shù) 069
4.5.1 傳統(tǒng)圖像增強方法 070
4.5.2 基于深度學習的增強方法 071
4.5.3 視覺增強技術(shù)的發(fā)展趨勢 072
4.5.4 視覺增強技術(shù)應(yīng)用 072
4.6 視覺感知技術(shù)的應(yīng)用 074
4.6.1 無人機的應(yīng)用 074
4.6.2 反無人機的應(yīng)用 076
本章參考文獻 078
第5章 反無人機目標檢測 079
5.1 通用目標檢測 080
5.1.1 目標檢測基本概念 080
5.1.2 傳統(tǒng)目標檢測 081
5.1.3 基于深度學習的目標檢測 086
5.2 反無人機目標檢測算法的分類 097
5.2.1 基于傳統(tǒng)圖像處理方法 099
5.2.2 基于深度學習的檢測方法 102
5.3 反無人機目標檢測的挑戰(zhàn)及發(fā)展前景 116
5.3.1 反無人機目標檢測的挑戰(zhàn)和應(yīng)對 116
5.3.2 反無人機目標檢測的發(fā)展前景 124
本章參考文獻 126
第6章 反無人機視覺目標跟蹤 130
6.1 通用的目標跟蹤 131
6.1.1 目標跟蹤概念 131
6.1.2 視覺目標跟蹤典型算法 131
6.2 特定于無人機場景的視覺目標跟蹤 140
6.2.1 反無人機視覺目標跟蹤概念 140
6.2.2 單模態(tài)全局反無人機視覺目標跟蹤 142
6.2.3 單模態(tài)局部- 全局反無人機視覺目標跟蹤 153
6.2.4 通用RGB -T 融合視覺目標跟蹤 171
6.2.5 反無人機RGB -T 融合視覺目標跟蹤 179
6.3 反無人機視覺目標重識別 186
6.3.1 視覺目標重識別概念 186
6.3.2 重識別技術(shù)的挑戰(zhàn) 187
6.3.3 重識別技術(shù)在反無人機中的應(yīng)用 187
本章參考文獻 189
第7章 反無人機數(shù)據(jù)集與評測標準 195
7.1 反無人機數(shù)據(jù)采集 196
7.1.1 采集設(shè)備及無人機類型 196
7.1.2 采集過程 197
7.1.3 數(shù)據(jù)標注和校正 199
7.2 反無人機數(shù)據(jù)集 200
7.3 反無人機評測標準 202
本章參考文獻 206
書單推薦
