计算机科学与探索

作者：武袁勋, 王亚彬, 张大伟, 郑忠龙

单位：1. 浙江师范大学 计算机科学与技术学院，浙江 金华 3210042. 浙江大学 计算机科学与技术学院，杭州 3100273. 浙江师范大学 中国-莫桑比克智慧农业“一带一路”联合实验室，浙江 金华 321004

关键词：无人机多目标跟踪,光照自适应,低光增强,相机运动补偿,级联匹配,门控机制

基金：国家重点研发计划（2024YFE0214000）；国家自然科学基金（62272419，62402449，62473338）；浙江省自然科学基金重大项目（LD26F020003）；浙江省自然科学基金（LQ23F020010）。

多目标跟踪在智能交通、视频监控等领域具有广泛的应用前景。针对无人机场景中普遍存在的低照度、快速机动与目标密集小尺度等难题，提出了一种光照自适应增强驱动的多目标跟踪框架（ILMOT），以“按需增强、轻量门控、几何约束关联”为核心思路，旨在提升低光照条件下的检测与身份关联稳健性。ILMOT采用训练自由的IllumiGuard门控单元进行鲁棒的低光判定，利用sRGB亮度统计、天空区域裁剪与直方图双端修剪获得鲁棒的低光判定，仅在确属低光时触发增强。这种按需触发的设计极大程度地减少了计算负担。当触发时，采用预训练的Retinex-Net实施“分解-光照增强-反射去噪-乘性重建”，能够在提升暗部可见性的同时抑制噪声放大与光晕伪影，保证后续跟踪模块的输入质量。跟踪器基于DepthMOT的三分支结构，利用EUCB提升深度估计质量，并融合无锚点检测与相机姿态估计，增强特征表达能力并提升跟踪精度。Unscented Kalman Filter用于相机运动补偿与不确定性传播，有效应对无人机快速运动带来的目标漂移问题。基于深度信息的级联匹配降低拥挤场景中的ID切换与轨迹碎片化，提升跟踪的鲁棒性。实验在VisDrone2019与UAVDT数据集上验证了ILMOT的有效性。在VisDrone2019上，ILMOT在HOTA、MOTA与IDF1等指标上均取得了显著提升，并有效降低了ID切换次数，表明其在低光条件下的优越性能。在以正常光照为主的UAVDT上，ILMOT也展现出稳健的性能。在LMOT数据集上的消融实验验证了低光选择增强器在低光环境下的有效性。结果表明，光照自适应增强与几何约束关联的联合设计能够在无人机低光与拥挤复杂环境中有效提升多目标跟踪的总体精度与身份一致性。

来源：2026年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第2期