第三届“反无人机跟踪”挑战赛（3rd Anti-UAV Workshop & Challenge）近日公布了比赛结果，来自北京航空航天大学的Colalab与军事科学院的Yi-zheng Wang团队从国内外近60支参赛队伍中脱颖而出，分别获得挑战赛两个赛道的冠军。

  商用小型无人机快速的提升，其相比于载人机而言，具有体积小 、成本低、机动性强等优势，可完成一些载人机没办法完成的任务，已被大范围的应用于航拍、监控、遥测、勘探、救援、物流等诸多领域。 然而，也有不法分子利用无人机对敏感区域进行侦查/监视或携带危险物品/武器对重要人物进行毁伤。 近来国内外多次发生无人机非法入侵事件，不仅对公民的个人隐私与生命财产安全造成了严重危害，而且对机场、军事基地、大型集会现场、核电站、政府机部门驻地等敏感区域的安防造成了极大威胁。 因此，开展复杂环境下低慢小（无人机）目标智能感知的研究，从而对无人机进行相对有效的探测和监管，具备极其重大意义。

  传统的无人机检测与跟踪计算机视觉研究缺乏动态环境下的高质量基准。为了缩小这一差距，我们依托CVPR 2020组织了首届“反无人机”研讨会&挑战赛，发布了由160个视频序列(包括RGB和红外)组成的数据集。这次研讨会吸引了全世界研究人员的注意。许多提交的解决方案优于基线方法，为解决反无人机问题做出了巨大贡献。第二届“反无人机”挑战赛（ICCV 2021）将基准数据集扩展到250个高质量、全高清热红外视频序列，涵盖多尺度(即大、小和微小)无人机的多次出现。鼓励参与团队开发能够在热红外视频中高精度检测和跟踪无人机的自动化方法。特别是，可以在复杂环境(例如，被云/建筑/树木遮挡，以及风筝、气球、鸟类等假目标)中检测和跟踪快速移动的无人机的算法。

  今年的赛事与前两届有许多不同，首先，我们扩充了现有数据集规模，并首次放出训练集，以方便参赛者可以更专注于针对模型进行改进。其次，我们首次设置了两个赛道，具体设置如下：

  Track1: 反无人机跟踪。已知第一帧无人机目标的边界框，该挑战赛道需要算法通过预测边界框来跟踪每一帧视频中的给定目标。当目标消失时，需要给出一个不可见的标记(没有包围框)。

  Track2: 反无人机探测与跟踪。无人机目标是否在第一帧存在是未知的。该挑战赛道需要算法来检测并跟踪无人机目标，目标出现则预测其边界框。当目标不存在或消失时，需要给出一个不可见的标记(无包围框)。

  CVPR 2023 Workshop 第三届反无人机挑战赛发布了高质量、全高清热红外的无人机视频序列，目标推动在复杂环境下低慢小（无人机）目标智能感知的研究，包括反无人机跟踪，反无人机探测与跟踪两个赛道。

  红外无人机跟踪在现实需求和应用意义方面具有重要性。 然而，在复杂背景、小目标和运动模糊等视频数据中，准确识别和定位无人机仍然是一项极具挑战性的任务。 当前的计算机视觉算法在无人机目标识别定位能力、抗干扰能力和虚警抑制能力等方面与实际的需求相比仍有很大的提升空间。 为此，本文提出了一种基于检测跟踪联合的方法。 我们的整一个完整的过程包括生成检测候选框，通过视频分类调整候选框分数，通过简单的连接不 同帧之间的候选框，并通过背景建模确定视频中的运动目标。 最后，我们额外采用单目标跟踪方法作为后处理来调整结果，以提高无人机目标的识别和跟踪精度。

  图3 方法框架冠军团队简介 冠军队成员包含汤宗衡、孙奕帆、刘偲、李波等人。所属单位包括北京航空航天大学与百度科技。其中北航团队来自数字媒体北京市重点实验。该实验室长期从事智能感知、AI应用等领域的研究，有多项研究成果的性能明显优于国内外同类系统，并投入实际应用。

  视频红外小目标感知具备极其重大的现实需求和应用意义。然而，在包含城市、山地或树林等复杂背景的视频数据中准确识别定位小目标仍然是一项极具挑战性的任务。当前以深度神经网络为代表的计算机视觉算法在小目标识别定位能力、抗干扰能力和虚警抑制能力等方面与实用要求相比还有很大提升空间。围绕该问题，通过神经科学与智能科学交叉研究，借鉴生物视觉系统并行加工视觉运动与视觉表观信息的特性，提出了前端视觉运动信息引导的视频小目标检测的新方法（MG-VTOD）。基于视网膜运动信息提取算法在多帧画面中估计目标运动强度，并将其用于引导图像小目标检验测试过程；在运动与外观信息融合阶段引入空间注意力机制，有效抑制复杂背景干扰，降低目标检测虚警率。图1展示了MG-VTOD算法在复杂背景下视频小目标检测的性能。

  图1 MG-VTOD算法在红外视频小目标检测任务中的输出结果示例（绿色框为真实标注框，红色为算法检测框）冠军团队简介 冠军队成员Xin Yang、Gang Wang等人来自军事科学院的Yi-zheng Wang团队。该团队长期从事类脑视觉感知和智能光电探测等领域的研究，建立了“神经科学×智能科学”交叉研究范式和全链条研究体系，在生物前端视觉通路计算建模和脑启发目标检测识别等方面取得了一系列创新性研究成果，其中多项已转化实际应用，多次获得省部级以上奖励。

  TechBeat是由将门创投建立的AI学习社区（）。社区上线+篇技术干货文章，方向覆盖CV/NLP/ML/Robotis等；每月定期举办顶会及其他线上交流活动，不定期举办技术人线下聚会交流活动。我们正在努力成为AI人才喜爱的高质量、知识型交流平台，希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。

  我们会选择部分在深度技术解析及科研心得方向，对用户启发更大的文章，做原创性内容奖励

  或添加工作人员微信（chemn493）投稿，沟通投稿详情；还能关注“将门创投”公众号，后台回复“投稿”二字，获得投稿说明。

  将门是一家以专注于发掘、加速及投资技术驱动型勇于探索商业模式的公司的新型创投机构，旗下涵盖将门创新服务、将门技术社群以及将门创投基金。

  将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。

  如果您是技术领域的初创企业，不仅想获得投资，还希望获得一系列持续性、有价值的投后服务，欢迎发送或者推荐项目给我“门”: