Taikinių sekimo sistemos tyrimas

Abstract

Baigiamajame magistro darbe kuriamas vizualinio bepiločių orlaivių sekimo metodas. Atlikta literatūros apžvalga ir analizė, išnagrinėti taikinių sekimo sistemose taikomi metodai. Kuriamam sekimo metodui pasirinkti „YOLOv8“ ir „ByteTrack“ algoritmai. Pažangių kompiuterinės regos technologijų derinys suteikia patvarų ir efektyvų sprendimą bepiločių orlaivių sekimui. Siūlomas metodas sujungia abiejų algoritmų pranašumus, kad būtų pasiektas geresnis veikimas, siekiant didesnio tikslumo, greičio ir efektyvumo. Siūlomo metodo veikimo įvertinimo rezultatai parodė, kad sistema gali aptikti ir sekti dronus, esant aukštiems preciziškumo ir jautrumo įverčiams. Sistemos lankstumas buvo patvirtintas įvairiais scenarijais, įskaitant fono sudėtingumą ir drono uždengimą, o tai parodo algoritmo praktinio pritaikymo galimybes įvairiose srityse. Atliktas tyrimas pabrėžia giliojo mokymosi metodų derinimo potencialą sprendžiant realaus pasaulio problemas. Būsimi tyrimai gali būti pritaikyti naudojant pažangesnes architektūras ir duomenų papildymo metodus, siekiant pagerinti siūlomos sistemos našumą. Darbą sudaro 6 dalys: įvadas, literatūros apžvalga ir analizė, metodų apžvalga ir analizė, bepiločio orlaivio sekimo sistemos kūrimas, išvados ir rekomendacijos, literatūros sąrašas. Darbo apimtis – 98 p. teksto be priedų, 66 iliustracijos, 10 lentelių, 83 bibliografiniai šaltiniai. Atskirai pridedami darbo priedai.

The master's thesis develops a method for visual drone tracking. The current thesis reviews the literature and provides a comprehensive analysis of the scientific discourse on the topic discussed; it also examines the methods for target tracking systems. The “YOLOv8” and “ByteTrack” algorithms were chosen to develop the tracking method. By leveraging advanced computer vision technologies, a robust and efficient solution for drone tracking is achieved. Performance evaluation results demonstrate the system's ability to detect and track drones precisely. The system's flexibility was validated in diverse scenarios, including complex backgrounds and drone occlusion, showcasing the algorithm's potential for practical applications in various fields. The research underscores the potential of deep learning techniques in addressing real-world challenges. Future research can explore more advanced architectures and data augmentation techniques to improve the performance of the proposed system. The current thesis has the following structure: introduction, literature review and analysis, methods review and analysis, drone tracking system development, conclusions, and references. The thesis contains – 98 pages of plain text (appendixes excluded), 66 figures, 10 tables, and 83 bibliographical entries. Appendixes included.