.png){kind=icon}
返回
Dynamic Spatiotemporal Information Interaction for Multidrone Single Object Tracking
.png){kind=icon}
PRE
AI
DOI：10.1109/JIOT.2026.3659525.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多无人机单目标跟踪是基于物联网(IoT)的空中感知系统的关键技术。然而，现有方法往往忽略了目标跨帧的时间连续性以及来自多无人机视角的空间互补性，限制了其在大型和动态物联网环境中的鲁棒性。为解决这些问题，本文提出了一种DSTII-MDOT，其中时空信息指目标特征随时间（时间维度）的演化及其互补的多视角表示（空间维度）。首先，提出了一种动态时序特征聚合（DTFA）模块，通过利用帧间差异捕获目标的运动和外观变化，从而确保长期跟踪中跨帧的特征连续性和稳定预测。其次，提出了一种跨模态（文本-图像）语义对齐的空间对齐方法（CMSA）。该方法利用对比语言-图像预训练（CLIP）模型确保视觉特征与文本描述之间的语义对齐，并采用多头交叉注意力机制捕获搜索区域内的Top-K感兴趣区域。这增强了跨无人机协作并减少了物联网网络中的冗余通信。最后，提出了一种小波频域特征精炼（WFDFR）模块，以增强模板图像的纹理特征，有效解决了复杂场景中纹理特征模糊或细节缺失的问题。在MDOT数据集上的实验结果表明，所提出的DSTII-MDOT跟踪器在成功率（SR）和精度方面均优于现有先进方法，验证了所提出方法的有效性和优越性。代码和模型可在https://github.com/JerryBryant24/DSTII-MDOT获取。
Keyword:
Internet of Things (IoT)
multidrone single object tracking
semantic alignment
spatiotemporal information fusion
wavelet transform
期刊
IF:
8.9
论文数:
1.4W
被引数:
7.8W
机构
引用论文
ADA-Track: End-to-End Multi-Camera 3D Multi-Object Tracking with Alternating Detection and AssociationADA-Track：基于交替检测与关联的端到端多相机三维多目标跟踪
PREAI
分享收藏A multi-center federated learning mechanism based on consortium blockchain for data secure sharing基于联盟链的多中心联邦学习机制用于数据安全共享
PREAI
分享收藏Surrounding-aware correlation filter for UAV tracking with selective spatial regularization.png)
SIGNAL PROCESSING
SIGNAL PROCESSINGIF3.6
PREAI
分享收藏Assessing the accuracy of an infrared-converted drone camera with Orange-Cyan-NIR filter for vegetation and environmental monitoring评估用于植被和环境监测的带有橙色-青色-NIR滤镜的红外转换无人机相机的准确性
PREAI
分享收藏
查看更多内容