エッジ認識型熱赤外線UAV群追跡

要旨

熱赤外線（TIR）イメージングは、視覚的に劣化した環境におけるUAV群運用に不可欠である。しかし、外見上の手がかりの乏しさ、頻繁な遮蔽、急激な機動により、小型UAVの追跡は依然として困難である。Anti-UAVチャレンジなどのベンチマークによって大きな進展が見られたものの、既存の手法は主に精度を優先しており、リアルタイムエッジ展開における計算制約を見落としている。標準的なカルマンフィルタ（KF）はエッジデバイスに要求される効率性を提供するが、その等速度仮定は高動的UAV運動や熱センサのジッター下ではしばしば破綻する。より洗練された非線形推定器はロバスト性を向上させることができるが、しばしば追加の計算コストを伴う。このギャップを解決するために、我々は適応運動学カルマンフィルタ（AKKF）を中心としたエッジ認識型オンライン追跡パイプラインを提案する。AKKFは線形KFに状態依存の運動学モデリングを追加しつつ、リアルタイム効率を維持する。さらに、一過性の誤検出抑制と運動学駆動の予測コースティングを組み合わせることで、提案パイプラインは困難なTIR条件下での軌跡連続性を改善する。Beyond Strong Baseline (BSB)ベンチマークにおける実験は、追跡性能と計算効率を共に評価することでエッジ認識型UAV追跡の出発点を提供し、将来のリアルタイム展開に向けた洞察を与える。

English

Thermal infrared (TIR) imaging is essential for UAV swarm operations in visually degraded environments. However, tracking tiny UAVs remains challenging due to limited appearance cues, frequent occlusions, and rapid maneuvers. Despite significant progress driven by benchmarks such as the Anti-UAV challenge, existing methods primarily prioritize accuracy while overlooking the computational constraints of real-time edge deployment. The standard Kalman Filter (KF) offers the efficiency required for edge devices, yet its constant-velocity assumption often breaks down under highly dynamic UAV motion and thermal sensor jitter. More sophisticated nonlinear estimators can improve robustness but often introduce additional computational costs. To address this gap, we propose an edge-aware online tracking pipeline centered on the Adaptive Kinematic Kalman Filter (AKKF), which augments the linear KF with state-dependent kinematic modeling while preserving real-time efficiency. Combined with transient false-positive suppression and kinematics-driven predictive coasting, the presented pipeline improves trajectory continuity under challenging TIR conditions. Experiments on the Beyond Strong Baseline (BSB) benchmark provide a starting point for edge-aware UAV tracking by jointly evaluating tracking performance and computational efficiency, offering insights toward future real-time deployment.