据GlobeSpec网站报道，追踪无人机在民用和军事领域都已变得越来越重要。不论是美国东海岸最近频繁出现的神秘不明飞行物（UAP）目击事件，还是世界另一端战线已经扩大到遥远城市和防御阵地的无人机作战，这一系列事件都表明，监控无人机已成为一项重大挑战。
虽然目前市面上已经有很多技术可以实现这一目标，但大多数都存在更新慢或探测不准确的问题，这两者都难以应对快速移动的小型无人机。来自维也纳理工大学的一个团队认为，他们可能已经找到了一种消除以往无人机追踪技术弱点的方法，并通过使用望远镜证明了这一点。
现有追踪技术
现有的无人机追踪技术通常可以分为两大类：探测器和追踪器。虽然存在许多通过雷达、声学或其他方式探测无人机的多光谱方法，但光学追踪依然是最广泛使用的手段，因为它最容易通过非专业人员的反馈进行改进。
传统的探测方法往往存在高误报率，这使得准确识别无人机变得困难。近年来，深度学习算法在无人机探测准确性方面取得了进展。然而，尽管这些算法比之前的分类器和过滤器模型更准确，但它们的处理速度却非常慢。现在的一些无人机的移动速度已经达到了20米/秒，远远超过了这些探测算法的处理速度。因此往往等到无人机被识别出来时，它早已消失得无影无踪了。
追踪算法通常运行速度更快，但其准确性却不如探测器。追踪算法通过比较目标物体的图像帧来绘制轨迹和速度，这使其很容易受到外来物体、遮挡物、天气或错误分类的干扰。而且即使它仍然处于成像系统的视野范围内，追踪模型也仍可能会轻易混淆并丢失对无人机的追踪。
加强探测与追踪算法
维也纳理工大学团队认为，他们找到了一种方法，能够将探测器提供的准确性与追踪器提供的速度结合起来，形成一个比单独任一系统都更快、更准确的系统。
他们的系统可以同时记录两个不同存储器的图像帧以供分析。不同的中央处理器（CPU）将分别运行探测算法和追踪算法。由于探测算法较慢，因此它仅处理捕获的图像帧的20%，而追踪算法则依序处理每一帧。追踪模型会根据探测器的输出进行校正。
该系统依赖于一个可靠性指标来帮助决定何时开始或结束对目标的追踪。深度学习算法会为每次探测提供一个置信度值，追踪算法则支持提供它们正确追踪和估计目标位置的可能性。跟踪器可靠性越高，系统中的探测器和跟踪器之间的协作就越智能。当基于深度学习的探测器的探测置信度高于追踪器的可靠性时，系统可以重新初始化追踪器，以确保使用最可靠的信息。
此外，追踪器的可靠性还使得系统能够动态适应追踪环境的变化。例如，如果光照条件或无人机行为等因素导致追踪器的可靠性降低，系统可以通过更多地依赖探测器或根据需要重新初始化追踪器来进行调整。
硬件实现与结果
追踪无人机时的一个重要考虑因素是如何处理新的追踪信息。由于望远镜的视野相对较小，快速移动的无人机很快就会移出视野。因此该团队构建了一个控制系统，可以移动望远镜以追踪无人机。计算出的轨迹会被输入到望远镜的云台倾斜控制器中。
为了证明其系统的有效性，研究人员在实地进行了测试，让该系统在清晰的背景（天空）和复杂背景（如一排排建筑物或树木）前追踪一系列无人机。然后，他们将结果与独立的探测器系统和独立的追踪器系统的结果进行了比较。
在清晰背景的实验中，他们的系统得分与现有方法大致相同，但在复杂背景下的表现明显优于基于独立探测器（准确率高出6%）或基于独立追踪器（准确率高出14%）的算法。此外，该系统还具有另一个两者都无法比拟的优势。
估算飞行路径是追踪的关键，这不仅仅是在图像中探测到无人机的存在那么简单。为了准确估算飞行路径，另一个专门用于飞行路径计算的算法必须从探测算法中获得两个定位信息——即无人机在每一帧中的准确位置。在这一指标上，并行使用探测器/追踪方法的表现比仅使用探测器的方法高出惊人的49%。虽然仅使用追踪器的方法表现更好，但它估算出的飞行路径却并不一定能够确保其准确性。令人印象深刻的是，即使无人机飞离探测器且两者之间距离达到了4公里，该方法也仍然有效。
即使在无人机探测方面仅能取得渐进式改进，这也允许其在某些情况下挽救生命，例如乌克兰战场，但目前，该系统尚未准备好大规模应用。它仍然需要一台配备图形处理器（GPU）的大型计算机来运行其完整算法，并且未来的工作计划将集成一台具有更大视野的额外望远镜，以进一步提高探测准确性和追踪能力。
目前，在所有场景下实现对无人机的准确追踪仍然是一个难题。然而，鉴于军事和民用执法部门对此的兴趣和激励，这项技术在不久的将来将会取得更多改进。
