面向红外小目标的无人机运动追踪与检测系统产品系统

立项原因：红外小目标检测中，RGB方法在低对比度、复杂背景下易漏检；直接融合光流又因帧间隔△t变化产生“时间域偏移”，异构采样率破坏特征分布一致性，导致检测性能下降。行业场景：低空经济、无人机巡检、边海防、安防监控、夜间救援、红外吊舱等。业务背景：无人机多传感器采样率不同，目标小、运动快、背景复杂，需要稳定可靠的运动追踪与检测能力。

功能模块包括：数据预处理与异构采样对齐、时间归一化、6通道早期融合检测器6ch-TNF、运动通道增强、训练与推理、指标评估。主要功能：输入RGB与光流信息，输出红外小目标检测框与运动追踪结果；将光流位移转换为与采样率无关的瞬时速度，从源头消除分布偏移；在输入层拼接RGB与TNF为6通道，让单模型同时学习外观与运动联合表征；静态场景光流退化为噪声时，自动增强外观特征依赖，提升复杂环境稳定性。

我负责核心算法设计、时间归一化算法、6ch-TNF架构、运动通道增强、实验对比与论文撰写。技术栈：Python、PyTorch、C/C++、Linux、光流、目标检测、多通道特征融合。实现亮点：用时间归一化消除帧率不一致导致的时间域偏移；用6通道早期融合避免晚期融合的推理延迟与跨模态特征缺失。难点：异构采样率对齐、红外小目标低信噪比、静态光流退化。成果：5折平均召回率0.845，较RGB基线提升1.6%，较晚期融合提升2.7%，召回标准差降低37%；一作论文在投。