在“智慧公安”战略推进与立体化治安防控体系构建需求下,警用无人机已成为城市治安防控、边境巡逻、大型活动安保等实战场景的核心装备—其高空覆盖、灵活部署特性,可弥补人工巡视、复杂危险地区难进入等短板。但当前警用无人机普遍存在“感知能力弱、实战适配性不足”的瓶颈,难以满足公安对小目标精准识别、多目标稳定追踪、危险行为实时预警的核心需求,需要通过追踪系统赋能,突破技术局限,提升警用无人机的实战能力。
现有警用无人机虽有应用探索,但仍存在明显短板。国内方面,合肥公安部署的无人机系统虽能实现交通事件年均处置2600余起、5分钟锁定轻生目标,但其搭载的检测模型在小目标识别中,难以平衡精度与轻量化,在无人机边缘设备上实时性不足;国外方面,美国海关及边境保护局的无人机集成红外与可见光成像,却因未针对城市复杂背景优化;德国Fraunhofer研究所的边境监控无人机虽能追踪5公里内车辆,却因多模态融合计算开销大,无法应对人群密集场景的实时追踪需求。
此外,公安实战对警用无人机的“全流程协同”要求日益提升:不仅需实现目标检测,更需联动追踪、轨迹预测与行为预警。但现有无人机缺乏专用适配的智能系统,检测、追踪模块割裂,难以形成“发现-锁定-预-引导处置”闭环,制约了无人机在反恐维稳、交通执法、应急救援等场景的实战价值。因此,研发搭载“基于深度学习的多目标实时追踪系统”的专用警用无人机,成为解决当前技术瓶颈、支撑智慧警务落地的关键需求