低小慢无人机目标识别跟踪技术
该系统在极弱小目标的探测、识别与稳定跟踪能力上表现突出，是目前被动光电类设备中针对此类难目标表现优异的产品之一。以下从核心技术维度进行介绍：
1. 超低信噪比下的微弱目标发现能力
系统采用高灵敏度长波红外热成像加高动态范围可见光双通道融合设计，结合专为小目标优化的嵌入式深度学习检测网络，无需外接算力盒，能在目标像素极少（甚至低至 3~8 像素级别）、热对比度极低（ΔT < 0.5K）、背景杂波强烈的复杂场景下实现可靠发现。
典型场景表现：
- 在 2~4 km 距离上稳定探测热信号微弱的塑料/碳纤维小型四轴/六轴无人机（电池发热为主）。
- 在白天强逆光或夜晚城市光污染环境下，仍能从云层、热岛效应、地面热反射等强背景中提取出极微弱的点目标。
这得益于其自研的多尺度小目标特征增强模块与时序背景抑制算法，显著提升了弱目标的信噪比（有效 SNR 提升可达 8~12 dB），误报率控制在极低水平。
2. '像素级'到'智能级'的识别跨越
传统光电设备往往在发现小目标后，因像素太少而无法分类，只能作为可疑点报警。
系统的独特之处在于：
- 一旦进入检测阈值，即使初始仅 4~6 像素，也会触发级联式多帧确认加动态特征积累机制。
- 系统会在后续几帧内自动变焦拉近，同时利用 AI 对微弱运动轨迹、闪烁特征、热尾迹等进行累积建模。
- 当目标像素累积到 20
40+ 时（通常只需 13 秒），即可完成高置信度分类（区分无人机、鸟类、气球、塑料袋、昆虫群等），误分类率小于 1%。
这标志着系统真正实现了从发现极弱小点目标到确认是具体哪类无人机的闭环能力，而非停留在点目标告警阶段。
3. 高速直驱加 AI 预测辅助的稳定跟踪
极弱小目标往往伴随高机动性（FPV 机可达 150+ km/h，急转弯 10g+）。系统采用：
- 超低延迟直驱伺服电机（指向精度小于 0.05°，角加速度极高）
- AI 驱动的运动预测与提前量补偿（基于卡尔曼滤波加 Transformer 时序建模）
- 自适应变焦跟踪策略（小目标阶段优先保持目标在视场中央，中距离自动连续光学变焦拉大细节）
实测可在目标角速度高达 30°/s 的情况下保持连续稳定锁定，脱靶率极低。即使目标短暂隐身（进入树丛、转弯背对）后重现，系统也能在 0.5~1 秒内重新捕获并接续跟踪。
4. 被动式本质带来的隐身对抗优势
因为完全不发射任何电磁波，系统本身对目标不可见，不会触发目标机载的射频告警或电子对抗设备。这对那些具备基本反侦察能力的微型无人机尤其致命——它们往往能躲避雷达，却很难感知到几公里外正在被动盯着自己的高清热像仪。
该系统在极弱小目标识别跟踪上的核心竞争力可以概括为：在别人还只能报警有个点在动的时候，系统已经能清晰地说出这是个 DJI FPV 改装机，正在以 120 km/h 向东偏北 15° 机动，并提供几公里外仍可用于司法取证的清晰图像。
这使得该系统成为低空安防领域，尤其是针对微型/自杀式/侦察型无人机威胁时，具备较强能力的被动光电设备之一。
