Данная работа посвящена реализации нейросетевого алгоритма для обнаружения и сопровождения группы движущихся объектов сложной формы на последовательности аэрофотоснимков. Предметом исследования являются объекты, наблюдаемые в результате аэрофотосъемки при помощи камеры, установленной на борту летательного аппарата. На первом этапе после обзора существующих подходов был выбран оптимальный способ обнаружения объектов на каждом из кадров входной видеопоследовательности. По результатам проведенного анализа было установлено, что в условиях сложной фоно-целевой обстановки в бортовых телевизионных системах наиболее эффективно применять нейросетевые подходы, в частности семейства YOLO. Для сопоставления уникальных движущихся объектов от кадра к кадру использован алгоритм Куна−Манкреса. Обработку проблемных си-туаций, связанных с окклюзиями и повторными появлениями объектов, предложено выполнять с помощью сравнения гистограмм обнаруженных объектов. Финальным этапом работы являлась оценка точности работы алгоритма с использованием соответствующих метрик на 10 тестовых видеопоследовательностях, которые характеризуют различные проблемные сценарии, получающиеся в результаты сопровождения объектов. Исходя из полученных результатов, предложенный подход показал высокие результаты по сравнению с алгоритмами сопровождения объектов TLD и IOU Tracker. По итогам работы был сделан вывод об эффективности предложенного подхода в условиях аэрофотосъемки и подвижной камеры. Разработанный алгоритм может применяться в задачах сопровождения определенных движущихся объектов в ходе их перемещения при съемке с борта беспилотного летательного аппарата, а также для мониторинга местности в режиме реального времени и контроля периметра охраняемых объектов.

The given work is devoted to the implementation of a neural network algorithm for detecting and tracking a group of moving objects of complex shape in a sequence of aerial photographs. The subject of the study is moving objects observed because of aerial photography using a camera mounted on board of an aircraft. At the first stage, after a review of existing approaches, the most optimal way to detect objects on the frames of the input video sequence was chosen. According to the results of the analysis, it was found that in a complex back-ground-target environment in on-board television systems, it is most effective to use neural network approaches, such as the YOLO family. The Kuhn – Munkres algorithm was used to compare unique moving ob-jects from frame to frame. It is proposed to perform the processing of problem situations related to occlusions and repeated appearances of objects by com-paring histograms of detected objects. The final stage of the work was an assessment of the accuracy of the algorithm using the appropriate metrics on 10 test video sequences that characterize various problem scenarios resulting from object tracking results. Based on the results, the proposed approach showed high results in comparison with the TLD and IOU Tracker algorithms. It was concluded that the proposed approach is effective in the conditions of aerial photography and a moving camera. The developed algorithm can be used in the tasks of tracking certain moving objects during their movement when shooting from the board of an aircraft, as well as for real-time monitoring the perimeter of protected objects.