軍事偵察中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究

張焰++李祥++黃鈺

【摘 要】在軍事偵察中，需要對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和跟蹤。而在被檢測(cè)目標(biāo)處在高速運(yùn)動(dòng)狀態(tài)下，想要做好運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤，還要采取更加高效和準(zhǔn)確的算法，才能夠確保軍事偵查任務(wù)順利完成。基于這種情況，本文對(duì)軍事偵察中運(yùn)動(dòng)目標(biāo)的檢測(cè)算法和跟蹤算法進(jìn)行了分析，并且提出了改進(jìn)算法，以期為關(guān)注這一話題的人們提供參考。

【關(guān)鍵詞】軍事偵察 運(yùn)動(dòng)目標(biāo)檢測(cè) 跟蹤技術(shù)

在軍事偵察領(lǐng)域，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)是重要的研究課題，關(guān)系到軍事偵察工作的開展效果。因?yàn)?，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)為軍事偵察的核心技術(shù)，使用的算法好壞將對(duì)目標(biāo)跟蹤與識(shí)別的準(zhǔn)確性起到至關(guān)重要的影響。所以，研究運(yùn)動(dòng)目標(biāo)檢測(cè)算法和跟蹤算法，具有較強(qiáng)的實(shí)用價(jià)值和意義。而相關(guān)人員還應(yīng)該認(rèn)識(shí)到這一問(wèn)題，以便加強(qiáng)有關(guān)技術(shù)的研究。

1 軍事偵察的內(nèi)涵及技術(shù)手段

所謂的軍事偵察，其實(shí)就是為獲取軍事斗爭(zhēng)所需有關(guān)戰(zhàn)區(qū)和敵方情況而采取的措施，可以為正確進(jìn)行軍事指揮和獲取戰(zhàn)爭(zhēng)勝利提供科學(xué)的依據(jù)和切實(shí)的保障。在現(xiàn)代和平社會(huì)，軍事偵察的主要目的就是護(hù)衛(wèi)領(lǐng)土，需要完成國(guó)土范圍內(nèi)的各種活動(dòng)空間的偵察，可以劃分為海上偵察、空中偵察和地面?zhèn)刹臁Ｔ谶^(guò)去較長(zhǎng)的時(shí)間里，軍事偵察采取的技術(shù)手段包含無(wú)線電偵收、雷達(dá)偵察、無(wú)線電測(cè)向等等。而隨著科學(xué)技術(shù)的發(fā)展，無(wú)人機(jī)則成為了各國(guó)紛紛采用的軍事偵察技術(shù)手段。目前，無(wú)人機(jī)已經(jīng)經(jīng)過(guò)了海灣戰(zhàn)爭(zhēng)、阿富汗戰(zhàn)爭(zhēng)等多次實(shí)戰(zhàn)考驗(yàn)，經(jīng)過(guò)證實(shí)能夠較好的完成偵察、對(duì)地攻擊和監(jiān)視等軍事任務(wù)，成為了國(guó)家軍事偵察工作開展的主要保障。而無(wú)人機(jī)之所以能夠用于軍事偵察，主要是由于其能夠在高速運(yùn)動(dòng)條件下完成地面目標(biāo)的動(dòng)態(tài)信息的獲取，所以能夠?qū)崿F(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤，從而順利完成軍事偵察任務(wù)。因此，運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤技術(shù)，實(shí)際上已經(jīng)成為了軍事偵察工作的核心技術(shù)手段。

2 軍事偵察中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)

2.1 運(yùn)動(dòng)目標(biāo)的檢測(cè)算法

在對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)的過(guò)程中，主要需要解決的問(wèn)題就是背景干擾問(wèn)題。想要從視頻圖像中完成運(yùn)動(dòng)對(duì)象的檢測(cè)，還要將背景干擾去除，從而得到運(yùn)動(dòng)目標(biāo)圖像。

2.1.1 經(jīng)典檢測(cè)算法

就目前來(lái)看，常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法主要有兩種，既背景差分法和幀間差分法，不同的算法有著各自的優(yōu)缺點(diǎn)。結(jié)合實(shí)際情況進(jìn)行適合的算法的選擇，才能夠完成運(yùn)動(dòng)目標(biāo)的高效檢測(cè)。

使用背景差分法，就是對(duì)實(shí)時(shí)幀圖像與已有背景圖像進(jìn)行減法運(yùn)算，從而通過(guò)減除背景獲得運(yùn)動(dòng)目標(biāo)圖像的算法。在圖像相減后，如果差分圖像中有超出閾值的像素值，就可以認(rèn)為該點(diǎn)為運(yùn)動(dòng)目標(biāo)區(qū)域。

使用幀間差分法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，還要通過(guò)減法運(yùn)算完成連續(xù)兩幀或多幀視頻圖像的處理，從而獲得差分圖像。在此基礎(chǔ)上，則可以對(duì)圖像上的運(yùn)動(dòng)變化區(qū)域進(jìn)行檢測(cè)，然后根據(jù)區(qū)域灰度信息將運(yùn)動(dòng)目標(biāo)圖像恢復(fù)出來(lái)。在得到的差分圖像中，灰度無(wú)變化的區(qū)域?qū)⒈粍h減，其中大部分為背景區(qū)域，只有少部分為目標(biāo)區(qū)域，所以能夠幫助人們獲取目標(biāo)運(yùn)動(dòng)信息。對(duì)差分圖像進(jìn)行后續(xù)處理，則能夠確定目標(biāo)位置。使用該種檢測(cè)算法，需要確保背景像素點(diǎn)的位置和灰度值沒有發(fā)生變化，才能夠完成前景運(yùn)動(dòng)目標(biāo)的檢測(cè)。就視頻圖像而言，雖然其為三維圖像的二維投影，但是其也會(huì)隨著三維圖像的變化而變化。而在連續(xù)視頻流中，場(chǎng)景則將具有一定的連續(xù)性，既相鄰幀圖像之間變化不大，所以不會(huì)引起顯著幀差。利用該特性，則可以完成視頻序列相鄰幀變化的檢測(cè)，從而通過(guò)濾波處理完成運(yùn)動(dòng)目標(biāo)的檢測(cè)。

2.1.2 改進(jìn)檢測(cè)算法

使用背景差分算法能夠完成完整圖像的提取，因此得到了廣泛的使用。但是，該算法的使用需要擁有環(huán)境先驗(yàn)知識(shí)，并且適合在攝像機(jī)位置固定的條件下使用。因此在軍事偵察領(lǐng)域，并不適合使用該算法完成運(yùn)動(dòng)目標(biāo)檢測(cè)。使用幀間差分法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，雖然能夠適應(yīng)動(dòng)態(tài)環(huán)境，同時(shí)只需要完成較小的運(yùn)算量，并且能夠快速檢測(cè)目標(biāo)，但是卻無(wú)法完成完整目標(biāo)的檢測(cè)。所以，使用該算法會(huì)給目標(biāo)的識(shí)別和分析帶來(lái)困難，容易使運(yùn)動(dòng)目標(biāo)圖像產(chǎn)生邊緣破碎和斷裂等問(wèn)題。針對(duì)經(jīng)典檢測(cè)算法使用存在的問(wèn)題，可以借助背景差分算法能夠完成完整目標(biāo)檢測(cè)和幀間差分算法的靈敏性高的優(yōu)點(diǎn)提出一種改進(jìn)算法，從而完成運(yùn)動(dòng)目標(biāo)的快速、完整檢測(cè)[1]。具體來(lái)講，就是要在幀間差分算法中進(jìn)行“分塊賦權(quán)值”思想的引入，然后實(shí)現(xiàn)背景模型的子塊劃分和權(quán)值賦予，則能夠?qū)⒂杏眯畔⒎糯?，并完成干擾信息的忽略。在對(duì)運(yùn)動(dòng)點(diǎn)進(jìn)行判斷時(shí)，則需要對(duì)原有幀間差分算法的閾值設(shè)定方法進(jìn)行改進(jìn)，既通過(guò)設(shè)置兩個(gè)閾值減少運(yùn)動(dòng)目標(biāo)檢測(cè)受到的光線變化的干擾，繼而使目標(biāo)檢測(cè)質(zhì)量得到有效提高。

從算法實(shí)現(xiàn)過(guò)程上來(lái)看，需要先利用統(tǒng)計(jì)平均方法獲取背景。具體來(lái)講，就是在運(yùn)動(dòng)目標(biāo)尚未出現(xiàn)的條件下，完成場(chǎng)景中穩(wěn)定背景的獲取。在此基礎(chǔ)上，則可以完成模型的子塊劃分，既根據(jù)實(shí)際場(chǎng)景細(xì)分子塊，從而提高算法的靈敏度。采取該種算法，能夠使不確定因素產(chǎn)生的噪聲影響得到降低。而根據(jù)實(shí)驗(yàn)結(jié)果和經(jīng)驗(yàn)對(duì)各子塊賦予權(quán)值，則能夠放大運(yùn)動(dòng)目標(biāo)信息，從而使干擾信息得到忽略。如下式（1）所示，ki為各子塊權(quán)值，i=1，2，...，n，n為子塊數(shù)量，N為運(yùn)動(dòng)點(diǎn)總數(shù)量。針對(duì)較多次出現(xiàn)運(yùn)動(dòng)目標(biāo)的區(qū)域，賦予的權(quán)值較大，反之賦予的權(quán)值較小。完成權(quán)值賦予后，可以利用幀間差分法完成運(yùn)動(dòng)點(diǎn)判斷[2]。在有運(yùn)動(dòng)點(diǎn)出現(xiàn)的情況下，可以完成運(yùn)動(dòng)點(diǎn)個(gè)數(shù)Ni的統(tǒng)計(jì)，然后計(jì)算子塊權(quán)值乘積，從而獲得運(yùn)動(dòng)點(diǎn)數(shù)量。

在對(duì)運(yùn)動(dòng)目標(biāo)的閾值范圍進(jìn)行確定時(shí)，可以將子塊權(quán)值ki的平均值設(shè)為，然后利用下式（2）計(jì)算。而閾值范圍最小為Nmin，最大為Nmax。在求取前者時(shí)，需要將權(quán)值小于平均值的子塊運(yùn)動(dòng)點(diǎn)忽略。在求取后者時(shí)，則需要利用下式（3）計(jì)算。式中，P為權(quán)值大于平均值的各子塊像素點(diǎn)數(shù)量，x為權(quán)值大于平均值的子塊數(shù)量。比較圖像運(yùn)動(dòng)點(diǎn)總數(shù)和閾值范圍，如果總數(shù)在最大值和最小值之間，則認(rèn)為場(chǎng)景中有運(yùn)動(dòng)目標(biāo)，否則就判定為干擾噪聲，然后通過(guò)統(tǒng)計(jì)該圖像與背景圖像獲得新背景。如果判定為有運(yùn)動(dòng)目標(biāo)，還要對(duì)統(tǒng)計(jì)平均得到的背景圖像建模，然后進(jìn)行模型初始化。利用該模型對(duì)新到圖像的像素點(diǎn)進(jìn)行操作，既根據(jù)背景模型集合中最小權(quán)值進(jìn)行模型排列，然后按照順序進(jìn)行觀測(cè)值與各模型匹配情況的判斷，則可以完成像素點(diǎn)屬性的判斷[3]。因?yàn)?，順序靠前的模型有較大可能為背景模型，與其匹配的像素點(diǎn)則為背景點(diǎn)或前景點(diǎn)。如觀測(cè)值與所有模型都不匹配，則有可能為新分布，需要利用新模型進(jìn)行權(quán)值最小模型的替代。

經(jīng)過(guò)仿真分析可以發(fā)現(xiàn)，使用改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，可以準(zhǔn)確完成運(yùn)動(dòng)目標(biāo)檢測(cè)，并且并未出現(xiàn)圖像“空洞”現(xiàn)象。此外，使用該算法也可以減少頻繁擾動(dòng)的噪聲，并且能夠抑制光線突變和排除陰影干擾。

2.2 運(yùn)動(dòng)目標(biāo)的跟蹤算法

對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，需要提供目標(biāo)運(yùn)動(dòng)軌跡，以便為目標(biāo)的運(yùn)動(dòng)分析提供數(shù)據(jù)支持。就目前來(lái)看，粒子濾波算法這一經(jīng)典算法在運(yùn)動(dòng)目標(biāo)跟蹤上得到了應(yīng)用，其能夠在任意非線性非高斯分布系統(tǒng)中適應(yīng)。

2.2.1 經(jīng)典跟蹤算法

所謂的粒子濾波算法，其實(shí)就是利用隨機(jī)抽取加權(quán)粒子進(jìn)行狀態(tài)后驗(yàn)概率分布替代的一種序列蒙特卡羅濾波方法。在該算法中，粒子用于代表目標(biāo)狀態(tài)集中點(diǎn)。完成越多粒子的隨機(jī)抽取，就能夠使?fàn)顟B(tài)的后驗(yàn)分布越接近真實(shí)。而粒子濾波器的精確度和復(fù)雜度，則只與粒子濾波器算法和粒子數(shù)量有關(guān)。

利用粒子濾波算法進(jìn)行運(yùn)動(dòng)目標(biāo)跟蹤時(shí)，需要利用目標(biāo)的先驗(yàn)特征確定粒子初始狀態(tài)和貝葉斯濾波的先驗(yàn)概率形式。而運(yùn)動(dòng)目標(biāo)的先驗(yàn)特征可以為像素點(diǎn)灰度值、圖像邊緣、圖像三維特征等，主要可以劃分為圖像最基本特征、底層特征和高層特征，擁有不同的特點(diǎn)。其中，最基本特征可以直接獲取，無(wú)需再次處理。底層特征抽取容易，無(wú)需理解和描述，計(jì)算量相對(duì)較小。高層特征具有較強(qiáng)的抗干擾能力，但是抽取較為復(fù)雜[4]。除了選擇先驗(yàn)特征，還要選取符合目標(biāo)運(yùn)動(dòng)規(guī)律的數(shù)學(xué)模型，然后利用模型狀態(tài)方程描述系統(tǒng)狀態(tài)轉(zhuǎn)移過(guò)程，既粒子傳播過(guò)程。由于粒子傳播使隨機(jī)的，具有明顯自主趨勢(shì)，所以服從一階ARP方程[5]?？紤]到運(yùn)動(dòng)目標(biāo)具有加速度和速度，所以還要采用二階ARP模型。但是，該模型計(jì)算量較大，所以還要引入如下式（4）的均加速度模型，從而實(shí)現(xiàn)數(shù)學(xué)模型的簡(jiǎn)化。式中，xk和yk為k時(shí)刻目標(biāo)在兩個(gè)方向的狀態(tài)，wk-1為歸一化噪聲，vkx和vky為目標(biāo)在兩個(gè)方向的速度。

完成目標(biāo)狀態(tài)判定后，還要利用觀測(cè)量驗(yàn)證判定，從而實(shí)現(xiàn)系統(tǒng)觀測(cè)。具體來(lái)講，就是建立似然模型完成上一過(guò)程得到的粒子與實(shí)際情況的相識(shí)度的計(jì)算。針對(duì)相識(shí)度較大的粒子，則需要賦予較大權(quán)值，反之賦予較小權(quán)值。如下式（5）所示，利用該模型就能夠完成粒子與實(shí)際情況的相似程度的計(jì)算[6]。式中，p（z|x）為用于表示相似程度的觀測(cè)概率密度，σ為泊松干擾標(biāo)準(zhǔn)偏差，x為目標(biāo)模板，z為觀測(cè)值集合。

最后，在計(jì)算后驗(yàn)概率時(shí)，可以使用最大后驗(yàn)準(zhǔn)則獲得最大權(quán)值的粒子狀態(tài)，也可以利用加權(quán)準(zhǔn)則根據(jù)粒子權(quán)值大小確定其所占比例，從而體現(xiàn)算法的優(yōu)越性。

2.2.2 改進(jìn)跟蹤算法

使用粒子濾波算法進(jìn)行運(yùn)動(dòng)目標(biāo)跟蹤，雖然可以利用高維和非線性的觀測(cè)數(shù)據(jù)完成后驗(yàn)概率的計(jì)算，但是卻容易出現(xiàn)粒子退化問(wèn)題。為解決該問(wèn)題，還要進(jìn)行重復(fù)采樣，以至于將導(dǎo)致粒子大量重復(fù)，繼而使粒子失去多樣性。在參考分布選擇方面，則存在著容易丟失觀測(cè)值的問(wèn)題。在觀測(cè)噪聲較大或模型不準(zhǔn)的情況下，采取該種方法無(wú)法進(jìn)行真實(shí)分布的表示，并且也無(wú)法對(duì)系統(tǒng)模型噪聲進(jìn)行考慮。想要解決這一問(wèn)題，就要對(duì)樣本進(jìn)行更新。而樣本的更新又將導(dǎo)致系統(tǒng)狀態(tài)方程變得線性化，繼而無(wú)法較好完成運(yùn)動(dòng)目標(biāo)的跟蹤。

為解決經(jīng)典跟蹤算法存在的問(wèn)題，還要使用重采樣技術(shù)對(duì)樣本集的多樣性進(jìn)行改善，以便實(shí)現(xiàn)算法的改進(jìn)。具體來(lái)講，就是在重采樣時(shí)使用合理加權(quán)線性組合為粒子重新賦值，從而使粒子平滑[7]。在此基礎(chǔ)上，可以對(duì)最大權(quán)值粒子進(jìn)行復(fù)制，然后通過(guò)狀態(tài)替換進(jìn)行權(quán)值小的粒子的濾除，從而避免出現(xiàn)粒子貧乏問(wèn)題。采取該種改進(jìn)方法，則能夠使粒子濾波的性能得到提高，因此能夠?qū)崿F(xiàn)更加準(zhǔn)確的跟蹤。

想要實(shí)現(xiàn)改進(jìn)算法，還要對(duì)隨機(jī)采樣得到的粒子權(quán)值平均值進(jìn)行計(jì)算，然后將其與各粒子權(quán)值組合，從而獲得新的粒子集合。如下式（6）、（7）所示，為權(quán)值平均值，wki為粒子權(quán)值，i=0，1，...Np，新粒子組合為。而k為比例系數(shù)，需要在1-+∞范圍內(nèi)取值。在實(shí)際的偵察工作中，還要根據(jù)實(shí)際情況進(jìn)行k值選擇。減小k值，則能夠?qū)⑿?quán)值粒子濾除，從而使錯(cuò)誤信息的干擾得到排除。增大k值，則能夠使信息擁有較大采集量。

經(jīng)過(guò)仿真分析可以發(fā)現(xiàn)，使用改進(jìn)算法進(jìn)行運(yùn)動(dòng)目標(biāo)跟蹤，可以使權(quán)值小的粒子在重采樣后的權(quán)值增大，并且減小權(quán)值大的粒子，從而使原本的重采樣特點(diǎn)得以保持下來(lái)，因此能夠使粒子多樣性得到提高[8]。相較于經(jīng)典跟蹤算法，改進(jìn)算法產(chǎn)生的均方誤差值較小，擁有更高的估計(jì)精度，能夠使粒子濾波的性能得到提高。

3 結(jié)語(yǔ)

在軍事偵察領(lǐng)域，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)是開展偵察工作的重要技術(shù)手段。能否較好的完成適合的檢測(cè)與跟蹤技術(shù)選取，將直接關(guān)系到偵察工作的開展效果。而實(shí)現(xiàn)對(duì)過(guò)去檢測(cè)與跟蹤技術(shù)的改進(jìn)，則能夠進(jìn)一步滿足軍事偵察需求，從而更好的促進(jìn)軍事科技的發(fā)展，繼而為國(guó)家安全提供更多的保障。因此，相信本文對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)展開的研究，可以為相關(guān)工作的開展帶來(lái)啟示。

參考文獻(xiàn)：

[1]孫斌，黃神治.移動(dòng)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[J].電子測(cè)量與儀器學(xué)報(bào)，2011，03：206-210.

[2]趙俊梅，張利平.變電站中運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤技術(shù)的研究[J].電測(cè)與儀表，2013，04：78-81.

[3]李穎，岳安燕，田紅麗，等.變電站遙視環(huán)境中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2013，18：87-88+91.

[4]牛薌潔，黃永春.微弱運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤識(shí)別算法研究[J].計(jì)算機(jī)仿真，2010，04：245-247+255.

[5]劉明璽，孟放.運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的研究進(jìn)展[J].軟件，2010，12：84-88.

[6]柯天兵，李永倩.電力系統(tǒng)視頻監(jiān)控中目標(biāo)檢測(cè)與跟蹤算法研究[J].電力科學(xué)與工程，2014，01：42-46.

[7]劉曉悅，孟妍.運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的研究[J].河北聯(lián)合大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，01：65-70.

[8]張曉春，孟令軍，韓朝輝.一種優(yōu)化的運(yùn)動(dòng)目標(biāo)定位與跟蹤算法研究[J].計(jì)算機(jī)測(cè)量與控制，2015，04：1266-1268.