基于蛙人探測聲納序列圖像的水下小目標跟蹤算法

李暉宙 劉正紅 毛 盾

（1.海軍工程大學電子工程學院 武漢 430033）（2.91878部隊 湛江 524022）

1 引言

多年來，水下安全問題一直是世界各國安防領域一個比較薄弱的環節。印度孟買發生的恐怖襲擊和2008年5月斯里蘭卡泰米爾“猛虎”組織發動的水下偷襲都讓世界各國開始重新審視其水下安全狀況。恐怖組織利用“非對稱”戰的特點，使用蛙人、蛙人運載器、水下機器人等小型武器對海軍艦艇基地、民用港口、海上鉆井平臺等海濱重要設施進行攻擊，可以造成巨大的生命和財產損失。針對這種情況，各國投入大量的力量研究針對蛙人、水下機器人等小目標探測專用的聲納技術，稱為蛙人探測聲納，并以其為基礎構建針對港口和重點目標防御的監視系統。加拿大、英國、美國已率先構建自己的水下安全網絡［1～3］。國內首先進行該工作的中國科學院，并于2008年北京奧運會期間部署了第一個反蛙人水下安保系統［4～5］。目標自動檢測和跟蹤是蛙人探測聲納技術發展的重點和難點，也是無人值守港口監視系統的關鍵點，可大幅降低值班人員的工作強度，提高反蛙人作戰的時效性和針對性。雖然從系統介紹資料看，各國的水下監控系統都帶有移動目標自動檢測和跟蹤功能，但由于發展時間短、技術封鎖等方面的原因，公開的關于蛙人探測聲納目標檢測與跟蹤方面的文獻非常少。

目前常用的一些視頻目標跟蹤方法［6～7］由于蛙人探測聲納與光學成像系統成像機理和圖像特點上的差異并不太適合在水下監控系統中使用。這些差異主要表現在以下幾個方面：

1）蛙人探測聲納根據回波強度成像，在距離聲納部署點較近的地方存在噪聲較大的混響區域，同時目標灰度值也隨它與部署點之間的距離遠近而發生變化；

2）蛙人探測聲納圖像中目標一般較背景區域的灰度值要高，即灰度值高的區域較灰度值低的區域出現目標的置信度要高，而灰度值極低的區域內出現目標的置信度則很低；

3）目標面積小，缺乏紋理等結構信息；

4）目標的外形（面積）和灰度會經常發生改變，有時變化還會比較大。

也有一些文獻提出了專門針對聲納圖像的跟蹤方法［8～10］，但主要是針對高分辨率聲納圖像，由于監測系統要求盡可能多的預警時間和盡可能遠的預警距離，其分辨率不可能太高，一般目標的面積在十幾個像素左右，有時甚至更小，目標缺乏形狀和紋理等高分辨率條件下的可用信息，這也使得蛙人探測聲納中的目標跟蹤問題變得更為復雜。

最近鄰法是一種較好的跟蹤點目標的方法，具有計算簡單、實時性好的特點。然而傳統的最近鄰法也有一些缺點：一是沒有考慮目標的灰度、尺寸等圖像信息，使得航跡產生錯誤的跟蹤信息，如一個小目標會和較近的一個大目標相關聯；二是最近鄰法并不一定得到最優的關聯結果。

本文在分析蛙人探測聲納成像特點和水下監控環境特點的基礎上，利用目標在形狀和運動上的連續性，提出了基于面積約束的全局最近鄰數據關聯法，該算法首先用高斯模型對目標面積的變化建模，并以此作為約束條件，構建候選點跡與航跡的距離矩陣和代價函數，采用擴展Munkres方法求解候選點跡與航跡關聯的全局最優解，實現對多個目標的跟蹤，并通過引入航跡“運動方向”的思想消除了混響區虛假航跡的影響。

2 水下監控環境的特點

蛙人探測聲納在成像原理、圖像特征以及自身結構方面都和傳統的光學系統有很大的區別，而海洋環境和陸地環境也有所不同。這些區別導致與傳統視頻監視系統相比，利用蛙人探測聲納構建的水下監視系統有以下幾個特點：

1）目標小。蛙人等水下小目標一般在聲納圖像上只占10～30個像素，有時甚至更小；

2）幀率低。一般的機械掃描聲納幀率都在秒一級，從幾秒到幾十秒不等。與普通視頻每秒30幀以上的幀率相距甚遠，與雷達相比也低了很多；

3）信噪比低。由于目標面積小使得真實目標與噪聲很難區分。當前，給水下小目標判別造成影響的主要因素有：混響、天氣、波浪、表面船及其尾流、熱噪聲、浮標和防波堤等等；

4）成像不穩定。一方面由于影響目標信號強度的因素很多，致使目標的灰度值和形狀均會發生改變。另一方面受海水運動和聲納成像原理的影響，即使原本靜止的物體在圖像上也會出現位置上的偏移，如浮標和防波堤；

5）背景簡單。與陸地上相比，水下移動物體較少，背景單一；

6）目標數量和運動速度有限。當前水下攻擊模式仍以突襲為主，由于水下背景簡單，為達到突襲效果必須注意隱蔽行蹤，從而限制了目標運動的速度和行動參與者的數量。

3 基于面積約束的全局域最近鄰數據關聯法

3.1 求解混響區域的邊界

由于聲納本身的特點，在離聲納布放點近的混響區域內經常會有強度較高的熱噪聲出現，而這些高強度的熱噪聲無論從灰度值，還是從大小上看都和真實目標很接近，常常會錯誤地將它們關聯成一條航跡，從而引發虛警。這一點在成像環境較惡劣時尤為顯著。因此有必要確定混響區域的邊界。

對一個像素點(x ，y) ，采用式（1）計算其到中心點（width 2，height 2）的距離 Dist(x ，y )：

因此，對于任何一個像素點 p，該點到中心點的距離Dist(p)的取值范圍為：

將Dist(p)的取值范圍分成n等份。n的值可以根據需要選取，n越大，計算量越大，精度也越高。設，即各取值區間為其中k=0，1，2，…，n-1。則 Dist(p)對應量化后的值d(x ，y)=k。這樣，每個像素(x ，y)都對應兩個值：f(x ，y )和 d(x ，y) 。以 d(x ，y)為直方圖的橫坐標生成直方圖 Ht，這里直方圖 Ht的橫坐標取t=0，1，2，…，n-1。直方圖中對應于 t的縱坐標取值如式（2）所示：

找到R后，以R為邊界將圖像分成兩部分，小于R的部分稱為混響區，大于R的部分稱為非混響區。

3.2 航跡起始

航跡起始是目標跟蹤的首要問題。航跡起始一般包括兩個環節：暫時航跡的生成和暫時航跡的確認或刪除。滑窗法是一種常用的航跡起始方法，其基本思想如下：設序列2，…，ZN)表示含 N次掃描的時間窗的輸入，如果在第i次掃描時相關波門內含有點跡，則元素Zi等于1，反之為0。當時間窗內的檢測數達到某一特定值為Tz時，起始跟蹤便告成功。否則，滑窗右移一次掃描。即檢測數和滑窗中的相繼事件數，兩者一起構成了航跡的起始邏輯，稱為“m/n”邏輯。由于機械掃描聲納按扇區更新，同時考慮預警時間的需要，Tz不能太長，否則給予操作員的預警時間太短，算法中N取兩個掃描周期，Tz取2，即對于第1次掃描周期的每一個潛在目標，以此觀測值為中心確定一個接收區域，第2掃描周期的觀測若是落入此區域，則可形成一條航跡。

由于混響區內熱噪聲較多，常會出現由熱噪聲導致的虛假航跡。針對這種情況，采用以下規則：

規則1：如果區域A是聲納的混響區域，區域B是聲納的非混響區域，L:A→B表示航跡L對應的目標從A向B運動，則航跡L為真實航跡的必要條件是L:B→A、L:B→B，否則為虛假航跡。

規則1是基于這樣一個事實：真正的入侵者必然從監控區外部向監控區內部運動，亦即從聲納非混響區域向聲納混響區域運動，或者在聲納非混響區域內運動，而虛假航跡則一直位于混響區域內。根據規則1，算法為每一條航跡引入一個“運動方向”屬性，并根據混響區域的半徑R進行設置。當某條航跡的所有點跡記錄中有一個點跡不在由半徑R所限定的區域內時，該航跡對應的“運動方向”屬性設置為TRUE，算法認為該航跡是真實航跡；否則，設置為FALSE，算法認為該航跡是由多個高強度的熱噪聲關聯成虛假航跡。這里，由于警戒系統對檢測率的較高要求，對規則1的條件進行了一定程度的放寬，允許L:A→B，即航跡可以從混響區域向非聲納混響區域運動。

3.3 全局域最近鄰數據關聯

在全局域最近鄰算法中，數據關聯的依據為：對現存的所有航跡分配此次掃描到的所有有效觀測點，計算對這些航跡錯誤分配有效觀測點時的總風險函數，將使總風險函數達到最小值的與各航跡關聯的觀測點作為此次航跡關聯的觀測點跡。全局域最近鄰算法的缺點是計算量大，然而由于蛙人、UUV等水下小目標一般采用突襲方式發動攻擊，其作戰方式強調隱蔽性，所以一次攻擊的參與者不會太多，這樣可以滿足系統實時性的要求，然而傳統的全局域最近鄰算法主要針對點目標，缺乏對目標其他信息的考察。由于蛙人探測聲納中目標強度和輪廓的變化都比較明顯，只有面積相對穩定。因此算法采用面積約束條件下的全局域最近鄰域法進行數據關聯。

該方法的關聯準則表述如下。設{Z1，Z2，…，ZN}是蛙人探測聲納在本幀錄取到的N個候選點跡，{L1，L2，…，LM} 是蛙人探測聲納之前獲得的M條航跡，對于每一條航跡，分別有{n1，n2，…，nM} 個候選點跡同時位于它的波門內，其中n1+n2+…+nM=N。只有當n1=n2=…=nM=1時，即每一條航跡的波門內只有1個候選點跡，則該候選點跡與該航跡相關；否則，存在n1×n2×…×nM種可能的組合。設Tk=…，…，Z)代表一組可能的關聯組合表示與第i條航跡相關的候選點跡，表示與第 i條航跡Li的距離，定義代價函數C(Tk)為：

即：代價函數為關聯組合中所有候選點跡與其對應航跡的距離之和。

以面積作為點跡和航跡相關的另一個參考量，設{S1，S2，…，SM} 是 M 條 航 跡 對 應 的 面 積 ，{SZ1， SZ2， …， SZN}表示本幀錄取的N個候選點跡對應的面積，一個候選點跡與某條航跡相關聯，要求該候選點跡必須在面積上與該航跡具有一定的相似度。

對于單個目標，其面積的分布滿足高斯分布，即目標面積模型S滿足：

這樣基于面積約束的全局最近鄰數據關聯問題就轉變為了一個指派問題，即將候選點跡Zi分配給航跡Lj可使關聯組合中所有點跡與其對應航跡的距離之和達到最小。這一問題可利用擴展Munkres方法來求解。

3.4 面積更新

受成像環境的影響，目標的面積也會發生變化，在點跡與航跡進行關聯后，需要利用新的目標面積對相應的航跡的面積參數進行更新。

更新的表達式如下：

4 實驗結果和分析

為驗證算法的有效性，我們進行了多個實地的試驗。實驗1是為了驗證算法抗干擾的能力，實驗環境如下：天氣為晴天；蛙人著閉式潛水衣；潛水深度10m；海況3級。圖像是127級512×512像素的偽彩色圖像。實驗1是蛙人從聲納中心下水向聲納外沿運動，圖中距離聲納中心不遠處東北方向有一小群浪花朝聲納中心處運動，由于靠近聲納中心，這部分浪花在圖像強度和尺寸上都與蛙人目標很相似，而且數目也較多，使蛙人目標不易識別。圖2（a）～（f）為算法進行檢測后的結果，圖2（a）中蛙人目標和浪花一起被識別為待確認目標（圖中白色虛線框），圖2（b）中蛙人目標被識別為確認目標（圖中實線框）。由于屏幕截圖的問題，目標的編號部分不太一致。實驗2主要用于驗證算法跟蹤多目標的能力，實驗中多個目標先后向聲納中心運動。圖3（a）～（f）為算法進行跟蹤后的圖像。從圖中可以看出即使多個目標非常接近時算法仍能較好地進行關聯跟蹤。

5 結語

針對水下監控系統中的小目標跟蹤問題，在分析蛙人探測聲納成像特點和水下監控環境特點的基礎上，本文提出了基于面積約束的全局域最近鄰數據關聯法，該算法綜合利用了目標在外形和空間上的近似性，以面積為約束，采用全局域最近鄰法實現對目標的跟蹤，克服了水下小目標成像不穩定、結構信息缺乏的難點，通過引入航跡“運動方向”的概消除了混響區虛假航跡的影響，提高了算法的魯棒性。最后利用兩個實驗驗證了該算法具有準確性高、實時性好、魯棒性強。

［1］A.Asada，K.Kuramoto，T.Tanaka，K.Oimatsu，et al.Devel?opmentof an Underwater Security Sonar System［J］.pro?ceedingsofOceans'06，2006：1-3.

［2］Crawford A.M，Vance Crowe D.Observations from Demon?strations of Several Commercial Diver Detection Sonar Sys?tems［J］.proceedingsofOceans'07，2007：1-3.

［3］Annati M.Harbour protection and defense of the coast［J］.Naval Forces2008，29（III）：24-37.

［4］蔣立軍，楊娟，許楓.蛙人探測聲吶技術研究進展［J］.中國科學，2009，54（3）：269-272.

［5］張波，陳小泉.蛙人探測及蛙人探測聲吶［J］.中國科技信息，2009，2：51-52.

［6］H.Bohyung，D.Comanuciu，Z.Ying，D.Larry S.Sequential kernel density approximation and its application to re?al-time visual tracking［J］.IEEE Trans.On Pattern rec?ognitionandmachineintelligence，2008，30（7）：1186-1197.

［7］侯志強，韓崇昭.視覺跟蹤技術綜述［J］.自動化學報，2006，32（4）：603-617.

［8］Bell J.M，Petillot Y.R，Lebart K，et al.Target Recognition in Synthetic Aperture and High Resolution Sidescan Sonar［J］.High Resolution Imaging and Target Classification，2006，11：99-106.

［9］Clark D，Ruiz Z.T，Petillot Y，Bell J.Particle PHD filter multiple target tracking in sonar images［J］.IEEE Trans.On Aerospace and Electronic System 2007，43（1）：409-416.

［10］蔣立軍，楊娟，許楓.蛙人探測聲納技術研究進展［J］.科學通報，2009，54（3）：269-272.