遠程自動瞄準系統的目標識別技術研究

董思妤 蘇龍飛 黃正榮 楊芙容

摘 要 自動瞄準系統在武警部隊處置突發事件中有著不可估量的重要作用，其中對目標進行識別尤為關鍵。本文探討了目標識別技術，通過步態識別出人體特征，完成系統對目標的識別，利用相關算法將準心對準運動目標并顯示準心距離圖像中心的距離，完成狙擊步槍的目標識別，極大地提高了作戰的性能。

關鍵詞 自動瞄準 目標識別 步態識別

中圖分類號：TP391.4 文獻標識碼：A

0引言

在武警部隊執行任務中，由于恐怖分子手段愈發殘忍高明，對武警特勤官兵的安全造成了極大的威脅。甚至在有些時候，由于無法迅速制服恐怖分子，就有可能造成更為嚴重的后果。為實現對遠距離目標的監控、瞄準與打擊，可通過步態識別，有效找出敵人所在位置，通過對自動步槍槍口的調整達到精準擊中目標的目的，能明顯提高射擊命中率，極大地提高作戰的性能。

1狙擊步槍的目標識別系統流程

本文所采用的運動目標識別方法是背景差分法，即是利用當前的圖像與背景圖像做差分來檢測運動區域的一種技術，通過T時刻的圖像與背景圖像進行比較來提取圖像的變化，判斷是否有出現運動的物體。這種方法在視頻監控系統中是一種簡單有效且易于實現的運動目標識別方法。實現運動目標識別可以歸納為下列四個步驟：第一步，從監控裝置中獲取視頻圖像序列，并選取理想條件的下無運動物體時的圖像作為背景圖像。第二步，將獲得的視頻圖像進行濾波處理，然后將當前幀的圖像與背景圖像進行差分，獲得差值圖像。第三步，選取閾值，將差值圖像閾值化并進行形態學濾波。第四步，提取運動目標信息并判斷異常。計算出在當前圖像中出現的偏離背景模型的像素個數，當檢測出的物體的像素個數大于系統設定值時，就將此運動物體加紅色準心標記出來。另外，還要周期性的對圖像的背景進行更新以便適應動態場景的變化。

2基于背景建模的圖像處理

（1）背景生成算法。本文處理的圖像是靜止背景序列，這種序列可以用背景相減法得到是否有前景圖像，但這需要當前圖像對應的背景圖像，因此就要進行背景生成。同時場景中的光照等因素是在不斷變化的，為了適應這種變化，背景需要有自適應能力，因此對得到的背景還要進行更新，以消除非目標變化的影響。

（2）對捕獲圖像幀的處理。圖像序列的背景得到后，運用圖像差運算，如果有物體闖入該區域，那么在前景圖像中就可以看到圖像的變化并記錄此時的圖像，但此時的圖像存在諸多的干擾，其中噪聲是很大的一個不利因素。為了準確提取出運動物體，還要對該圖像進行相關處理，具體包括：平滑圖像，轉換為灰度圖，去除噪聲，圖像二值化，圖像翻轉，圖像的腐蝕與膨脹等。

3基于背景差分的目標識別

（1）提取運動邊緣。先求出當前圖像和前一幀圖像差分后結果的邊緣，然后再計算當前圖像和原始背景圖像差分后結果的邊緣。在邊緣檢測中有很多算法，例如Canny，Sobel等，但是考慮到實時性的應用要求，本文使用了一種快速而又簡單的邊緣檢測方法。該方法通過計算像素點的值和它4領域內的任一值進行比較，如果它們之間的絕對值差大于給定的閾值T，則將該像素點標記為邊緣。在所有的邊緣點檢測完畢后得到二值圖像。

（2）運動目標的陰影去除。陰影主要由于光源被物體遮擋而引起。在場景中，當光源強烈時，運動目標的陰影就會出現，并隨著目標的運動而運動。由于陰影會改變背景圖案的像素亮度，所以得到的運動前景區域會將陰影和運動目標一起顯示出來。為了得到精確的目標，必須把陰影去除，另外，在對背景進行構造的過程中，運動物體所造成的陰影是會隨著運動目標的變化而產生變化，是不屬于背景的部分，所以不能夠把陰影構造到背景里面去。根據陰影的視覺特征，陰影存在的部分可以被看為半透明的部分，當陰影部分將背景點覆蓋時，其亮度值會變小，色度值大小則基本保持不變，而運動目標把背景點覆蓋時，其亮度值則會變大或者變小，但色度值一般變化會很大。

（3）背景的構建與更新。把背景模型的更新分成3個部分：①原始背景中沒有變化的部分IB1；②原來運動的目標突然靜止轉化為背景部分IB2；③運動目標在場景中的較少并且持續不斷運動造成的背景緩慢變化部分IB3。本文主要針對第二部分的背景更新提出了一種快速而簡單的算法。具體步驟如下：①把當前圖像In和背景圖像Bn做絕對差分，然后取閾值，得到運動目標；②應用陰影去除模型，去掉陰影部分，得到精確的運動目標二值結果Men；③應用邊緣提取方法，提取出當前圖像的運動邊緣Mn；④將兩個結果Men和Mn作對比，在Mn中運動邊緣之外的區域對應Men，如果該部分不屬于原來的背景區域，而兩者相比，差異度達到90%以上，則將該部分像素標記為背景。

（4）運動目標的提取。將經過中值濾波的背景圖像和目標圖像進行差分運算，將得到的差分結果進行閾值化，目的是按照灰度級對像素集合進行一個劃分，得到的每個子集形成一個與現實景物相對應的區域，各個區域內部都會有相同的屬性，且相鄰區域布局有這種一致屬性。這樣的劃分可以利用從灰度級出發選取一個或多個閾值來完成。

（5）運動目標的識別。通過判斷閾值化的差分圖像的米粒個數來實現與完成。使用圖像處理函數對二值圖像連通物體標記，判斷分割出來的運動物體的面積大小。預先設定一個值，當得到的標記物體面積大于設定的數值時，則認定為當前幀出現了運動的目標。這樣的話就可以排除一些背景環境的微小變化或者微小無關物體的干擾。

4結論

通過利用背景差分法對運動目標進行各類圖像處理，選取最為恰當的二值閾值對運動的目標進行分割與識別而后對步態特征進行提取與比對，從而識別出人體特征，完成系統對目標的識別，最終通過相關算法將準心對準運動目標并顯示準心距離圖像中心的距離，完成狙擊步槍的目標識別。

參考文獻

[1] 王香菊.基于中值濾波和小波變換的圖像去噪方法研究[D].廣州：華南師范大學，2008.

[2] 王小華，王波.一種有效的動態背景更新方法[J].杭州電子科技大學學報，2009（03）.