感知與規避技術中的入侵目標檢測的特征選擇?

鐘佩儀 曹云峰 丁 萌

（1.南京航空航天大學航天學院 南京 210016）（2.南京航空航天大學民航學院 南京 210016）

1 引言

近年來，無人機在軍事和民用方面展現了很大的應用潛力，由于無人機在智能化、監控、偵查等方面表現出了廣闊的前景，并且與有人機相比成本更低，使用更加靈活［1～5］，因此無人機在軍用和民用方面都受到了前所未有的關注。無人機在現代數字戰場中的突出優點和驚人表現，使得各國競相研制，目前無人機已經被各國大量使用。不同種類的無人機在各個領域的應用均獲得了極大的成功，但與此同時所帶來的問題是：隨著不同類型無人機的大量使用，中空、低空、超低空的空域變得越來越“擁擠”，給國家空域系統帶來越來越嚴峻的安全隱患。無人機的廣泛應用使得無人機之間和無人機對有人機造成了直接的威脅，如何規避無人機和其他飛機的碰撞成為了目前需要關注的問題。對于有人機而言，可以通過機載雷達收發機和機組人員完成環境感知并操縱飛機規避威脅目標來確保有人機的安全，而這一個過程被稱之為“探測與規避”。但是對于無人機而言，并沒有機組人員來承擔環境感知與威脅規避的職能，因此當無人機系統集成到國家空域系統中時，無人機只能單純依靠機載設備來完成環境感知與威脅規避，實現和有人機“探測與規避”相同的功能，而這個過程被稱之為“感知與規避”。感知與規避的過程如圖1所示。

圖1 感知與規避系統的過程

感知與規避系統的過程主要分為感知和規避兩個部分［6～7］，其中感知是規避的前提，通過機載傳感器完成對入侵目標的檢測和識別；規避是感知的歸宿和目的，在感知的基礎上完成對入侵目標威脅度的評估，為規避威脅提供重要的參考依據。在機載傳感器的選擇上，由于視覺傳感器比其他傳感器有更好的SWAP（尺寸，重量和能耗）特征，完全自主的工作方式可檢測到沒有安裝相同的傳感器的目標使其可靠性、安全性更高，因此本文主要是以基于視覺的感知與規避技術為研究背景，以機載視覺傳感器所提供的視頻圖像作為研究對象。

為了保證對入侵目標檢測算法的實時性，在提取測試圖像的特征之前，一般通過提取測試圖像的感興趣區域（ROI）來減少提取特征的工作量以達到加快算法的作用［8～9］。常用的提取ROI區域算法包括基于顯著性分析的IT，MZ，SR，GB等，但是來自于微軟研究院的Piotr等在2014年提出了Edge-Boxes算法［10］，利用邊緣信息（Edge）來確定目標可能存在的方框。Edge-Boxes算法優勢在于采用的是純圖像的方法，不需要任何先驗知識，沒有復雜的運算過程，最重要的是該算法的運行速度很快。因此本文采用Edge-Boxes算法提取ROI區域，作為圖像特征提取的前提。

得到ROI區域還需要通過識別模塊來確定入侵目標在哪一個或者哪幾個ROI中。經典的識別算法都是由特征提取和分類器設計兩部分構成。識別算法的構成如圖2所示。

圖2 入侵目標識別算法

尺度不變特征轉換（Scale-Invariant Feature Transform，SIFT）特征［11］是基于物體上的一些局部外觀的興趣點而與影像的大小和旋轉無關。對于光線、噪聲、些微視角改變的容忍度也相當高?；谶@些特征，它們是高度顯著而且相對易于獲取，在龐大的特征數據庫中，很容易辨識物體而且鮮有失誤。使用SIFT特征描述對于部分物體遮蔽的檢測率也相當高，甚至只需要3個以上的SIFT物體特征就足以計算出位置和方位，在現今的電腦硬件速度下，運算速度可達到即時運算。SIFT特征的信息量大，適合在海量數據庫中快速準確匹配。但是SIFT中每個feature需要用128維的向量來描述，因此計算量相對很大。

方向梯度直方圖（Histogram of Oriented Gradient，HOG）特征［12］是一種在計算機視覺和圖像處理中用來進行物體檢測的特征描述子。其本質是統計圖像的梯度信息，而梯度主要存在于邊緣的地方，所以HOG特征能夠較好的描述各類物體輪廓形狀。由于HOG是在圖像的局部方格單元上操作，所以它對圖像幾何的和光學的形變都能保持很好的不變性，這兩種形變只會出現在更大的空間領域上。其次，在粗的空域抽樣、精細的方向抽樣以及較強的局部光學歸一化等更好地完成了照射、陰影不變性。HOG特征結合SVM分類器已經被廣泛應用于圖像識別中。

因為當前沒有一種統一的特征提取方法適用于多數目標分類問題，而經典的算法SIFT，HOG等，都有自身的特殊性和局限性，所以在本文中為了尋找更加合適于入侵目標檢測的特征提取方法，分別使用這兩種特征作為sc-SPM算法［13～16］的底層特征對入侵目標檢測，通過分析檢測結果來判斷哪種特征更加適合入侵目標檢測。

2 入侵目標檢測算法

入侵目標檢測算法主要分為三步：第一是對檢測圖像提取ROI區域；第二是對ROI區域提取特征；第三是用SVM分類器分類識別ROI區域，圈出有入侵目標所在的區域。

2.1 基于Edge-Boxes的ROI區域提取

在本節中，基于Edge-Boxes的ROI區域提取主要分為兩步：第一是使用Edge-Boxes算法得到大量的Proposals（目標可能會在的區域）以及每個Proposals的分數；第二是通過設定適當的分數和面積的閾值結合NMS（非極大值抑制算法）來優化Proposals而得到少量的面積適中的ROI區域。具體流程如圖3所示。

圖3 提取ROI區域過程

提取ROI區域的第一步——Edge-Boxes算法：計算輸入圖像的特征，通過特征檢測圖像的邊緣信息，然后將近乎在一條直線上的邊緣點，集中起來形成一個邊緣信息組（Edge group），計算兩兩邊緣信息組之間的相似度，相似度越高意味著這兩個組的邊緣信息是同一個輪廓的可能性越高。計算相似度的公式如下：

a( )si,sj指的是兩組之間的相似度；γ是用來調整相似性對方向改變的敏感度，一般取值為2。

如果兩邊緣信息組之間的相似度低于閾值0.05的舍棄，高于閾值0.05則保存。給保存的每一邊緣信息組一個權值，然后把權值均為1的邊緣信息組歸為框內輪廓上的一部分，把權值為0的邊緣信息組歸為框外或者與框邊界重疊的輪廓的一部分。計算權值公式如下：

T是指從框框的邊緣開始到達si的邊緣信息組序列集合。

第二步：在邊緣信息組處理后得到的Proposals數量過于龐大，邊框過于密集，其中面積或大或小，對后續的分類太過繁雜，效率不高。所以需要對此做優化，得到性能良好的ROI區域。

對所得Proposals進行評分，評分公式如下：

進一步根據得分的高低對Proposals做一個降序排列，設定一個分數閾值（Score），保存分數高于S的Proposals，舍棄分數低于S的Proposals。然后再計算留下的Proposals的面積，并做一個升序排列，設定一個面積閾值（Area），保留面積低于Area的Proposals，舍棄高于Area的Proposals。剩下的Proposals呈現的特點是邊框面積過小，但在完整輪廓處較為密集，因此對這些Proposals做非極大值抑制（NMS）即可得到面積適當，較為稀疏的ROI區域。

2.2 基于sc-SPM的特征提取

本文所采用的基于稀疏編碼和空間金字塔匹配模型的特征學習方法過程如圖4所示。首先對ROI圖像塊提取底層特征（SIFT，HOG），其次在空間金字塔框架下以稀疏編碼為基本手段對所提取的特征作進一步的抽象，最后以特征池化思想為基礎，實現局部特征的聚合，完成整個特征提取的過程。

圖4 基于稀疏編碼和空間金字塔匹配模型的特征學習過程

2.2.1 第一層特征提取

SIFT算法利用高斯金字塔和高斯差分（Difference of Gaussian，DoG）金字塔實現圖像特征點和該點處尺度的自動選擇。高斯金字塔由圖像與不同尺度的高斯核卷積得到，差分金字塔（DoG）是相鄰兩尺度空間函數之差，用D( x,y,σ)表示，輸入圖像為I( x,y)，由式（4）計算得到：

在完成高斯差分金字塔的構建后，SIFT算法按以下步驟提取特征點和生成128維特征向量：

1）在DoG金字塔中，DoG尺度空間中中間層（最低和最頂層除外）的每一個像素與同一層相鄰的8個像素以及它上一層和下一層的9個相鄰像素共26個相鄰像素點進行比較得到局部極值；

2）利用特征點鄰域像素的梯度方向分布特性為每個特征點指定方向參數，使相應特征具備旋轉不變性；

3）對于任意一個特征點，在它所在的尺度空間中，取其為中心的16×16像素大小的領域，再將這個領域均勻分成4×4個子區域，并對每個子區域計算梯度方向直方圖。將各個子區域的直方圖組合成16×8=128維的特征向量。

HOG算法是將圖像分成小的連通區域（細胞單元，cell）。然后采集細胞單元中各像素點的梯度的或邊緣的方向直方圖。最后把這些直方圖組合起來就可以構成HOG特征描述器。具體步驟如下：

1）將輸入圖像灰度化，采用Gamma校正法對輸入圖像進行顏色空間的標準化（歸一化）；目的是調節圖像的對比度，降低圖像局部的陰影和光照變化所造成的影響，同時可以抑制噪音的干擾；

2）將歸一化之后的圖像分割為8*8個像素的細胞單元（cell），把梯度方向平均劃分為9個區間（bin），在每個細胞單元里面對所有像素的梯度方向在各個方向區間進行直方圖統計，得到一個9維的特征向量；

3）每相鄰的4個細胞單元構成一個塊（block），把一個塊內的特征向量聯起來得到36維的特征向量，用塊對樣本圖像進行掃描，掃描步長（8個像素）為一個單元。最后將所有塊的特征串聯起來，就得到了輸入圖像的36維的HOG特征描述器。

2.2 .2 第二層特征提取

利用空間金字塔方法對圖像進行空間多尺度劃分，然后利用稀疏編碼對每個局部塊的底層特征進行編碼得到特征向量，之后再利用權值串接每個特定局部塊中的語義信息得到圖像多尺度空間特征，完成目標的特征提取。

稀疏編碼即是在一組過完備基向量（過完備字典D）中選擇少量基（稀疏系數X）的線性組合來表示樣本數據（輸入圖像的底層特征Y），計算公式如下：

T0是稀疏系數非零項的最大值。

過完備字典D可以通過K_SVD（The K-means Singular Value Decomposition）算法訓練大量樣本得到。從線性組合角度看，K-SVD訓練算法的目標函數可表示為

T0是稀疏系數非零項的最大值。

式（6）中計算過程是一個不斷迭代的過程：

1）設字典D是固定的，利用稀疏向量計算方法OMP，可以得到基于字典D的輸入樣本Y的稀疏表示的稀疏矩陣A；

2）根據系數矩陣A，找到更好的字典D。

2.2.3 最大池化

最大池化是對圖像中不同位置的特征進行聚合統計，降低計算特征的難度，避免出現過擬合現象。設XM×N是求得的M個向量的N維稀疏系數，則最大值池化方程如下所示：Xij是稀疏系數矩陣的第i行，第j列元素。

對整張圖像基于金字塔框架下分割以后的每個區域進行特征池化，并對最大池化后的特征進行組合，從而得到最終我們所需要的特征。

3 實驗結果與分析

為了驗證底層特征選取不同對檢測識別入侵目標的影響，本文設計兩種不同底層特征的入侵目標檢測算法作比較。在本次實驗過程中，所有的實驗圖像均來自于Flight-Gear V3.4模擬軟件獲得。首先在實驗圖像中抽取1000幅圖像作為樣本圖像分別提取SIFT和HOG特征，并以此為基礎訓練過完備字典D以及SVM分類器，再選取200幅圖像進行入侵目標檢測實驗，并用指標IoU（Intersection over Union）和召回率（recall）曲線來評判檢測結果的好與壞。

3.1 訓練過完備字典

利用K-SVD進行過完備字典訓練的步驟如下：

1）從樣本圖像中隨機性選取100000個大小為

16×16 的圖像塊；

2）對每個圖像塊提取出一個128維的SIFT特征向量和一個36維的HOG特征向量；

3）將所有100000個圖像塊的特征向量組合成一個矩陣，SIFT特征矩陣的大小為128×100000，HOG特征矩陣大小為36×100000；

4）利用K-SVD算法對該矩陣進行訓練，設置訓練后的字典大小都為128×1024。

3.2 訓練SVM分類器

隨機選擇500幅正樣本、500幅負樣本進行訓練，具體訓練方法按以下步驟完成：

1）提取出500幅正樣本的SIFT特征向量和HOG特征向量；

2）提取出500幅負樣本的SIFT特征向量和HOG特征向量；

3）利用訓練函數分別對正負樣本SIFT特征向量和正負樣本HOG特征向量進行訓練，得到兩個分類器參數。

3.3 檢測入侵目標實驗結果

為了實驗圖像的多樣性，從Flight-Gear V3.4模擬得到的實驗圖像中選取200幅不同背景不同天氣的圖像作為檢測算法的實驗圖像，首先用基于Edge-Boxes的ROI提取算法對每一幅圖像提取ROI區域，如表1第一列所示，淺色框是指ROI區域，深色框是指真值圖；其次對提取的ROI區域分別用基于HOG和SIFT特征的入侵目標檢測算法檢測和識別目標，檢測結果如表1第二列和第三列所示，淺色框是指檢測結果，深色框是指真值圖。

表1 檢測入侵目標實驗結果

從實驗結果看，同一幅實驗圖像，基于HOG特征的檢測結果跟基于SIFT特征相比是差一點的。為了更加直觀地比較兩者的差異，本文選擇IoU和recall這兩個常用指標衡量檢測結果的好壞。IoU是指檢測框和真值框交區域和并區域的比值，IoU比值越高則檢測結果越貼近真值則表示定位越準確。經常取IoU值為0.5來衡量結果的好與壞，大于等于0.5都可以當做是好的檢測結果。recall（召回率）是指檢測出來的目標個數于整個數據集中所有目標個數的比值，衡量的是檢測算法的查全率，查全率越高，則檢測出來的目標個數就越多，算法效果越好。下面用recall-IoU曲線來描述檢測結果的好壞，如圖5所示。

圖5 recall-IoU曲線圖

圖5中圓形曲線是基于HOG檢測算法的recall-IoU曲線，星形曲線是基于SIFT檢測算法的recall-IoU曲線。當IoU=0.5時，基于SIFT的檢測算法的recall是高達0.9的，而基于HOG的檢測算法的recall則不到0.9。當IoU取值越來越大，即對檢測結果與真值圖貼近度要求越來越高，而召回率（recall）也會有所下降，但是星形曲線是一直高于圓形曲線的，也就是說在recall隨著IoU的增加而減少的過程中，基于SIFT算法的recall是一直高于基于HOG算法的recall的。從檢測結果來看，基于SIFT的檢測算法是要優于基于HOG檢測算法的。

4 結語

本文在對入侵目標檢測算法的圖像特征選擇上討論了經典的SIFT和HOG兩種特征提取算法，通過對檢測結果的比較，發現在同樣的IoU值上，基于SIFT的檢測結果的召回率（recall）是要比基于HOG的召回率要高。在設計對入侵目標檢測算法中，SIFT和sc-SPM的結合所表現出來的檢測性能是要比HOG結合sc-SPM算法的檢測性能要更優。所以選擇SIFT特征提取算法作為基于sc-SPM的入侵目標檢測算法的底層特征。