基于紅外視覺的野外搜救無人機(jī)的設(shè)計(jì)與實(shí)現(xiàn)*

邵延華， 張得沛， 楚紅雨， 常志遠(yuǎn)， 展華益， 饒?jiān)撇?/p>

(1.西南科技大學(xué) 信息工程學(xué)院，四川 綿陽 621000;2.西北大學(xué) 電子工程和計(jì)算機(jī)系，美國 伊利諾斯州 埃文斯頓 60208;3.電子科技大學(xué) 信息與軟件工程學(xué)院,四川 成都 610054)

0 引 言

野外人員失蹤事件每年都時(shí)有發(fā)生，事件發(fā)生后，在48h內(nèi)對失蹤人員進(jìn)行搜救并給予必要的醫(yī)療救助是救援人員面臨的緊迫任務(wù)。由于野外環(huán)境的通信、醫(yī)療、氣候和地形等條件較差，若同時(shí)伴隨自然地質(zhì)災(zāi)害發(fā)生，通常將會(huì)使得救援人員無法在救援現(xiàn)場開展及時(shí)有效的搜救[1]。2008年四川汶川地震和2010年玉樹地震，因地震而導(dǎo)致的塌方和泥石流等自然地質(zhì)災(zāi)害均給搜救工作帶來了極大的困難。因此，尋找一種便捷快速以及低廉的搜救方式對野外救援工作具有重要的意義。

本文設(shè)計(jì)了一種可以24 h作業(yè)的基于紅外視覺的野外自主搜救無人機(jī)。通過機(jī)載紅外熱像儀采集紅外人體圖像并提取方向梯度直方圖(histogram of oriented gradient，HOG)特征，結(jié)合線性支持向量機(jī)(support vector machine，SVM)分類器實(shí)現(xiàn)對待救援人員的人體檢測。

在油菜花田、森林及道路等多種實(shí)際場景中測試表明，該系統(tǒng)工作穩(wěn)定，能夠滿足實(shí)際使用需求。

1 搜救無人機(jī)方案設(shè)計(jì)

搜救飛行機(jī)器人采用四旋翼架構(gòu)，為了保證順利完成搜救任務(wù)，四旋翼飛行器在具有一定負(fù)載能力的基礎(chǔ)上需要盡可能提高其續(xù)航時(shí)間。在四旋翼飛行器設(shè)計(jì)過程中，機(jī)架、電機(jī)、螺旋槳以及電池都決定了飛行器的負(fù)載能力以及續(xù)航時(shí)間。本文設(shè)計(jì)的四旋翼飛行器重量1.5 kg，電池5 200 mA[2]。

當(dāng)有人員遇險(xiǎn)后，搜救無人機(jī)將飛到事故發(fā)生區(qū)域上空，救援人員可通過地面站軟件對搜救無人機(jī)的飛行航跡進(jìn)行螺旋式規(guī)劃，之后搜救無人機(jī)將依預(yù)定航跡進(jìn)行搜尋。一旦檢測到待救援人員，便立刻將待救援人員的地理坐標(biāo)發(fā)送回地面站以指導(dǎo)救援人員開展救援工作，給現(xiàn)場決策提供幫助，具體流程如圖1所示。

圖1 搜救無人機(jī)搜救方案

2 紅外視覺人體檢測及定位

傳統(tǒng)的空中搜救方式多通過無人機(jī)搭載高清攝像頭，但是高清攝像頭在夜晚或光照較暗的環(huán)境中局限性十分明顯[3]。而紅外熱像儀不依賴可見光，可在一定程度上打破受光線影響的局限。本文主要從樣本獲取、HOG特征提取、SVM訓(xùn)練分類及目標(biāo)定位4部分介紹紅外視覺人體檢測的技術(shù)路線。

2.1 樣本獲取

HOG+SVM是一種十分經(jīng)典有效的人體目標(biāo)檢測方法[4]，速度和檢出效果的綜合平衡性能較好。OpenCV提供的行人檢測器模型是根據(jù)普通相機(jī)拍攝的圖像訓(xùn)練而來，鑒于紅外成像與可見光成像的區(qū)別，該模型并不適合紅外人體目標(biāo)檢測。為了提高HOG算法對紅外人體目標(biāo)檢測的準(zhǔn)確性，需標(biāo)記相應(yīng)的紅外數(shù)據(jù)來訓(xùn)練SVM。

為實(shí)現(xiàn)在復(fù)雜環(huán)境下的正確分類，合理選擇訓(xùn)練集對實(shí)現(xiàn)正確分類至關(guān)重要。本文在自建訓(xùn)練集時(shí)遵循了以下原則：1) 避免不平衡樣本集 ；2) 人體目標(biāo)樣本具有代表性；3) 背景樣本類型豐富。具體訓(xùn)練集構(gòu)建方法為：通過搜救無人機(jī)機(jī)載的紅外熱像儀分別在道路、森林、灌木叢、油菜地等典型野外環(huán)境采集了大量的人體紅外圖像。以手動(dòng)標(biāo)定的方式標(biāo)出了圖像中人體目標(biāo)，并將其縮放到64像素×128像素作為SVM的正樣本；在不含人體目標(biāo)的圖像中隨機(jī)截取64像素×128像素的圖片作為負(fù)樣本。最終完成正樣本數(shù)2 200，負(fù)樣本數(shù)2 200。部分正負(fù)樣本如圖2。

圖2 自建數(shù)據(jù)集中部分正負(fù)樣本實(shí)例

2.2 HOG特征提取

HOG特征對光照變化和梯度特征的少量變化具有穩(wěn)定性，能夠較準(zhǔn)確地表達(dá)圖像中的人體目標(biāo)的特征，因而被廣泛應(yīng)用于人體目標(biāo)檢測[6,7]。

Dalal N[8]對比分析了不同檢測窗口對于人體目標(biāo)檢測效果的影響，分析結(jié)果表明，當(dāng)檢測窗口為64像素×128像素時(shí)對人體目標(biāo)檢測具有最佳效果，因此本文采用樣本尺寸為64像素×128像素的人體尺寸來提取HOG特征，并以8像素×8像素個(gè)像素點(diǎn)為單位將圖像劃分為若干個(gè)小cell，然后將4個(gè)cell組成一個(gè)塊(block)，如圖3所示。

圖3 HOG特征提取

對原圖像進(jìn)行實(shí)際運(yùn)算時(shí)，對圖像采用[-1 0 1]和[-1 0 1]T梯度算子進(jìn)行卷積運(yùn)算，可得到在水平方向和垂直方向的梯度分量[9]，然后再利用式(1)和式(2)得到該像素點(diǎn)的梯度大小和方向

(1)

(2)

式中Gx(x,y)和Gy(x,y)分別為圖像中像素點(diǎn)(x,y)處的水平和垂直方向梯度與該像素灰度值H(x,y)的關(guān)系

Gx(x,y)=H(x+1,y)-H(x-1,y)

(3)

Gy(x,y)=H(x,y+1)-H(x,y-1)

(4)

對每個(gè)cell的梯度信息進(jìn)行統(tǒng)計(jì)，本文采用9個(gè)bin的直方圖來統(tǒng)計(jì)表示，即將其梯度方向360°分成9個(gè)方向塊來表示該cell的梯度方向直方圖。最終將block內(nèi)所有cell歸一化之后的特征向量串聯(lián)起來便可得到該block的HOG特征。

2.3 SVM分類識(shí)別

目標(biāo)識(shí)別是紅外人體目標(biāo)檢測的核心，主要驗(yàn)證候選區(qū)域是否包含紅外人體目標(biāo)。目前，在人體檢測中最常用的方法之一為SVM對圖像HOG特征進(jìn)行分類識(shí)別[10]。

前期獲得正負(fù)樣本后，分別計(jì)算正負(fù)樣本圖像的HOG描述子特征向量，并指定正負(fù)樣本所屬的類別，訓(xùn)練SVM檢測模型，并保存為XML文件。

然后根據(jù)其中的支持向量和參數(shù)生成OpenCV中的HOG描述子可用的檢測子參數(shù)，再使用多尺度檢測對負(fù)樣本原圖進(jìn)行行人檢測，將所有檢測到的目標(biāo)截取并保存為圖片，將其加入負(fù)樣本集合中作為難例(hard example)重新訓(xùn)練SVM，獲得最終檢測子，以提高SVM分類器的準(zhǔn)確性[11]。其識(shí)別過程如圖4所示。

圖4 人體目標(biāo)識(shí)別過程

2.4 遇險(xiǎn)地定位

目前民用GPS的位置更新速率通常為10 Hz，水平圓概率誤差一般能夠達(dá)到2 m，而垂直方向的誤差通常較大。全球定位系統(tǒng)(global positioning system,GPS)位置信息跳變大，更新速率較低，但靜態(tài)特性較好；氣壓計(jì)測得的高度信息連續(xù)，但存在漂移現(xiàn)象；慣導(dǎo)系統(tǒng)對加速度進(jìn)行雙重積分求出位移，數(shù)據(jù)更新速率較快，動(dòng)態(tài)性能較好，但容易出現(xiàn)發(fā)散現(xiàn)象。因此,本文采用互補(bǔ)濾波對GPS、氣壓計(jì)以及慣導(dǎo)數(shù)據(jù)進(jìn)行融合。

遇險(xiǎn)人員位置信息可以通過搜救無人機(jī)自身位置與救援目標(biāo)相對于飛行機(jī)器人的相對位置進(jìn)行精確計(jì)算，如圖5。

圖5 遇險(xiǎn)地定位示意

由圖可知，無人機(jī)的坐標(biāo)(xb，yb，zb)可由GPS數(shù)據(jù)獲得，無人機(jī)高度即為zb，有

R=zb×tanθ

(5)

當(dāng)紅外熱像儀安裝時(shí)θ角已經(jīng)確定，因此搜尋范圍即為以GPS坐標(biāo)(xb，yb，zb)為中心，以當(dāng)前電子羅盤的指向同時(shí)以距離R進(jìn)行搜救。

3 實(shí)驗(yàn)與結(jié)果分析

為測試野外自主搜救無人機(jī)在野外搜尋遇險(xiǎn)人員的性能，進(jìn)行了實(shí)際模擬測試。測試場地包括：油菜花田、森林及道路等。無人機(jī)飛控系統(tǒng)采用STM32F427處理器和μC/OS—Ⅲ操作系統(tǒng)；圖像處理系統(tǒng)采用英偉達(dá)TK1處理器、Ubuntu16.04和OpenCV 2.4.13。部分檢測效果如圖6。

圖6 不同環(huán)境下的檢測結(jié)果

從圖6可知，該野外自主搜救無人機(jī)能夠較好實(shí)現(xiàn)人體目標(biāo)的紅外圖像檢測，可以完成野外復(fù)雜環(huán)境下遇險(xiǎn)人員的搜尋工作。規(guī)避了森林等具有高遮擋性的環(huán)境對檢測的影響。測試表明，紅外人體檢測算法具有較好的檢測效果。多場景檢測效果如表1所示。

表1 多場景目標(biāo)檢測效果

由測試結(jié)果可以看出，當(dāng)環(huán)境越復(fù)雜、遮擋率越高，漏檢率和誤檢率越大以及平均每幀運(yùn)行時(shí)間越長，這也與理論上的分析結(jié)果一致，說明了測試結(jié)果具有可信性。

為了測試目標(biāo)定位的可靠性和準(zhǔn)確性，指定一個(gè)目標(biāo)人員在固定位置靜止不動(dòng)，且佩戴GPS定位設(shè)備對自身位置進(jìn)行定位；手動(dòng)控制搜救飛行機(jī)器人使其在目標(biāo)人員附近50 m高空巡飛。搜救飛行機(jī)器人對地面人員目標(biāo)進(jìn)行檢測并計(jì)算其地理位置。多次實(shí)際場景實(shí)驗(yàn)可知，本文的搜救飛行機(jī)器人對地面人員目標(biāo)位置的計(jì)算結(jié)果與地面目標(biāo)人員佩戴的GPS定位器給出的位置的誤差不超過3 m，一般能夠滿足對野外遇險(xiǎn)人員搜救的定位精度。

4 結(jié) 論

本文從搜救無人機(jī)方案設(shè)計(jì)、紅外視覺人體檢測及定位和實(shí)驗(yàn)結(jié)果分析等三個(gè)方面對野外自主搜救無人機(jī)的進(jìn)行了研究與實(shí)現(xiàn)。識(shí)別算法采用了HOG+SVM相結(jié)合的方法實(shí)現(xiàn)了紅外人體目標(biāo)的檢測。測試結(jié)果表明:所設(shè)計(jì)的基于紅外視覺的野外自主搜救無人機(jī)可依據(jù)地面站所預(yù)設(shè)的航跡進(jìn)行自主搜尋，在人體目標(biāo)檢測及定位方面具有較高的識(shí)別率和定位準(zhǔn)確性，能夠完成野外環(huán)境下的自主搜救任務(wù)。