基于人像分割的智能搜救無人機系統設計

謝李蓉

（四川司法警官職業學院 四川省德陽市 618000）

近幾年來由于各方面原因，世界范圍內經常出現各種形式的自然災害和人為災難，如地震、洪水、城市火災等，危及相關區域人類的生命安全，許多災害由于地理位置等因素，不僅容易產生大面積的影響，造成大量人員傷亡、建筑物摧毀，還給搜救工作帶來了多方面的嚴峻挑戰。隨著無人機技術的逐漸成熟，其應用優勢逐漸在各領域凸顯出來，無線遙感、程序自動控制等技術使其能夠在搜救領域一展身手，其基于網絡通訊、電氣自動、圖像分析等技術完成自動搜索、人像分割等任務，將其他現有的自動化產品在搜救領域有著天然優勢。無人機在搜救過程中將拍攝大量的圖像信息，不僅對成像技術的要求很高，還需要進行及時、準確的圖像傳輸和分析，才能準確的找尋搜救目標，獲取目標空間位置等信息，為搜救工作提供準確的數據支持，方便救援工作快速有效的開展。而相比無人機在地質勘查、運輸等領域的應用，無人機在搜救領域中，對其圖像處理技術的質量要求更高，需要進行人像分割等技術處理，以準確的獲取目標區域人的地理信息、相貌特征、活動情況等信息，但現有技術基于成像系統、圖像處理系統等技術的限制，難以快速的獲取成像，圖像的實時性、成像質量也較差，因此需要優化無人機系統，更好的應用人像分割等圖像處理技術，以提升搜救無人機的智能化水平和圖像信息的質量。

1 無人機影像特征及在搜救領域的應用優勢和工作流程綜述

1.1 無人機影像特征

無人機搜救需要應用高分辨率的影像技術，而高分辨率影像包含豐富光譜和復雜地面紋理。基于光譜、紋理等信息，進行特征分析，判別搜索區域的地理特征、人像特征。但傳統圖像信息在分割、識別過程中，由于光譜信息易受光照程度、云層等多因素的影響，且技術上存在異物同譜或同物異譜等情況，給光譜信息區域分割、人像分割等工作帶來了巨大困難，影響影像分割的質量、精度。無人機影像的紋理特征體現影像灰度值空間，利用其空間分布能一定程度克服傳統光譜影像分割中異物同譜等問題，在搜救任務圖像中，可體現出山脈、草地、森林、道路、樓房、人等事物的不同紋理，通過紋理特征進行區域識別、目標辨認。

目前無人機影像紋理特征處理，一般基于統計、頻譜、模型等方法進行分析。由于搜救工作一般在復雜的地域進行，局部區域紋理特征可能表現出極強隨機性，而從整體特征進行統計、分析，可提升紋理特征的規律性；應用頻譜方法，以多尺度分析、多頻域和時間為基礎分析紋理特征；模型方法是利用統計和信號數據建立模型，如wold 分解、自回歸、馬爾科夫隨機場等模型描述特征；結構分析法基于某種語言排列已提取的紋理單元，適用于描述較規則的紋理數據。

1.2 無人機在搜救領域的應用優勢

無人機應用于搜救工作，一般由操作者利用基于無線電技術的遙控設備進行控制，使無人機以合適的飛行方向、速度和高度進行區域搜索，完成目標搜索任務。從技術層面可將無人機分為無人固定翼、無人垂直起降飛機和無人飛艇、直升機、旋翼飛行器、傘翼機等類別。不同無人機在設備大小、核心技術等方面均有差別，實際搜救任務中視具體作業需要、任務復雜度選擇合適的無人機，如垂直起降無人機較適合礦工搜救場景。

整體而言，無人機較有人飛機具備耗能小、操縱方便、易拆裝收納等優點，無人機與載人飛機相比，且在體積、成本兩方面有明顯的優勢。無人機不需要設計載人空間，較小體積使其能在更狹小的區域進行搜救工作；由于體積減少，從機身材料等方面減少了無人機的制造成本，如今許多性能較好的無人機已實現大規模量產，在搶險救災場景中可以利用多艘無人機對某區域進行細致的搜索，以地震為例，可能引發房屋塌陷、地質斷裂情況，救災人員可通過無人機提前勘測道路等災區情況，更準確、細致的開展道路搶修、人員搜救、物資運輸等工作，也間接減少了搜救人員的工作危險性，提升了賑災救援的速度。

1.3 無人機搜救場景的工作流程

實際救援場景中，無人機工作將由救援基站進行部署，進行用戶信息、搜救信息處理和數據建設等工作。以較大的災區救援為例，首先合理布置總基站、臨時基站，保證各基站工作覆蓋位置能合理的覆蓋搜救區域，總基站包含各臨時站，及時將整體救援信息傳輸給臨時基站，總基站通過申請GIS 等地理信息系統的訪問權限，得到受災地區詳細的地理信息，如經緯度、天氣、空氣能見度等，根據災區各區域情況和地理情況，向臨時基站傳輸物資需求、人員搜救等任務，總基站進行統一的數據收集、歸類工作，根據進展及時的更新和下發救災信息。其次，臨時基站主要擔任引導受災人群聚集、管理等一線工作，如通過無人機引導人員向救災基站靠攏，用無人機向無法前進的人員運送物資，為迷路人員和搜救官兵提供尋路、引路等工作。

一般情況下，無人機群由總基站統一管理，救援初期由其下發救援指令，由無人機群對整個災區進行廣度優先信息搜索；然后根據獲取的災區情況派遣相應無人機群到臨時基站，優先抵達相鄰子基站或受災嚴重區域，詳細了解各受災區域情況，并考慮災區動態變化，對新加入災區或情況變化明顯區域，調整無人機派遣數量、搜救密度；接著，臨時基站用無人機調查和傳輸各子災情，由總基站統計并考慮優先級等因素，統一調度臨時基站進行物資運輸、地形勘測等任務。

2 智能搜救無人機系統設計分析

2.1 搜救無人機開發環境

我國當前無人機設計開始借助MicroPython 等開源電路板實現相關控制功能，其是基于Python 腳本語言實現的，社區支持強大、應用廣泛，還可以訪問一些底層操控硬件。借助MicroPython，通過腳本語言來訪問和控制無人機LED 燈、控制電機、SD 卡等硬件。

OpenMV 是優秀的機器衛星視覺模塊，應用于搜救無人機系統設計，為人像分割等圖像處理的提高關鍵支持。該模塊基于單片機和圖像傳感器實現，通過搭載基于MicroPython 實現的解釋器、Python 編程，完成端口控制、圖像文件讀取等基礎功能和人臉檢測與跟蹤、顏色提取與跟蹤等復雜功能。

LAB 色彩模型由明度和色彩a、b 要素組成，明度用L 表示，a 要素表示色彩區域中從洋紅至綠色的色彩范圍，b 要素表示從色彩區域中從黃至藍的色彩范圍。由于LAB 模型不依賴設備的攝像性能和色域寬闊，包含了CMYK 等所有人眼可見色域，將其應用于搜救無人機，能很好的彌補了傳統攝像機器只使用RGB 色彩模型導致色彩分布不均的問題，使無人機搜救圖像能呈現出更寬闊色域、豐富色彩，方便進行人像分割等色彩處理。

2.2 全自動模擬搜救系統的模塊設計

實現搜救無人機智能化的基礎，就是實現高度的全自動化，因此需要設計模擬搜救系統，包括無人機控制模塊、手控模塊和目標自動跟蹤模塊。無人機控制模塊，要滿足無人機在不同搜救地理環境下的穩定性，并實現無人機穩定性功能，一般通過陀螺儀等設備實現控制增穩、定向飛行等自動功能。

無人機起飛、著陸等環節對其穩定性的要求也較高，可以通過手控模塊傳輸返啟航信號和具體操作，通過受控模塊，技術人員利用遙感設備進行大力螺旋等操作，傳輸給無人機具體目標坐標，實現無人機落地、抓取目標、休眠等操作。

目標自動追蹤模塊是實現自動目標定位、自動實時追蹤、路線矯正等搜救工作的關鍵。該模塊基于圖像傳感器獲取即時圖像，對彩色圖像進行閾值分析和人人像分割等處理，更準確的選取目標、獲取其坐標，并傳輸給控制模塊。

2.3 全自動模擬搜救系統的流程設計

無人機全自動目標搜救流程包括：

（1）無人機穩定飛往搜救任務區域，由自動控制模塊向追蹤模塊傳輸具體搜索指令；

（2）追蹤模塊根據搜索指令通過色彩模型分割顏色閾值，即自動進行人像分割等操作，判斷和鎖定人物目標，若目標鎖定成功，進行實時追蹤并向手控模塊反饋目標坐標，等待返航、睡眠或下一個搜救指令；

（3）手控模塊在根據坐標信息觸發休眠自動追蹤模式，并等待下一個控制信息；

（4）無人機完成人物進行返航，判斷搜救目的完成情況，若完成自動進行飛行。

3 人像分割技術在無人機智能搜救中的應用實現

人像分割是提取和處理影像的關鍵一步，依據空間、顏色、紋理等圖像特征提取和處理信息，人像分割后得到人物、背景不同區域的情況，是無人機進行目標識別、跟蹤等下一步自動操作的技術前提。本文基于Mean Shift 分割算法探究無人機搜救影像處理的實現方法：

3.1 圖像分割后區域合并原理

圖像分割后區域合并指通過設定的規則對影像進行區域分割后，再將其與相鄰影像區域進行合并，是人像分割的基本技術流程。首先，需要根據相連區域的某些一致特征制定合并規則，一般根據區域顏色值距離、面積值等因素設定自動合并規則。如基于Mean Shift 算法設定合理的空間帶寬參數，規范不同目標分割影像大小，從而準確的對人像和背景進行分割。

3.2 區域合并預處理

高分辨率影像再分割和再合并過程中，對原影像的精度將造成影響。而無人機搜救人物中，不僅需要獲取詳細的人像信息，還需要獲取地物邊緣、細小地質情況等豐富地理信息，而這些信息可能由同一區域被分割為不同小區域，因此需要進行準確的區域合并。Mean Shift 算法能敏感的辨別影像任何局部區域的極大值，分割極大值點區域，可能保留了部分“椒鹽噪聲”，因此需要采取合理降噪措施，減少計算量、提升影像信息準確度，即通過面積閾值等合并規則替換顏色值規則，合并細小臨近區域，去除極大值區域合并遺留的圖像噪聲。

3.3 區域合并過程

通過Mean Shift 算法將無人機圖像分割為n 個區域，確定相鄰區域是否存在色彩、紋理等特征相似情況，采用各區域平均光譜矢量代表自身光譜特征。首先，影像分割后，獲得各像元數量，即區域灰度矢量，通過灰度矢量得出各分割平均光譜矢量，進而結合波段數等數據計算出相鄰區域平均光譜矢量的歐氏距離，表示為D。然后，若D 小于設定顏色特征的閾值，則進行區域合并，并根據像元個數計算區域面積，結合面積閾值將細小區域合并到相鄰最大面積區域中，并進行區域邊界標注，最終得到分割后在合并影像。

4 結束語

綜上，本文探討了智能搜救無人機的圖像特征、系統設計和人像分割的實現等內容。搜救無人機應用OpenMV 模塊、MicroPython 開源板塊、LAB 色彩模型和Mean Shift 圖像算法，可較好的實現搜救任務自動化，精準處理紋理、色彩等特征，進行人像分割等處理，以更準確的進行人員搜救等工作。但由于不同搜救場景地物細節等信息豐富程度、地物關系復雜程度存在差別，還應根據具體搜集場景、任務，合理的選擇算法和硬件，設計針對性強或綜合能力強的無人機系統，以更好的解決復雜救援工作中的影像處理等問題，提升無人機搜救工作的質量和智能化水平。