美國計算機視覺技術發展與軍事應用

徐晨

國家工業信息安全發展研究中心，北京，100040

0 引言

計算機視覺就是使用計算機及成像設備對人類視覺系統的一種生物模擬，是讓機器像人那樣“看”，其基本原理是通過光學非接觸式成像設備，如攝像機等系統模擬人類的眼睛對目標進行跟蹤識別、分析和測量，并作為輸入手段，用計算機代替人腦將采集到的目標數據或影像處理成更合適人眼觀察和儀器檢測的圖像。最終目標是讓計算機像人那樣通過視覺觀察且理解世界[1]。

計算機視覺的研究始于20世紀70年代早期，是賦予機器智能的開始。20世紀80年代，很多科學家開始研究圖像和場景的分析方法，并采用定量甚至更復雜的數學方法進行分析。20世紀90年代，計算機視覺領域最顯著的一個發展是與計算機圖像學的結合，特別是在圖像的建模和繪制方面。進入21世紀后，計算機視覺領域通過與機器學習、人工智能、大數據分析等領域的交叉融合，在與圖形學結合、物體識別方法、算法優化和機器學習的應用等方面取得了廣泛的技術突破，主要表現如下：①計算機視覺與圖形學相互融合；②提出了以特征方法為基礎的物體識別方法；③發展了更高效求解復雜全局化問題的算法；④復雜的機器學習方法在計算機視覺問題中的應用，目前主導著該領域很多視覺識別的研究。

目前，國際學術界和產業界在計算機視覺領域取得了大量成果，例如：美國特斯拉把計算機視覺運用到汽車輔助駕駛上，讓計算機實現對智能駕駛的輔助支持。其他的應用還包括無人機、工業機器人、醫學成像、監視和交通監控等。

隨著其應用場景的不斷擴大，美軍積極開展了計算機視覺技術在軍事上的應用研究。例如，美軍在戰場態勢感知、精確打擊、無人裝備、指揮控制和情報輔助決策等軍事領域開展了計算機視覺應用研究。雖然計算機視覺在很多領域中已經得到了應用，但是與人類的視覺相比，其功能仍處在低水平階段，還存在實體定義不明、目標檢測識別不到位、實體追蹤不準等問題，其領域的研究在很大程度上仍然依賴于對生物視覺機理的理解。

1 美軍計算機視覺技術重點項目

計算機視覺技術作為一項賦能技術，隨著其技術的不斷發展和完善、技術瓶頸和難點的不斷攻克，越來越凸顯了它的應用價值，成為人工智能領域的關鍵技術之一。伴隨著近年人工智能技術成為美軍重點關注方向這一趨勢，計算機視覺等前沿科技創新不斷助力美軍信息裝備技術向智能化、無人化、自主化、協同化方向發展。美軍持續加快計算機視覺領域的項目布局，開展了一系列計算機視覺技術項目研究，如“指南針”“心靈之眼”“深綠”“指揮官虛擬參謀”“戰地物聯網”“智能神經接口”“基于圖式的知識導向人工智能推理系統”“Maven”等，力爭搶占計算機視覺技術等人工智能技術軍事應用的先機。

1.1 “指南針”

2018年美國國防高級研究計劃局（DARPA）“指南針”項目旨在利用先進人工智能技術提高指揮官面對復雜破壞活動的決策效能，最終為戰區級作戰人員和規劃人員提供強大的決策輔助分析工具，通過計算機視覺技術，分析海量數據，識破對方的身份和企圖。“指南針”項目研發的輔助決策工具能夠幫助分析人員鑒別正在發生的事是否正常。

1.2 “心靈之眼”

國防部2010年啟動的“心靈之眼”計劃，旨在開發視覺智能，依靠機器學習可廣泛應用和生成事物間的行為描述。其可將來自戰場的視頻文件進行輸入和學習，并對相關場景進行推理，形成行為描述，用于探索能夠根據視覺信息進行自動化地面監視和實現態勢認知與推理的戰場監視系統，且采用計算機視覺技術幫助指揮員快速理解戰場態勢，并自主生成行動建議。

1.3 “深綠”

2007年DARPA開展的“深綠”計劃，是將人工智能和仿真技術嵌入作戰指揮系統，其最主要的核心技術是采用計算機視覺等技術，在戰爭環境下，反復將戰場數據進行模擬、仿真并推演出敵我雙方采用不同作戰方案可能產生的戰爭結果，來推斷敵方可能采取哪些作戰行動以及戰場態勢感知的發展方向，引導指揮官依據計算機視覺技術評估的結果做出正確合理的決擇。

1.4 “指揮官虛擬參謀”

2016年美國陸軍啟動的“指揮官虛擬參謀”項目，是繼“深綠”后美軍發展指揮控制智能化而開發的又一個人工自能視覺相關的項目。通過綜合運用計算機視覺技術，對海量數據和戰場態勢進行研判，提出主動建議、高級分析和自然人機交互，為指揮員制定戰術決策提供從規劃、準備、執行到戰場行動回顧全過程的決策支持。

1.5 “戰場物聯網”

美國陸軍“戰地物聯網”項目，2017年啟動，以計算機視覺、深度融合技術為核心，將戰場傳感器、武器、車輛、機器人以及作戰人員可穿戴設備等節點進行網絡連接，提升戰場態勢感知能力。

1.6 “智能神經網絡”

DARPA“智能神經網絡”2019年2月啟動，描述實現“人機融合”的思路，為了在網絡安全、數據和圖像視頻分析、無人機集群操作等方面增強人類能力，采用神經網絡、腦機接口等技術建立智能武器裝備和作戰人員之間的心靈感應鏈接，讓作戰人員能夠與機器或者計算機間進行思想互動。

1.7 “基于圖式的知識導向人工智能推理系統”

DARPA自2019年以來牽頭開展的“基于圖式的知識導向人工智能推理系統”項目,旨在利用計算機視覺技術對復雜的現實世界事件的語境和時間進行推理，致力于鑒別和發現大量紛繁復雜的事情和媒體片段中的某種聯系，分析并預測他們如何展開。

1.8 “算法戰跨職能小組”

2017年美國國防部創建“算法戰跨職能小組”項目，是計算機視覺人工智能應用的一次嘗試，可以在人類無法到達的區域如在低空等作戰環境下，對監視設備拍攝的大量監視錄像和視頻展開歸類鑒別，將異常的或相關的視頻標識出來，并提醒操作員注意，提高了情報分析人員的工作效率。后續將引進更為先進的計算機視覺技術[2]。

1.9 “深度多模式視頻活動”

2016年DARPA啟動“深度多模式視頻活動”，旨在開發多攝像機流媒體視頻環境中的強大自動活動檢測能力，項目運用計算機視覺迅速定位視頻中危害公共安全的威脅并檢測政府安全設施潛在的威脅。這些項目和系統通過運用計算機覺技術，改變了依靠人力進行目標搜尋的方式，大大降低了人力成本；同時，縮短了目標識別的時間，大大提高了效率。

2 軍事應用現狀

計算機視覺技術本來是一項民用技術，但美軍通過開展一系列計算機視覺技術項目和計劃的研究，推動了計算機視覺技術在軍事中的應用，主要體現在如下幾個方面。

2.1 海量軍事數據處理

計算技術視覺技術徹底改變了純粹借助人力的傳統式目標搜索方法，變成情報信息監控和偵察體系的“能量推力器”。美國利用計算機視覺技術進行了大量智能裝備的研發和應用。美國防部“敏捷禿鷹”吊艙已經完成了在MQ-9“死神”察打一體無人機上的驗證試驗，其利用計算機視覺技術，實時處理海量情監偵數據，提高了無人機的整體作戰能力。美軍“算法戰跨職能小組”項目將計算機視覺和機器學習算法融入智能采集單元，通過讓計算機進行目標的自動識別，判斷其是否存在敵對活動，分析人員可據此更高效、更及時做出決策[3]。

2.2 可提供高質量的圖像識別

在復雜戰場環境中，存在大量人眼無法完成的圖像識別情況。計算機視覺技術可實現被遮擋物以及人眼無法觸及的非視線下的圖像識別。如DARPA資助的“利用主動光場革命性加強可見性”(REVEAL)項目已取得試驗成功，利用計算機視覺技術實現了非視線成像技術的全面突破，做到了被遮擋物體的高分辨率實時成像。DARPA的“心靈之眼”項目開發的無人機智能相機，可實現對物體和動作的準確識別。

2.3 可為復雜戰場環境提供輔助決策支撐

計算機視覺系統可以結合人工智能算法，實現對戰場環境的偵查和監測，為輔助決策提供信息支撐。無論是DARPA的“深綠”計劃，還是美國陸軍的“指揮官虛擬參謀”項目，都是通過綜合運用計算機視覺技術依據對獲取目標海量數據進行識別、分析、推理和研判，或是對戰場態勢進行計算機視覺技術的分析，提出主動建議和通過人機交互，為指揮員制定戰術決策提供依據和參考，實現從規劃、準備、執行到戰場行動回顧全過程的決策支持。2018年DARPA的“指南針”項目是幫助作戰人員通過衡量敵方對各種刺激手段的反應弄清其意圖，在不適宜采用OODA(觀察、定位、決定、行動)作戰的“灰色地帶”運用計算機視覺等人工智能技術輔助指揮官進行決策。

2.4 可與多種裝備系統集成，實現遠程作戰指揮控制

計算機視覺技術可以與武器裝備進行集成，實現遠程作戰指揮。如美國協同視覺智能技術供應商Edgybees公司為美國空軍AFWERX技術創新計劃提供它的“百眼巨人”增強現實解決方案，將公司計算機視覺技術集成到空軍系統，增強對復雜環境操作場景的態勢感知能力，為指揮官提供遠程作戰指揮控制。計算機視覺目前也應用于便攜式導彈發射系統和大型海軍打擊導彈的武器系統。美國海軍表示，由L3技術公司制造的HE-4G導彈已通過了設計審查，允許項目進行設計鑒定和潛在部署。2022年1月，美國特種作戰司令部與Anduril工業公司簽署了一份高達9.7億美元的合同，使其成為美軍反無人系統集成合作伙伴。將Anduril公司綜合了計算機視覺、機器學習等技術的反無人機系統方法整合到一系列的系統中，“滿足針對特種作戰部隊優化的減輕操作人員任職負擔的解決方案的獨特要求”。

2.5 可實現無人系統的自主探測、定位和精確打擊

計算機視覺技術在無人系統中的應用，首先是人工進行無人系統的操作，操作員從攝像機和激光雷達等攝影設備收集視覺和空間數據，隨后對它們進行標識。新標識的數據信息將由無人系統軟件的人工智能算法運作，進而訓練無人系統在攝像機和激光雷達的視距范圍內識別物體，并聯想類似對象，從而避免危險。目前，小型無人機正在探索利用計算機視覺算法進行獨立飛行，并通過對障礙物的掃描計算來躲避障礙物[4]。

采用計算機視覺技術可實現無人系統自主探測、定位和精確打擊。如美國人工智能與安全航電系統公司2019年宣布，推出了一款能使自主飛行器超視距飛行的首個商用計算機視覺探測與規避解決方案，使無人機系統能像飛行員一樣理解周邊航空環境，可實現自主探測、避撞等。美軍阿帕奇直升機通過計算機視覺技術更新改造后，不但能夠全自動給予戰場圖象，還能夠全自動對1000個偵查目標進行歸類，依據威協等級挑選比較威脅目標進行自主打擊[5-6]。

3 計算機視覺技術對武器裝備建設和對作戰的影響

未來戰爭，智能化因素將滲入戰事和戰備訓練的整個過程，如智能感知、智能化情報搜集、智能輔助管理決策、智能化指揮控制、智能化無人作戰服務平臺等，將變成決定戰爭輸贏的關鍵實力。計算機視覺技術作為人工智能技術的重要組成部分，終將對裝備和未來作戰產生影響。

3.1 對武器裝備建設的影響

在實際作戰中，可借助神經網絡、專門的視覺硬件等對目標進行動態跟蹤，計算機視覺系統通過觀察，可在復雜戰場環境下自動識別出潛在威脅，為目標打擊提供參考信息。因此，計算機視覺系統也呈現出逐步向高度集成的嵌入式和小型化邁進和采用更高可信度的神經網絡架構實現圖像的精準識別等方面發展。

（1）在嵌入式和小型化方面，美國Iris Automation公司的Casia項目是一款超輕量、低功耗、小尺寸的，搭載了智能算法和軟件的計算機視覺模塊，可用于各種尺寸的無人機及目前流行的駕駛平臺，具有可擴展、可升級的特性。

（2）在圖像精準識別方面，DARPA正在探索使用深層神經網絡架構抵御卷積神經網絡的干擾，防止圖像基于像素的修改和“擾動”等計算機出現視覺欺騙。

3.2 對作戰的影響分析

計算機視覺技術作為一種賦能技術，對作戰將產生以下影響。

（1）增強情監偵系統情報獲取和處理能力，全面提升戰場態勢感知。情報監視偵察領域是計算機視覺技術的一個重要應用方向，可顯著提升情報人員分析綜合的準確性和效率，為指揮官準確掌握復雜戰場情況、快速高效處置各類戰場問題以及深度認知戰略形勢等提供可能。美軍開展的“深綠”“指南針”“指揮官虛擬參謀”等一系列項目，都是通過計算機視覺技術對海量數據和戰場態勢提出研判和建議，為指揮員制定戰術決策提供支持。

（2）提高了戰場人機協同作戰能力。人機混合是將人的生物性能和機器的物理性能進行有效的強強聯合，形成人機協同能力。未來戰爭，人機協同作戰將成為無人作戰平臺運用的新態勢，并常態化存在。“采用有人-無人”協同編隊，可實現優勢互補、各取所長。計算機視覺可為人機協同作戰提供“感知引擎”和“強勁大腦”，通過人機系統獲取戰場和目標的重要信息，經過算法處理，即形成相應決策，并依據指揮員的個人經驗和思維習慣等特征做出最終判斷。計算機視覺的發展，在人機協同作戰方面，對于從戰態勢感知、指揮決策、目標引導、火力打擊到毀傷評估的全過程將產生極大的影響，對提升人機協同作戰效能具有顯著作用。在計算機視覺和人工智能技術推動下，人機協同將改寫未來戰爭規則。

（3）催生作戰應用系統智能化，大幅提升戰場指控效率。在未來作戰中，無人武器裝備可以通過計算機視覺技術對目標的視頻信息進行分析和解構，形成圖像信息，再利用計算機視覺的卷積神經網絡圖像識別技術，讀取解構后的圖片中的信息，自動識別出潛在威脅，為自主目標打擊提供參考。美軍的“算法戰跨職能小組”和“指揮官虛擬參謀”項目都可協助美軍快速分析戰場上收集的ISR數據，實現指揮人員的高效戰術決策。DARPA在2020年4月宣布的與美國陸軍和空軍聯合開展的“空域快速戰術執行全面感知”計劃，也是采用計算機視覺等人工智能新技術，在復雜戰場環境下為友軍空域作戰提供實時通用作戰圖像，為其“有人-無人”系統在同一空域內安全行動和執行攻擊提供決策支持，大幅提升戰場質控效率。

4 結語

隨著人工智能技術在美軍智能化裝備應用的不斷深入，基于計算機視覺技術的智能裝備和技術也在不斷深入和發展，其軍事應用正在逐步強化。計算機視覺技術在處理海量數據、感知態勢、輔助人類高效完成任務甚至全面替代人類工作方面潛力巨大，尤其是在無人系統中的應用，將為未來戰場C4RSI等領域帶來深刻的變革。