基于蛙人探测声纳序列图像的水下小目标跟踪算法

李晖宙 刘正红 毛 盾

（1.海军工程大学电子工程学院 武汉 430033）（2.91878部队 湛江 524022）

1 引言

多年来，水下安全问题一直是世界各国安防领域一个比较薄弱的环节。印度孟买发生的恐怖袭击和2008年5月斯里兰卡泰米尔“猛虎”组织发动的水下偷袭都让世界各国开始重新审视其水下安全状况。恐怖组织利用“非对称”战的特点，使用蛙人、蛙人运载器、水下机器人等小型武器对海军舰艇基地、民用港口、海上钻井平台等海滨重要设施进行攻击，可以造成巨大的生命和财产损失。针对这种情况，各国投入大量的力量研究针对蛙人、水下机器人等小目标探测专用的声纳技术，称为蛙人探测声纳，并以其为基础构建针对港口和重点目标防御的监视系统。加拿大、英国、美国已率先构建自己的水下安全网络［1～3］。国内首先进行该工作的中国科学院，并于2008年北京奥运会期间部署了第一个反蛙人水下安保系统［4～5］。目标自动检测和跟踪是蛙人探测声纳技术发展的重点和难点，也是无人值守港口监视系统的关键点，可大幅降低值班人员的工作强度，提高反蛙人作战的时效性和针对性。虽然从系统介绍资料看，各国的水下监控系统都带有移动目标自动检测和跟踪功能，但由于发展时间短、技术封锁等方面的原因，公开的关于蛙人探测声纳目标检测与跟踪方面的文献非常少。

目前常用的一些视频目标跟踪方法［6～7］由于蛙人探测声纳与光学成像系统成像机理和图像特点上的差异并不太适合在水下监控系统中使用。这些差异主要表现在以下几个方面：

1）蛙人探测声纳根据回波强度成像，在距离声纳部署点较近的地方存在噪声较大的混响区域，同时目标灰度值也随它与部署点之间的距离远近而发生变化；

2）蛙人探测声纳图像中目标一般较背景区域的灰度值要高，即灰度值高的区域较灰度值低的区域出现目标的置信度要高，而灰度值极低的区域内出现目标的置信度则很低；

3）目标面积小，缺乏纹理等结构信息；

4）目标的外形（面积）和灰度会经常发生改变，有时变化还会比较大。

也有一些文献提出了专门针对声纳图像的跟踪方法［8～10］，但主要是针对高分辨率声纳图像，由于监测系统要求尽可能多的预警时间和尽可能远的预警距离，其分辨率不可能太高，一般目标的面积在十几个像素左右，有时甚至更小，目标缺乏形状和纹理等高分辨率条件下的可用信息，这也使得蛙人探测声纳中的目标跟踪问题变得更为复杂。

最近邻法是一种较好的跟踪点目标的方法，具有计算简单、实时性好的特点。然而传统的最近邻法也有一些缺点：一是没有考虑目标的灰度、尺寸等图像信息，使得航迹产生错误的跟踪信息，如一个小目标会和较近的一个大目标相关联；二是最近邻法并不一定得到最优的关联结果。

本文在分析蛙人探测声纳成像特点和水下监控环境特点的基础上，利用目标在形状和运动上的连续性，提出了基于面积约束的全局最近邻数据关联法，该算法首先用高斯模型对目标面积的变化建模，并以此作为约束条件，构建候选点迹与航迹的距离矩阵和代价函数，采用扩展Munkres方法求解候选点迹与航迹关联的全局最优解，实现对多个目标的跟踪，并通过引入航迹“运动方向”的思想消除了混响区虚假航迹的影响。

2 水下监控环境的特点

蛙人探测声纳在成像原理、图像特征以及自身结构方面都和传统的光学系统有很大的区别，而海洋环境和陆地环境也有所不同。这些区别导致与传统视频监视系统相比，利用蛙人探测声纳构建的水下监视系统有以下几个特点：

1）目标小。蛙人等水下小目标一般在声纳图像上只占10～30个像素，有时甚至更小；

2）帧率低。一般的机械扫描声纳帧率都在秒一级，从几秒到几十秒不等。与普通视频每秒30帧以上的帧率相距甚远，与雷达相比也低了很多；

3）信噪比低。由于目标面积小使得真实目标与噪声很难区分。当前，给水下小目标判别造成影响的主要因素有：混响、天气、波浪、表面船及其尾流、热噪声、浮标和防波堤等等；

4）成像不稳定。一方面由于影响目标信号强度的因素很多，致使目标的灰度值和形状均会发生改变。另一方面受海水运动和声纳成像原理的影响，即使原本静止的物体在图像上也会出现位置上的偏移，如浮标和防波堤；

5）背景简单。与陆地上相比，水下移动物体较少，背景单一；

6）目标数量和运动速度有限。当前水下攻击模式仍以突袭为主，由于水下背景简单，为达到突袭效果必须注意隐蔽行踪，从而限制了目标运动的速度和行动参与者的数量。

3 基于面积约束的全局域最近邻数据关联法

3.1 求解混响区域的边界

由于声纳本身的特点，在离声纳布放点近的混响区域内经常会有强度较高的热噪声出现，而这些高强度的热噪声无论从灰度值，还是从大小上看都和真实目标很接近，常常会错误地将它们关联成一条航迹，从而引发虚警。这一点在成像环境较恶劣时尤为显著。因此有必要确定混响区域的边界。

对一个像素点(x ，y) ，采用式（1）计算其到中心点（width 2，height 2）的距离 Dist(x ，y )：

因此，对于任何一个像素点 p，该点到中心点的距离Dist(p)的取值范围为：

将Dist(p)的取值范围分成n等份。n的值可以根据需要选取，n越大，计算量越大，精度也越高。设，即各取值区间为其中k=0，1，2，…，n-1。则 Dist(p)对应量化后的值d(x ，y)=k。这样，每个像素(x ，y)都对应两个值：f(x ，y )和 d(x ，y) 。以 d(x ，y)为直方图的横坐标生成直方图 Ht，这里直方图 Ht的横坐标取t=0，1，2，…，n-1。直方图中对应于 t的纵坐标取值如式（2）所示：

找到R后，以R为边界将图像分成两部分，小于R的部分称为混响区，大于R的部分称为非混响区。

3.2 航迹起始

航迹起始是目标跟踪的首要问题。航迹起始一般包括两个环节：暂时航迹的生成和暂时航迹的确认或删除。滑窗法是一种常用的航迹起始方法，其基本思想如下：设序列2，…，ZN)表示含 N次扫描的时间窗的输入，如果在第i次扫描时相关波门内含有点迹，则元素Zi等于1，反之为0。当时间窗内的检测数达到某一特定值为Tz时，起始跟踪便告成功。否则，滑窗右移一次扫描。即检测数和滑窗中的相继事件数，两者一起构成了航迹的起始逻辑，称为“m/n”逻辑。由于机械扫描声纳按扇区更新，同时考虑预警时间的需要，Tz不能太长，否则给予操作员的预警时间太短，算法中N取两个扫描周期，Tz取2，即对于第1次扫描周期的每一个潜在目标，以此观测值为中心确定一个接收区域，第2扫描周期的观测若是落入此区域，则可形成一条航迹。

由于混响区内热噪声较多，常会出现由热噪声导致的虚假航迹。针对这种情况，采用以下规则：

规则1：如果区域A是声纳的混响区域，区域B是声纳的非混响区域，L:A→B表示航迹L对应的目标从A向B运动，则航迹L为真实航迹的必要条件是L:B→A、L:B→B，否则为虚假航迹。

规则1是基于这样一个事实：真正的入侵者必然从监控区外部向监控区内部运动，亦即从声纳非混响区域向声纳混响区域运动，或者在声纳非混响区域内运动，而虚假航迹则一直位于混响区域内。根据规则1，算法为每一条航迹引入一个“运动方向”属性，并根据混响区域的半径R进行设置。当某条航迹的所有点迹记录中有一个点迹不在由半径R所限定的区域内时，该航迹对应的“运动方向”属性设置为TRUE，算法认为该航迹是真实航迹；否则，设置为FALSE，算法认为该航迹是由多个高强度的热噪声关联成虚假航迹。这里，由于警戒系统对检测率的较高要求，对规则1的条件进行了一定程度的放宽，允许L:A→B，即航迹可以从混响区域向非声纳混响区域运动。

3.3 全局域最近邻数据关联

在全局域最近邻算法中，数据关联的依据为：对现存的所有航迹分配此次扫描到的所有有效观测点，计算对这些航迹错误分配有效观测点时的总风险函数，将使总风险函数达到最小值的与各航迹关联的观测点作为此次航迹关联的观测点迹。全局域最近邻算法的缺点是计算量大，然而由于蛙人、UUV等水下小目标一般采用突袭方式发动攻击，其作战方式强调隐蔽性，所以一次攻击的参与者不会太多，这样可以满足系统实时性的要求，然而传统的全局域最近邻算法主要针对点目标，缺乏对目标其他信息的考察。由于蛙人探测声纳中目标强度和轮廓的变化都比较明显，只有面积相对稳定。因此算法采用面积约束条件下的全局域最近邻域法进行数据关联。

该方法的关联准则表述如下。设{Z1，Z2，…，ZN}是蛙人探测声纳在本帧录取到的N个候选点迹，{L1，L2，…，LM} 是蛙人探测声纳之前获得的M条航迹，对于每一条航迹，分别有{n1，n2，…，nM} 个候选点迹同时位于它的波门内，其中n1+n2+…+nM=N。只有当n1=n2=…=nM=1时，即每一条航迹的波门内只有1个候选点迹，则该候选点迹与该航迹相关；否则，存在n1×n2×…×nM种可能的组合。设Tk=…，…，Z)代表一组可能的关联组合表示与第i条航迹相关的候选点迹，表示与第 i条航迹Li的距离，定义代价函数C(Tk)为：

即：代价函数为关联组合中所有候选点迹与其对应航迹的距离之和。

以面积作为点迹和航迹相关的另一个参考量，设{S1，S2，…，SM} 是 M 条 航 迹 对 应 的 面 积 ，{SZ1， SZ2， …， SZN}表示本帧录取的N个候选点迹对应的面积，一个候选点迹与某条航迹相关联，要求该候选点迹必须在面积上与该航迹具有一定的相似度。

对于单个目标，其面积的分布满足高斯分布，即目标面积模型S满足：

这样基于面积约束的全局最近邻数据关联问题就转变为了一个指派问题，即将候选点迹Zi分配给航迹Lj可使关联组合中所有点迹与其对应航迹的距离之和达到最小。这一问题可利用扩展Munkres方法来求解。

3.4 面积更新

受成像环境的影响，目标的面积也会发生变化，在点迹与航迹进行关联后，需要利用新的目标面积对相应的航迹的面积参数进行更新。

更新的表达式如下：

4 实验结果和分析

为验证算法的有效性，我们进行了多个实地的试验。实验1是为了验证算法抗干扰的能力，实验环境如下：天气为晴天；蛙人着闭式潜水衣；潜水深度10m；海况3级。图像是127级512×512像素的伪彩色图像。实验1是蛙人从声纳中心下水向声纳外沿运动，图中距离声纳中心不远处东北方向有一小群浪花朝声纳中心处运动，由于靠近声纳中心，这部分浪花在图像强度和尺寸上都与蛙人目标很相似，而且数目也较多，使蛙人目标不易识别。图2（a）～（f）为算法进行检测后的结果，图2（a）中蛙人目标和浪花一起被识别为待确认目标（图中白色虚线框），图2（b）中蛙人目标被识别为确认目标（图中实线框）。由于屏幕截图的问题，目标的编号部分不太一致。实验2主要用于验证算法跟踪多目标的能力，实验中多个目标先后向声纳中心运动。图3（a）～（f）为算法进行跟踪后的图像。从图中可以看出即使多个目标非常接近时算法仍能较好地进行关联跟踪。

5 结语

针对水下监控系统中的小目标跟踪问题，在分析蛙人探测声纳成像特点和水下监控环境特点的基础上，本文提出了基于面积约束的全局域最近邻数据关联法，该算法综合利用了目标在外形和空间上的近似性，以面积为约束，采用全局域最近邻法实现对目标的跟踪，克服了水下小目标成像不稳定、结构信息缺乏的难点，通过引入航迹“运动方向”的概消除了混响区虚假航迹的影响，提高了算法的鲁棒性。最后利用两个实验验证了该算法具有准确性高、实时性好、鲁棒性强。

［1］A.Asada，K.Kuramoto，T.Tanaka，K.Oimatsu，et al.Devel⁃opmentof an Underwater Security Sonar System［J］.pro⁃ceedingsofOceans'06，2006：1-3.

［2］Crawford A.M，Vance Crowe D.Observations from Demon⁃strations of Several Commercial Diver Detection Sonar Sys⁃tems［J］.proceedingsofOceans'07，2007：1-3.

［3］Annati M.Harbour protection and defense of the coast［J］.Naval Forces2008，29（III）：24-37.

［4］蒋立军，杨娟，许枫.蛙人探测声呐技术研究进展［J］.中国科学，2009，54（3）：269-272.

［5］张波，陈小泉.蛙人探测及蛙人探测声呐［J］.中国科技信息，2009，2：51-52.

［6］H.Bohyung，D.Comanuciu，Z.Ying，D.Larry S.Sequential kernel density approximation and its application to re⁃al-time visual tracking［J］.IEEE Trans.On Pattern rec⁃ognitionandmachineintelligence，2008，30（7）：1186-1197.

［7］侯志强，韩崇昭.视觉跟踪技术综述［J］.自动化学报，2006，32（4）：603-617.

［8］Bell J.M，Petillot Y.R，Lebart K，et al.Target Recognition in Synthetic Aperture and High Resolution Sidescan Sonar［J］.High Resolution Imaging and Target Classification，2006，11：99-106.

［9］Clark D，Ruiz Z.T，Petillot Y，Bell J.Particle PHD filter multiple target tracking in sonar images［J］.IEEE Trans.On Aerospace and Electronic System 2007，43（1）：409-416.

［10］蒋立军，杨娟，许枫.蛙人探测声纳技术研究进展［J］.科学通报，2009，54（3）：269-272.