远程自动瞄准系统的目标识别技术研究

董思妤 苏龙飞 黄正荣 杨芙容

摘 要 自动瞄准系统在武警部队处置突发事件中有着不可估量的重要作用，其中对目标进行识别尤为关键。本文探讨了目标识别技术，通过步态识别出人体特征，完成系统对目标的识别，利用相关算法将准心对准运动目标并显示准心距离图像中心的距离，完成狙击步枪的目标识别，极大地提高了作战的性能。

关键词 自动瞄准 目标识别 步态识别

中图分类号：TP391.4 文献标识码：A

0引言

在武警部队执行任务中，由于恐怖分子手段愈发残忍高明，对武警特勤官兵的安全造成了极大的威胁。甚至在有些时候，由于无法迅速制服恐怖分子，就有可能造成更为严重的后果。为实现对远距离目标的监控、瞄准与打击，可通过步态识别，有效找出敌人所在位置，通过对自动步枪枪口的调整达到精准击中目标的目的，能明显提高射击命中率，极大地提高作战的性能。

1狙击步枪的目标识别系统流程

本文所采用的运动目标识别方法是背景差分法，即是利用当前的图像与背景图像做差分来检测运动区域的一种技术，通过T时刻的图像与背景图像进行比较来提取图像的变化，判断是否有出现运动的物体。这种方法在视频监控系统中是一种简单有效且易于实现的运动目标识别方法。实现运动目标识别可以归纳为下列四个步骤：第一步，从监控装置中获取视频图像序列，并选取理想条件的下无运动物体时的图像作为背景图像。第二步，将获得的视频图像进行滤波处理，然后将当前帧的图像与背景图像进行差分，获得差值图像。第三步，选取阈值，将差值图像阈值化并进行形态学滤波。第四步，提取运动目标信息并判断异常。计算出在当前图像中出现的偏离背景模型的像素个数，当检测出的物体的像素个数大于系统设定值时，就将此运动物体加红色准心标记出来。另外，还要周期性的对图像的背景进行更新以便适应动态场景的变化。

2基于背景建模的图像处理

（1）背景生成算法。本文处理的图像是静止背景序列，这种序列可以用背景相减法得到是否有前景图像，但这需要当前图像对应的背景图像，因此就要进行背景生成。同时场景中的光照等因素是在不断变化的，为了适应这种变化，背景需要有自适应能力，因此对得到的背景还要进行更新，以消除非目标变化的影响。

（2）对捕获图像帧的处理。图像序列的背景得到后，运用图像差运算，如果有物体闯入该区域，那么在前景图像中就可以看到图像的变化并记录此时的图像，但此时的图像存在诸多的干扰，其中噪声是很大的一个不利因素。为了准确提取出运动物体，还要对该图像进行相关处理，具体包括：平滑图像，转换为灰度图，去除噪声，图像二值化，图像翻转，图像的腐蚀与膨胀等。

3基于背景差分的目标识别

（1）提取运动边缘。先求出当前图像和前一帧图像差分后结果的边缘，然后再计算当前图像和原始背景图像差分后结果的边缘。在边缘检测中有很多算法，例如Canny，Sobel等，但是考虑到实时性的应用要求，本文使用了一种快速而又简单的边缘检测方法。该方法通过计算像素点的值和它4领域内的任一值进行比较，如果它们之间的绝对值差大于给定的阈值T，则将该像素点标记为边缘。在所有的边缘点检测完毕后得到二值图像。

（2）运动目标的阴影去除。阴影主要由于光源被物体遮挡而引起。在场景中，当光源强烈时，运动目标的阴影就会出现，并随着目标的运动而运动。由于阴影会改变背景图案的像素亮度，所以得到的运动前景区域会将阴影和运动目标一起显示出来。为了得到精确的目标，必须把阴影去除，另外，在对背景进行构造的过程中，运动物体所造成的阴影是会随着运动目标的变化而产生变化，是不属于背景的部分，所以不能够把阴影构造到背景里面去。根据阴影的视觉特征，阴影存在的部分可以被看为半透明的部分，当阴影部分将背景点覆盖时，其亮度值会变小，色度值大小则基本保持不变，而运动目标把背景点覆盖时，其亮度值则会变大或者变小，但色度值一般变化会很大。

（3）背景的构建与更新。把背景模型的更新分成3个部分：①原始背景中没有变化的部分IB1；②原来运动的目标突然静止转化为背景部分IB2；③运动目标在场景中的较少并且持续不断运动造成的背景缓慢变化部分IB3。本文主要针对第二部分的背景更新提出了一种快速而简单的算法。具体步骤如下：①把当前图像In和背景图像Bn做绝对差分，然后取阈值，得到运动目标；②应用阴影去除模型，去掉阴影部分，得到精确的运动目标二值结果Men；③应用边缘提取方法，提取出当前图像的运动边缘Mn；④将两个结果Men和Mn作对比，在Mn中运动边缘之外的区域对应Men，如果该部分不属于原来的背景区域，而两者相比，差异度达到90%以上，则将该部分像素标记为背景。

（4）运动目标的提取。将经过中值滤波的背景图像和目标图像进行差分运算，将得到的差分结果进行阈值化，目的是按照灰度级对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部都会有相同的属性，且相邻区域布局有这种一致属性。这样的划分可以利用從灰度级出发选取一个或多个阈值来完成。

（5）运动目标的识别。通过判断阈值化的差分图像的米粒个数来实现与完成。使用图像处理函数对二值图像连通物体标记，判断分割出来的运动物体的面积大小。预先设定一个值，当得到的标记物体面积大于设定的数值时，则认定为当前帧出现了运动的目标。这样的话就可以排除一些背景环境的微小变化或者微小无关物体的干扰。

4结论

通过利用背景差分法对运动目标进行各类图像处理，选取最为恰当的二值阈值对运动的目标进行分割与识别而后对步态特征进行提取与比对，从而识别出人体特征，完成系统对目标的识别，最终通过相关算法将准心对准运动目标并显示准心距离图像中心的距离，完成狙击步枪的目标识别。

参考文献

[1] 王香菊.基于中值滤波和小波变换的图像去噪方法研究[D].广州：华南师范大学，2008.

[2] 王小华，王波.一种有效的动态背景更新方法[J].杭州电子科技大学学报，2009（03）.