基于多特征自適應(yīng)融合的軍事偽裝目標(biāo)跟蹤分析

摘 要：軍事偽裝目標(biāo)的實(shí)際運(yùn)動過程往往有著復(fù)雜的地理環(huán)境干擾，因此需要進(jìn)行復(fù)雜環(huán)境當(dāng)中的特征識別和目標(biāo)跟蹤，并借助技術(shù)上手段實(shí)現(xiàn)多特征適應(yīng)提取。本文基于多掙自適應(yīng)融合算法的試驗(yàn)方案，首先論述了多特征自適應(yīng)融合的策略，結(jié)合軍事偽裝的環(huán)境特征，進(jìn)行了聯(lián)合直方圖、算法和模板更新設(shè)置，幫助軍事目標(biāo)偽裝跟蹤識別水平得到提高。

關(guān)鍵詞：軍事偽裝；多特征自適應(yīng)；聯(lián)合直方圖；特征融合

前言：多特征自適應(yīng)融合能夠?qū)⒘Ｗ訛V波和追蹤算法應(yīng)用于均值漂移算法當(dāng)中實(shí)現(xiàn)對于算法的優(yōu)化。軍事目標(biāo)偽裝的追蹤在算法的使用環(huán)境之下可以直接通過加權(quán)的方式實(shí)現(xiàn)聯(lián)合直方圖的繪制，從而借助灰度和梯度，識別偽裝方向信息。再姐互助自動調(diào)節(jié)方式，獲取權(quán)重，使其能夠應(yīng)用在粒子濾波框架之下，提升追蹤算法的廣泛場景適應(yīng)能力。

1.多特征自適應(yīng)融合概述

多特征自適應(yīng)融合技術(shù)是計算機(jī)視覺領(lǐng)域的視覺目標(biāo)跟蹤技術(shù)，該技術(shù)的優(yōu)勢和應(yīng)用需求使其能夠?qū)崿F(xiàn)機(jī)器人視覺、視頻監(jiān)控等功能，因此也被應(yīng)用于軍事技術(shù)領(lǐng)域?，F(xiàn)代軍事偽裝技術(shù)主要通過將復(fù)雜地理環(huán)境與偽裝主體相互結(jié)合，偽裝主體所處位置的復(fù)雜光纖、遮擋物以及主體自身的顏色特點(diǎn)等融為一體，難以察覺。由于特征不明顯，因此一般軍事視覺技術(shù)難以實(shí)現(xiàn)對于其的識別和追蹤功能，而單一特征信息則不足以實(shí)現(xiàn)有效跟蹤，因此需要借助新型的算法資源來實(shí)現(xiàn)對于特征量的識別和偽裝特征的過濾，從而清楚辨別偽裝主體的位置和運(yùn)動特點(diǎn)。隨著技術(shù)創(chuàng)新，視覺目標(biāo)跟蹤技術(shù)的研究開始朝著算法創(chuàng)新領(lǐng)域逐漸發(fā)展和提升，有部分研究者指出，可以嘗試借助權(quán)重算法方式，實(shí)現(xiàn)局部搜索狀態(tài)下的匹配算法，隨后可以借助多顏色特征進(jìn)行組合，實(shí)現(xiàn)更多的特征量獲取，最終達(dá)到對于偽裝目標(biāo)的有效識別。識別當(dāng)中，則需要借助似然比圖的方式，對格特征的方差進(jìn)行分析，從而明確特征與背景再所在區(qū)域內(nèi)的區(qū)分方案，完成最優(yōu)抉擇。筆者再結(jié)合了以往研究經(jīng)驗(yàn)后，將背景甲醛和可信度多特征進(jìn)行了融合，從而實(shí)現(xiàn)利用均值的漂移算法，完成偽裝特征的精準(zhǔn)獲取[1]。

2.基于多特征自適應(yīng)融合的軍事偽裝目標(biāo)跟蹤

2.1多特征聯(lián)合直方圖

視覺目標(biāo)特征較為豐富，其中顏色特征、紋理特征以及梯度特征等，較為便于進(jìn)行視覺觀察，而算法的創(chuàng)新需要將可供觀察的特征那個進(jìn)行量化，并實(shí)現(xiàn)加權(quán)，因此筆者將灰度特征當(dāng)中的尺度變化、形態(tài)改變和旋轉(zhuǎn)方式作為影響環(huán)節(jié)，實(shí)現(xiàn)了特征量化識別方案。軍事偽裝目標(biāo)所處的光照、地理環(huán)境十分特殊，因此本文結(jié)合梯度方向和光照變化，確定了聯(lián)合直方圖。根據(jù)特征信息劃分等級為四十八個，其中灰度直方圖為u1=1-32，而33-48則為梯度方向直方圖。通過假設(shè)中心位置x和目標(biāo)窗口數(shù)值h，可以確定所處區(qū)域的像素位置xi，此時，目標(biāo)區(qū)域就可以借助歸一化系數(shù)和分布等級映射函數(shù)完成公式建設(shè)，其中像素總數(shù)、delte函數(shù)和核函數(shù)作為主要的計算單元能夠滿足目標(biāo)邊緣的遮擋情況分析權(quán)值。權(quán)值越小，表明其所處像素與中心目標(biāo)越遠(yuǎn)[2]。

2.2 Mean shift算法

Mean shift算法的主要功能在于幫助直方圖對圖象各幀進(jìn)行結(jié)果定位預(yù)測。改算法作為一種非參數(shù)密度算法，能夠結(jié)合前一幀的目標(biāo)定位，選取到灰度直方圖下的跟蹤目標(biāo)重心，從而確定下一幀圖象的目標(biāo)中心，從而獲取實(shí)時收斂，實(shí)現(xiàn)局部極值。不過傳統(tǒng)的mean shift算法由于所處的灰色信息直方圖作為主要的表述目標(biāo)，因此在軍事偽裝目標(biāo)當(dāng)中，受到光照變化或者灰度狀態(tài)干擾后，其所表現(xiàn)出的算法情況將會與實(shí)際情況存在較大誤差，導(dǎo)致最終跟蹤失敗。為了能夠提高跟蹤效果，需要對原有的mean shift算法進(jìn)行一定程度的改進(jìn)。本文提出，可以嘗試結(jié)合傳統(tǒng)公式算法的方式，通過迭代對權(quán)值函數(shù)當(dāng)中可能無法完成分辨的特征信息進(jìn)行處理，從而將背景紋理與目標(biāo)灰度重新賦予權(quán)重，增加梯度方向信息，從而達(dá)到可信度的提高，完成精準(zhǔn)的目標(biāo)追蹤。

2.3模板更新

模板的穩(wěn)健性是保證目標(biāo)跟蹤當(dāng)中可以避免光照變化干擾的主要方法，因此在算法和直方圖的實(shí)踐當(dāng)中更需要進(jìn)行對于目標(biāo)模板的及時更新，以此來增強(qiáng)算法本身的抗干擾能力。同時模板更新過度可能會造成累積誤差，導(dǎo)致目標(biāo)識別的精準(zhǔn)度下降，因此在實(shí)際的模板更新當(dāng)中，應(yīng)當(dāng)采取相鄰真實(shí)目標(biāo)圖片幀作為參考的目標(biāo)方式，進(jìn)行加權(quán)組合更新，保證模板的更新效果。

結(jié)論：軍事偽裝所處的目標(biāo)環(huán)境十分復(fù)雜，為了達(dá)到不易發(fā)現(xiàn)的目的，軍事偽裝通常借助與周邊環(huán)境進(jìn)行彼此融合的方式，降低自身特征量。而目標(biāo)跟蹤技術(shù)則需要在復(fù)雜環(huán)境的基礎(chǔ)上進(jìn)行特征量提取和分析，實(shí)現(xiàn)目標(biāo)的跟蹤。多特征自適應(yīng)融合技術(shù)通過算法創(chuàng)新，能夠有效避免平移、干擾、遮擋等復(fù)雜情況影響，增強(qiáng)跟蹤性能。

參考文獻(xiàn)：

[1]謝曉竹，薛建棟.軍事變形偽裝目標(biāo)的識別系統(tǒng)研究[J].光學(xué)與光電技術(shù)，2017，15（05）：27-30.

[2]李翔城，譚小波，王曉峰.基于紫外分光光度法對軍事偽裝識別的實(shí)驗(yàn)探索[J].四川兵工學(xué)報，2014，35（03）：141-143.

作者簡介：

陳飛（1987.10），男，漢，湖南省永州市人，本科。