吳德華 宋珍華 強(qiáng)京寧 張 楠 劉定震 龍成生 陳然然

訓(xùn)練·行為

氣味鑒別行為建模與評(píng)估系統(tǒng)的建立

吳德華 宋珍華 強(qiáng)京寧 張 楠 劉定震 龍成生 陳然然

將六軸傳感器、陀螺儀等新技術(shù)應(yīng)用到警犬氣味鑒別行為測(cè)量評(píng)價(jià)中，研發(fā)了警犬氣味鑒別行為采集專用的體態(tài)變化傳感采集器，專用于采集提取存貯犬體態(tài)發(fā)生變化時(shí)的行為數(shù)據(jù)；利用波形擬合算法、神經(jīng)網(wǎng)絡(luò)算法等機(jī)器算法，對(duì)采集器所獲取的行為數(shù)據(jù)進(jìn)行數(shù)據(jù)分析與數(shù)學(xué)模型建立、馴化、優(yōu)化應(yīng)用。結(jié)果表明：研制的警犬行為數(shù)據(jù)采集器能夠有效采集存貯犬的鑒別行為數(shù)據(jù)，建立的警犬氣味鑒別行為識(shí)別評(píng)價(jià)系統(tǒng)能夠應(yīng)用于輔助評(píng)價(jià)警犬日常氣味鑒別行為；用于馴化的行為數(shù)據(jù)量越大，其建立模型的評(píng)價(jià)結(jié)果越能與鑒別犬的實(shí)際鑒別作業(yè)能力相吻合。

警犬氣味鑒別是指鑒定主體科學(xué)運(yùn)用警犬技術(shù)，在具備實(shí)驗(yàn)條件的場(chǎng)所，使具備鑒別能力的警犬，充分利用其對(duì)氣味靈敏的分析與綜合能力，以與案件有關(guān)的人體氣味為嗅源，通過專門方法對(duì)提取的被鑒物氣味進(jìn)行鑒別和判斷，做出是否同一的鑒定結(jié)論，并提供氣味鑒定意見的活動(dòng)。為了保證警犬氣味鑒別行為的穩(wěn)定性、更好地識(shí)別氣味鑒別行為的差異性，科學(xué)客觀地評(píng)價(jià)警犬氣味鑒別行為的結(jié)果，我們將傳感器識(shí)別與計(jì)算機(jī)模擬技術(shù)應(yīng)用到警犬氣味鑒別行為識(shí)別評(píng)估工作中，建立了警犬鑒別行為識(shí)別評(píng)估系統(tǒng)?，F(xiàn)將有關(guān)情況報(bào)告如下：

一、建模方法與程序設(shè)計(jì)

警犬在日常生活及工作的過程中，因體態(tài)不斷地改變從而構(gòu)成了警犬的各種行為。警犬氣味鑒別活動(dòng)也是如此。在警犬進(jìn)行鑒別工作時(shí)，最常發(fā)生的行為表現(xiàn)是坐、抓扒、低頭嗅聞、走動(dòng)等。這些行為中均發(fā)生犬體態(tài)的變化。為了測(cè)量和評(píng)價(jià)鑒別犬體態(tài)發(fā)生的變化，我們采用了目前較為先進(jìn)的硬件設(shè)備（如六軸傳感器、陀螺儀等）來采集犬的行為數(shù)據(jù)，并結(jié)合大數(shù)據(jù)統(tǒng)計(jì)和數(shù)學(xué)建模方法（如波形擬合算法、神經(jīng)網(wǎng)絡(luò)算法）來進(jìn)行評(píng)估研究。本試驗(yàn)采用的建模方法和程序設(shè)計(jì)主要包括以下7個(gè)方面：

（一）數(shù)據(jù)采集終端的研發(fā)

利用六軸傳感、陀螺儀、加速度計(jì)技術(shù)，研發(fā)了犬行為采集專用的體態(tài)傳感器，采集提取存貯犬體態(tài)發(fā)生變化時(shí)的行為數(shù)據(jù)。傳感器實(shí)物圖見圖1。

圖1 傳感器實(shí)物圖

（二）數(shù)據(jù)的提取和轉(zhuǎn)換

提取采集器中采集的原始數(shù)據(jù)，并將數(shù)據(jù)中的16進(jìn)制轉(zhuǎn)換成10進(jìn)制，存儲(chǔ)到fulldata.m文件中；同時(shí)讀取傳感器原始六軸數(shù)據(jù)，將數(shù)據(jù)存儲(chǔ)到data.m文件中。相關(guān)程序代碼如下:

fulldata=data_trsport('080309-背部.dat')；

data=fulldata(：，8：13)；%讀取數(shù)據(jù)中的六軸原始數(shù)據(jù)

（三）數(shù)據(jù)的過濾與降噪

對(duì)原始六軸數(shù)據(jù)進(jìn)行濾波，減少噪聲的干擾。相關(guān)程序如下：rgx=rgx+(gx_vector(5)-t0_rgx)/filter_ len；

rgy=rgy+(gy_vector(5)-t0_rgy)/filter_len；%對(duì)陀螺儀數(shù)據(jù)進(jìn)行均值濾波

rgz=rgz+(gz_vector(5)-t0_rgz)/filter_len；

rax=median_filter(ax_vector，filter_len)；

ray=median_filter(ay_vector，filter_len)；%對(duì)加速度計(jì)數(shù)據(jù)進(jìn)行中值濾波

raz=median_filter(az_vector，filter_len)；

（四）數(shù)據(jù)融合

將采集器中的陀螺儀數(shù)據(jù)與加速度計(jì)數(shù)據(jù)進(jìn)行融合，獲得靜止?fàn)顟B(tài)下的重力加速度的三軸的分量，根據(jù)重力加速度的三軸分量計(jì)算出對(duì)應(yīng)的姿態(tài)數(shù)據(jù)，包括俯仰角、橫滾角和豎直方向上的加速度分量。相關(guān)程序代碼如下：

pitch_angle_value=-pitch_angle_deal(rgx，rgy，rgz，rax，ray，raz)；%計(jì)算俯仰角roll_angle_ value=-roll_angle_deal(rgx，rgy，rgz，rax，raz)；%計(jì)算橫滾角z_axis_gravity_az=z_axis_gravity_ deal(rax，ray，raz，-pitch_angle_value，-roll_ angle_value)；%計(jì)算z軸重力加速度分量

（五）數(shù)據(jù)分析與矩陣建立

對(duì)所獲得的數(shù)據(jù)進(jìn)行整合分析，獲取所需要?jiǎng)幼鞯淖R(shí)別特征矩陣。首先選取合適的識(shí)別窗口大小，比如針對(duì)嗅氣味這個(gè)動(dòng)作，發(fā)生的時(shí)間非常短，我們選取0.25s為識(shí)別窗口；其次根據(jù)時(shí)間誤差找到這個(gè)動(dòng)作對(duì)應(yīng)的姿態(tài)數(shù)據(jù)，計(jì)算并獲取特征矩陣。相關(guān)程序代碼如下:

feature_matrix，active_happen_time,accord_ windows]=capture_new_active(angle_data，windows_ size，newdz，errt)；%計(jì)算并獲取特征矩陣

（六）關(guān)鍵行為特征數(shù)據(jù)的捕獲。

在數(shù)據(jù)矩陣中，對(duì)日?；顒?dòng)及鑒別過程中發(fā)生的特征關(guān)鍵行為動(dòng)作數(shù)據(jù)進(jìn)行捕獲，用于分析。相關(guān)程序代碼如下：

if len==windows_size

capture_value=capture_deal(angle_feature_ vector，figure_matrix)；

end %識(shí)別捕獲動(dòng)作

其中，鑒別犬杰希氣味鑒別過程中各個(gè)動(dòng)作的波形圖見圖2。

圖2 杰希氣味鑒別過程中各個(gè)動(dòng)作的波形圖

杰希氣味鑒別過程中各個(gè)動(dòng)作的特征矩陣見圖3。

圖3 杰希氣味鑒別過程中各個(gè)動(dòng)作的特征矩陣

（七）數(shù)據(jù)建模分析

對(duì)捕獲的數(shù)據(jù)進(jìn)行大樣本數(shù)據(jù)整合，建立識(shí)別模型。在此過程中進(jìn)行大樣本數(shù)據(jù)檢驗(yàn)與算法迭代優(yōu)化。最終獲得適合于相應(yīng)警犬的氣味鑒別行為識(shí)別模型。

圖4 數(shù)學(xué)建模過程示意圖

二、模型馴化與系統(tǒng)建立

本研究選用6頭氣味鑒別犬進(jìn)行試驗(yàn)，利用穿戴式行為數(shù)據(jù)采集設(shè)備和視頻采集設(shè)備同時(shí)進(jìn)行警犬行為數(shù)據(jù)的采集。每頭氣味鑒別犬的單個(gè)鑒別行為集樣本至少為30個(gè)，針對(duì)每頭犬建立一個(gè)相應(yīng)的行為模型。模型初建后，再不斷用相應(yīng)犬的新數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)優(yōu)化，以使每個(gè)模型更加貼合每頭警犬的行為。

在此基礎(chǔ)上整合行為采集、處理、評(píng)價(jià)的技術(shù)過程，設(shè)計(jì)建立警犬氣味識(shí)別行為分析評(píng)估系統(tǒng)，用以輔助評(píng)價(jià)警犬日常氣味鑒別行為。

三、評(píng)估分析

為了檢驗(yàn)評(píng)估系統(tǒng)的性能，我們選取了6頭犬連續(xù)8次的行為數(shù)據(jù)，利用該系統(tǒng)進(jìn)行分析評(píng)估。結(jié)果見表1、表2、表3。

表1 警犬鑒別行為評(píng)估最高分

將表1中每頭犬評(píng)估得分最高的鑒別行為與其現(xiàn)場(chǎng)視頻資料相比對(duì)，可發(fā)現(xiàn)該次鑒別行為是8次鑒別行為中最好的，該分值比較符合通過肉眼觀察所作的判斷；另外，每頭犬的最高得分情況為馬?。窘芟＃窘芸耍拘∫埃拘∠啵咎└?，該分值排序比較符合通過肉眼觀察對(duì)每頭犬的鑒別狀態(tài)及能力所作的判斷。因此，可以推斷該評(píng)估系統(tǒng)所得的分值能較好的直觀反映每頭犬的鑒別狀態(tài)。

表2 警犬鑒別行為評(píng)估最低分

將表2中每頭犬評(píng)估得分最低的鑒別行為與其現(xiàn)場(chǎng)視頻資料相比對(duì)，可發(fā)現(xiàn)該次鑒別行為是8次鑒別行為中最差的，比較符合通過肉眼觀察對(duì)每頭犬的鑒別狀態(tài)及能力所作的判斷。

表3 警犬行為評(píng)估得分平均值

表3中所示的每頭犬評(píng)估得分平均值為杰希＞馬?。拘∫埃拘∠啵窘芸耍咎└辏摲种蹬判虮容^符合通過肉眼觀察對(duì)每頭犬的鑒別狀態(tài)及能力所作的判斷；另外每頭犬多次評(píng)估得分的標(biāo)準(zhǔn)方差為杰希＜泰戈＜小相＜杰克＜小野＜馬丁，該分值排序說明了每頭犬鑒別行為的穩(wěn)定性差異，比較符合每頭犬的真實(shí)情況。此外，每頭犬每次正確確認(rèn)目標(biāo)罐的行為評(píng)估總分都在60分以上，可初步推斷警犬行為評(píng)估總分在60分以上時(shí)警犬正確確認(rèn)了目標(biāo)罐；每頭犬的基礎(chǔ)狀態(tài)評(píng)分都在80分以上，說明每頭犬的狀態(tài)良好，此項(xiàng)得分可幫助訓(xùn)導(dǎo)員及時(shí)了解犬的工作狀態(tài)，并及時(shí)調(diào)整犬的工作狀態(tài)。另外，每頭犬的氣味鑒別評(píng)分差異較大，可推斷每頭犬的氣味鑒別能力和鑒別行為差異較大，此項(xiàng)得分可幫助訓(xùn)導(dǎo)員不斷提高犬的鑒別能力。表中每項(xiàng)得分的標(biāo)準(zhǔn)方差大小不一，從中可推斷出每頭犬氣味鑒別行為的穩(wěn)定性不同，此值可以輔助訓(xùn)導(dǎo)員了解犬某段時(shí)間內(nèi)的工作狀態(tài)是否穩(wěn)定，以便及時(shí)進(jìn)行調(diào)整，使警犬的氣味鑒別行為更加穩(wěn)定。

在連續(xù)8次的氣味鑒別訓(xùn)練中，泰戈識(shí)別目標(biāo)罐的錯(cuò)誤率最高，對(duì)其連續(xù)6天錯(cuò)誤識(shí)別目標(biāo)罐的行為數(shù)據(jù)進(jìn)行評(píng)估發(fā)現(xiàn)，警犬基礎(chǔ)狀態(tài)評(píng)分為88～94分（均值為91.2分）；氣味鑒別評(píng)分為3.1～27.8分（均值為17.01分）；任務(wù)評(píng)估總分為38.3～53.9分（均值為46.68分）；由以上得分可以推斷出，該系統(tǒng)能較好地評(píng)估出警犬的氣味鑒別行為。

四、討論

已建立的警犬氣味識(shí)別行為分析評(píng)估系統(tǒng)，主要用于輔助評(píng)價(jià)警犬氣味鑒別行為的結(jié)果，一方面可幫助訓(xùn)導(dǎo)員了解警犬在日常訓(xùn)練中的行為，以提高訓(xùn)練效率；另一方面可為專家評(píng)價(jià)警犬氣味鑒別的結(jié)果提供參考。

（一）針對(duì)日常訓(xùn)練的評(píng)估結(jié)果表明，警犬氣味識(shí)別行為分析評(píng)估系統(tǒng)可初步用于輔助評(píng)價(jià)警犬的氣味鑒別。

（二）評(píng)估系統(tǒng)中已形成的6頭犬的行為識(shí)別模型精確與否，還需大量的行為數(shù)據(jù)馴化相應(yīng)的數(shù)據(jù)模型。在達(dá)到大樣本模型數(shù)據(jù)后，可進(jìn)一步提高模型的符合性。同時(shí)在日常工作中還需要不斷用新的行為數(shù)據(jù)優(yōu)化評(píng)估系統(tǒng)，使得每個(gè)模型更加貼合每頭犬的鑒別行為。

（三）該系統(tǒng)建立的模型是針對(duì)每頭鑒別犬量身定制，不具有普遍性。某頭犬的模型不能通用于所有犬。這一特點(diǎn)也符合鑒別工作中的具體情況。

（作者單位：公安部南京警犬研究所，210012）

（編輯：顏 勤）