回丙偉，宋志勇，王 琦，范紅旗

(國防科技大學(xué) 電子科學(xué)學(xué)院 ATR重點(diǎn)實(shí)驗(yàn)室，長沙 410073)

0 引 言

近年來，各類輕巧型商業(yè)化無人機(jī)的蓬勃發(fā)展，為世界各國的空域安全帶來了前所未有的威脅，無序飛行、缺乏管控的“低慢小”目標(biāo)正日益成為防空目標(biāo)識(shí)別面臨的主要挑戰(zhàn)。為應(yīng)對潛在威脅、防范恐怖襲擊和維護(hù)安全環(huán)境，國內(nèi)外工業(yè)界和學(xué)術(shù)界均投入了大量資源和人力開展了廣泛而深入的實(shí)驗(yàn)和研究，在許多方面取得了令人滿意的成果。但“低慢小”防空探測作為一項(xiàng)開放式、對抗性、體系化的任務(wù)，在實(shí)際應(yīng)用中仍然存在諸多難題亟待解決。本文旨在促進(jìn)防空目標(biāo)識(shí)別算法研究的廣泛參與，集合全社會(huì)的智力資源解決當(dāng)前重難點(diǎn)問題，針對雷達(dá)和紅外成像兩種典型的探測手段[1-2]，基于前期本領(lǐng)域?qū)仗綔y試驗(yàn)中積累的部分基礎(chǔ)數(shù)據(jù)，推出了面向“空中弱小目標(biāo)檢測跟蹤”測試基準(zhǔn)，供相關(guān)領(lǐng)域科研人員開展算法研究和性能評(píng)測。同時(shí)，本文提供的測試基準(zhǔn)已作為第二屆“空天杯”創(chuàng)新創(chuàng)意大賽——探測識(shí)別算法挑戰(zhàn)賽的賽題使用，收集到了全國高校及科研單位的數(shù)十份算法方案及其測試案例，本文將擇優(yōu)作為測試數(shù)據(jù)的基準(zhǔn)算法，分別針對雷達(dá)和紅外兩個(gè)方向，從場景設(shè)計(jì)、指標(biāo)體系和測試案例三個(gè)方面對本測試基準(zhǔn)進(jìn)行簡要說明。

1 場景設(shè)計(jì)

雷達(dá)和紅外成像數(shù)據(jù)均為地面背景下空中固定翼無人機(jī)目標(biāo)的探測數(shù)據(jù)。由安裝于二軸(方位軸和俯仰軸)轉(zhuǎn)臺(tái)上的試驗(yàn)雷達(dá)和中波紅外相機(jī)分別獲取得到。

試驗(yàn)雷達(dá)工作模式為寬帶距離-多普勒模式，輸入數(shù)據(jù)為脈沖壓縮后的時(shí)域脈沖序列，迎面飛行多普勒為正，反之為負(fù)。雷達(dá)的載頻為35 GHz，脈沖重復(fù)頻率32 kHz。對于快時(shí)間維(每個(gè)脈沖)，距離采樣單元的間隔為1.875 m，距離波門長度固定(含319采樣點(diǎn))，波門起始位置(對應(yīng)第1個(gè)采樣點(diǎn))隨目標(biāo)移動(dòng)，更新率為1 ms(32個(gè)脈沖更新一次)，波門對應(yīng)距離值的單位為m。

紅外相機(jī)為制冷型中波紅外相機(jī)，探測器波譜響應(yīng)范圍為3～5 μm，成像分辨率為256×256 pixels，相機(jī)拍攝頻率為100 Hz，鏡頭視場角為3.0°×3.0°。

數(shù)據(jù)采集的配試目標(biāo)為燃油動(dòng)力固定翼無人機(jī)，其飛行速度約為30 km/h。目標(biāo)無人機(jī)上裝有GPS，目標(biāo)航跡為事先設(shè)定程序，并在GPS的引導(dǎo)下自主飛行，同時(shí)無人機(jī)通過無線通信手段實(shí)時(shí)將自身的無人機(jī)位置坐標(biāo)傳回轉(zhuǎn)臺(tái)控制計(jì)算機(jī)，經(jīng)測算后再引導(dǎo)二軸轉(zhuǎn)臺(tái)對無人機(jī)目標(biāo)進(jìn)行跟蹤，以維持目標(biāo)位于探測器的視場內(nèi)。

采集過程中目標(biāo)所處背景包括天空和地面兩類，其中地面背景中包括村莊、農(nóng)田、果園、建筑物、道路網(wǎng)、地面車輛以及人造生產(chǎn)生活設(shè)施等，目標(biāo)環(huán)境特性較為復(fù)雜。在雷達(dá)數(shù)據(jù)中表現(xiàn)為雜波強(qiáng)度大，目標(biāo)信雜比低；存在目標(biāo)穿越主雜波的情況；同時(shí)存在大目標(biāo)和小目標(biāo)，且二者信噪比動(dòng)態(tài)差異很大；目標(biāo)運(yùn)動(dòng)復(fù)雜，存在機(jī)動(dòng)情況；目標(biāo)進(jìn)出波束，存在目標(biāo)數(shù)目變化情況[3]。紅外成像數(shù)據(jù)中目標(biāo)表現(xiàn)為弱小點(diǎn)目標(biāo)，背景中存在輻射強(qiáng)度大于目標(biāo)的紅外輻射源；不同場景下目標(biāo)的輻射強(qiáng)度存在較大差別[4]。

2 指標(biāo)體系

本文為雷達(dá)和紅外圖像數(shù)據(jù)的算法測試結(jié)果評(píng)價(jià)定義了統(tǒng)一的指標(biāo)體系和評(píng)分規(guī)則。根據(jù)算法運(yùn)行結(jié)果計(jì)算算法性能得分。測試最終得分由檢測跟蹤得分和航跡連續(xù)性得分兩部分累計(jì)得到。為區(qū)分檢測跟蹤精度，在測試評(píng)價(jià)中給出擴(kuò)展框的定義，即以數(shù)據(jù)標(biāo)注坐標(biāo)為中心的擴(kuò)展區(qū)域，(兩類傳感器數(shù)據(jù)及對應(yīng)標(biāo)注數(shù)據(jù)的下載地址參見參考文獻(xiàn)[5]和[6]。)并根據(jù)擴(kuò)展區(qū)域?qū)挾鹊牟煌x了W1和W2兩個(gè)層級(jí)的擴(kuò)展框。對檢測跟蹤的得分均通過擴(kuò)展框W1和W2來定義。具體操作中由于雷達(dá)和紅外光電數(shù)據(jù)探測體制的不同，其擴(kuò)展框的描述方式分別根據(jù)其各自數(shù)據(jù)的物理含義來確定，如表1所示。

表1 雷達(dá)和紅外圖像數(shù)據(jù)的擴(kuò)展框W1和W2定義

在上述擴(kuò)展框定義的基礎(chǔ)上，進(jìn)而制定計(jì)分規(guī)則。

2.1 檢測跟蹤得分

(1)正確檢測且精度滿足預(yù)定要求，即有且僅有1個(gè)檢測結(jié)果位于擴(kuò)展框W1內(nèi)(含)，每個(gè)坐標(biāo)位置得1分；

(2)正確檢測但精度不滿足預(yù)定要求，即有且僅有1個(gè)檢測結(jié)果位于擴(kuò)展框W1外但位于擴(kuò)展框W2內(nèi)(含)，每個(gè)坐標(biāo)位置得0分；

(3)漏檢，即擴(kuò)展框W2內(nèi)(含)無檢測結(jié)果，每個(gè)坐標(biāo)位置減1分；

(4)虛警，即在擴(kuò)展框W2外出現(xiàn)檢測結(jié)果，或1個(gè)標(biāo)注框內(nèi)出現(xiàn)多余1個(gè)的檢測結(jié)果，每個(gè)坐標(biāo)位置減2分。

2.2 航跡連續(xù)性得分

在正確檢測且滿足預(yù)定精度的前提下，即在條目(1)情形下，每段數(shù)據(jù)的航跡連續(xù)性得分為：同一目標(biāo)數(shù)量最多的航跡編號(hào)數(shù)目×1分。

3 測試案例

本測試基準(zhǔn)經(jīng)過了20余組“空天杯”參賽算法的反復(fù)測試。現(xiàn)將優(yōu)秀測試算法總結(jié)如下。

3.1 雷達(dá)數(shù)據(jù)測試

對于給定場景下的雷達(dá)數(shù)據(jù)，測試算法分別提出和采用了MTI雜波對消抑制、Radon-Fourier變換、自適應(yīng)匹配濾波器、Keystone變換、Dechirping補(bǔ)償、相參-非相參聯(lián)合積累、Ⅱ-CFAR、交互多?？柭鼮V波、標(biāo)簽多伯努利平滑濾波、動(dòng)態(tài)規(guī)劃TBD、多網(wǎng)格/曲線解模糊、滑窗航跡匹配關(guān)聯(lián)等技術(shù)。

目前本測試基準(zhǔn)下針對雷達(dá)數(shù)據(jù)[5](第1至6段數(shù)據(jù))的測試算法最高得分為1 165分，該方法提出了一套完整的脈沖多普勒(PD)雷達(dá)弱小目標(biāo)高精度檢測跟蹤方案，具體包括：信號(hào)模型的建立、檢測聚焦和多目標(biāo)跟蹤三個(gè)環(huán)節(jié)。在檢測聚焦階段，先利用高階FIR濾波器濾除低頻雜波，再使用Chirp-Z Transform(CZT)加速的Radon-Fourier變換(RFT)和自適應(yīng)匹配濾波器(AMF)實(shí)現(xiàn)目標(biāo)能量的融合聚焦，最后利用單元平均恒虛警率檢測器(CA-CFAR)實(shí)現(xiàn)目標(biāo)的檢測；在多目標(biāo)跟蹤階段，先進(jìn)行點(diǎn)跡凝聚和幀間加速度估計(jì)的預(yù)處理，再利用標(biāo)記多伯努利(LMB)平滑算法實(shí)現(xiàn)多目標(biāo)跟蹤，最后在有效軌跡提取后輸出目標(biāo)的最終軌跡。RFT和AMF融合聚焦方法可以有效實(shí)現(xiàn)信號(hào)中強(qiáng)目標(biāo)和弱小目標(biāo)的聚焦，提高了弱小目標(biāo)檢測前的信噪比，從而極大地提高了CFAR檢測器對弱小目標(biāo)的檢測概率。LMB平滑器可以輸出目標(biāo)平滑后的軌跡，提高了距離和速度估計(jì)的精度。軌跡連續(xù)性判斷和有效軌跡提取，可以有效克服速度抖動(dòng)和速度模糊引起的軌跡斷裂和虛假軌跡的問題。算法對測試數(shù)據(jù)處理的有效得分率達(dá)96.67%。算法流程圖如圖1所示，部分?jǐn)?shù)據(jù)的檢測跟蹤結(jié)果如圖2所示。

圖1 算法方案流程圖(雷達(dá)數(shù)據(jù))

Fig.1 Flow chart of algorithm scheme(for radar data)

圖2 部分?jǐn)?shù)據(jù)的目標(biāo)檢測跟蹤結(jié)果

Fig.2 Target detection and track results of partial radar data

3.2 紅外數(shù)據(jù)測試

對于紅外圖像數(shù)據(jù)的弱小目標(biāo)檢測跟蹤的測試算法可分為三類：基于深度學(xué)習(xí)的方法、基于傳統(tǒng)圖像分析的方法和混合方法。目前本測試基準(zhǔn)下針對紅外成像數(shù)據(jù)[6](第1至11段數(shù)據(jù))的測試算法最高得分為13 434分，該方法采用了基于幀差法的紅外目標(biāo)檢測方法，并面向目標(biāo)長時(shí)間靜止和目標(biāo)-背景灰度對比度下降的情況分別提出了應(yīng)對措施。針對目標(biāo)長時(shí)間靜止的問題，方案通過執(zhí)行跳幀的多幀差法，重新捕獲目標(biāo)的運(yùn)動(dòng)信息。針對目標(biāo)-背景灰度對比度下降的問題，方案提出了基于雙閾值幀差法的目標(biāo)檢測方法。實(shí)驗(yàn)表明，雙閾值幀差法可以極大地提高目標(biāo)軌跡的連續(xù)性。針對天空背景下的紅外目標(biāo)，方案提出了使用推廣結(jié)構(gòu)張量(GST)算法做背景抑制，并配合迭代閾值分割法的紅外目標(biāo)檢測方法。GST算法對目標(biāo)的形狀做了約束，因此可有效抑制背景雜波。將迭代閾值分割法應(yīng)用在GST提取到的顯著區(qū)域內(nèi)，可以實(shí)現(xiàn)對紅外目標(biāo)的有效檢測。結(jié)果表明，GST對背景抑制作用好。算法流程圖如圖3所示，部分?jǐn)?shù)據(jù)的檢測跟蹤結(jié)果如圖4所示。

4 結(jié) 束 語

本測試基準(zhǔn)針對“低慢小”防空目標(biāo)識(shí)別這一主題設(shè)計(jì)制備了一套涵蓋雷達(dá)和紅外成像兩種探測手段的公開測試數(shù)據(jù)和性能評(píng)測規(guī)則，并在“空天杯”全國創(chuàng)新創(chuàng)意大賽探測識(shí)別算法挑戰(zhàn)賽中得到應(yīng)用。實(shí)踐證明，本測試基準(zhǔn)能夠通過分類加權(quán)計(jì)分的方式實(shí)現(xiàn)對目標(biāo)檢測跟蹤算法情形的完整覆蓋，并對不同算法檢測跟蹤結(jié)果進(jìn)行評(píng)測和定量考核，評(píng)價(jià)規(guī)則具有良好的可區(qū)分性和應(yīng)用合理性。

圖3 算法方案流程圖(紅外數(shù)據(jù))

圖4 部分?jǐn)?shù)據(jù)的目標(biāo)運(yùn)動(dòng)軌跡圖

Fig.4 Target detection and track results of partial infrared data

接下來，我們將進(jìn)一步增強(qiáng)數(shù)據(jù)集的完備性，重點(diǎn)貼近應(yīng)用需求，完善多目標(biāo)情形下的數(shù)據(jù)加工和評(píng)價(jià)準(zhǔn)則制定。