閆若璇 廖子薇 陸葉

摘 ? 要：當(dāng)前世界無(wú)人機(jī)技術(shù)發(fā)展迅猛，相比于其他工具產(chǎn)品，無(wú)人機(jī)具有機(jī)動(dòng)性強(qiáng)，反應(yīng)快速，環(huán)境適應(yīng)能力強(qiáng)，能迅速到達(dá)現(xiàn)場(chǎng)的優(yōu)勢(shì)，廣泛應(yīng)用于多個(gè)領(lǐng)域。本文針對(duì)傳統(tǒng)的無(wú)人機(jī)海上巡檢救援機(jī)動(dòng)性差、反應(yīng)緩慢的缺陷，基于圖像處理技術(shù)，利用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)解決了動(dòng)態(tài)飛行時(shí)目標(biāo)識(shí)別捕捉速率問(wèn)題。大大減少了救援時(shí)間，實(shí)現(xiàn)快速海上巡檢救援。

關(guān)鍵詞：巡檢救援 ?無(wú)人機(jī) ?圖像識(shí)別 ?BP神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：TN91 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-098X（2020）02（c）-0119-02

災(zāi)難來(lái)臨時(shí)，怎樣迅速準(zhǔn)確得知災(zāi)情，如何第一時(shí)間探索到救援力量無(wú)法達(dá)到的惡劣環(huán)境，一直都是迫在眉睫的難題。再加之，災(zāi)難的頻發(fā)、受難者人數(shù)之多，更加劇了救援的困難?？罩懈缮婢仍F(xiàn)場(chǎng)是最快最便捷的手段。隨著無(wú)人機(jī)的發(fā)展，無(wú)人機(jī)的各種技術(shù)也日漸成熟，但是傳統(tǒng)的無(wú)人機(jī)通過(guò)拍攝裝置和無(wú)線電傳輸裝置無(wú)法達(dá)到短時(shí)間內(nèi)巡檢并快速救援的要求，所以研究能夠快速進(jìn)行目標(biāo)識(shí)別的無(wú)人機(jī)才是解決快速進(jìn)行救援的關(guān)鍵。

1 ?研究現(xiàn)狀

目前，水上救援大致有以下兩種方式實(shí)現(xiàn)：

第一，運(yùn)用有人設(shè)備進(jìn)行救援，如救生船只、直升飛機(jī)等。這種方法雖然可以更直觀的使人親臨現(xiàn)場(chǎng)，但存在著造價(jià)高、風(fēng)險(xiǎn)大、限制多的缺點(diǎn);第二，運(yùn)用無(wú)人駕駛設(shè)備進(jìn)行救援，如無(wú)人機(jī)、無(wú)人快艇等，這種方法風(fēng)險(xiǎn)小，成本低廉，適應(yīng)環(huán)境的能力強(qiáng)。

在眾多無(wú)人駕駛設(shè)備中，無(wú)人機(jī)的應(yīng)用更為廣泛，無(wú)人機(jī)結(jié)構(gòu)目前以旋翼類居多，旋翼類無(wú)人機(jī)具有飛行穩(wěn)定、可進(jìn)行定點(diǎn)飛行、載荷大等優(yōu)點(diǎn)，現(xiàn)已經(jīng)被廣泛應(yīng)用于高危地區(qū)的災(zāi)難檢測(cè)、巡檢、空中救援等眾多方面。但是旋翼類無(wú)人機(jī)飛行航程短、航速低、留空時(shí)間有限是其重大的短板，因此在遠(yuǎn)距離水上輔助救援這個(gè)特定的領(lǐng)域，旋翼類無(wú)人飛行器是不能滿足特定任務(wù)的需求。因此采取固定翼式無(wú)人機(jī)更為恰當(dāng)，解決了普遍固定翼式都需要特定跑道的需求，水上起飛無(wú)需固定跑道，起飛要求低。同時(shí)目前少有飛行狀態(tài)下進(jìn)行識(shí)別反饋的固定翼式無(wú)人機(jī)，這種功能的結(jié)合大大增加救援效率，將是一個(gè)領(lǐng)域的突破。

解決動(dòng)態(tài)飛行時(shí)目標(biāo)識(shí)別捕捉速率問(wèn)題，無(wú)需反饋航拍全部圖像，只需識(shí)別目標(biāo)物體，直接反饋救援對(duì)象的具體地理坐標(biāo)信息，不僅大大減少了救援時(shí)間，還可以短時(shí)間擴(kuò)大搜救范圍，第一時(shí)間救出遇難者。利用新的技術(shù)，結(jié)合opencv加快無(wú)人機(jī)圖像識(shí)別捕捉的速度，真正意義上實(shí)現(xiàn)技術(shù)的成熟化，在救援等領(lǐng)域發(fā)揮更大的作用。

2 ?基于OpenCV的圖像處理技術(shù)

2.1 高斯濾波算法

本文采用高斯濾波算法，獲得關(guān)于圖像的濾波功能，所謂高斯濾波，從根本上來(lái)講，就是對(duì)原圖像的各像素實(shí)施濾波，而與之相對(duì)應(yīng)的像素濾波之后所得到的值，實(shí)為依據(jù)其相鄰像素，乘以1個(gè)濾波器模板，即僅需將高斯濾波器模板弄清楚便可。需要指出的是，因本文需要進(jìn)行處理的是二維幀圖像。

2.2 雙邊平滑算法

對(duì)于雙邊濾波而言，其實(shí)為一種邊緣平滑且簡(jiǎn)單的非迭代方案，與值域與域過(guò)濾相結(jié)合，便可以被表示為雙邊濾波，如果處于平滑區(qū)域中，那么即便是一個(gè)小的且處于鄰域狀態(tài)的像素值，也會(huì)是相似的;還需要指出的是，在實(shí)現(xiàn)雙邊濾波器過(guò)程中，實(shí)為一個(gè)比較典型且標(biāo)準(zhǔn)化的域?yàn)V波，也就是平均掉小、弱相關(guān)像素值見(jiàn)存在不同而引起的噪音。從根本上來(lái)講，其不僅可以運(yùn)用雙邊平滑算法，而且還可根據(jù)實(shí)際情況，選擇高斯平滑等算法來(lái)進(jìn)行圖像的平滑處理。

2.3 圖像融合操作

現(xiàn)階段，已經(jīng)出現(xiàn)了許多用于圖像融合的算法，而在現(xiàn)實(shí)應(yīng)用領(lǐng)域，可依據(jù)實(shí)際情況及需要，選擇最實(shí)用、恰當(dāng)?shù)乃惴?。本文通過(guò) add Weighted 函數(shù)的應(yīng)用，使增益處理與平滑處理后所得到的圖像融合在一起，并借助于給增益處理與平滑處理的圖像賦予的各種權(quán)值，最終獲得各種效果的圖像。

3 ?BP神經(jīng)網(wǎng)絡(luò)優(yōu)化

3.1 優(yōu)化原理

典型的BP神經(jīng)網(wǎng)絡(luò)包括3層：輸入層、隱含層和輸出層。各層之間實(shí)行全連接，同層之間無(wú)連接。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。具體步驟如下：

（1）數(shù)據(jù)預(yù)處理，確定網(wǎng)絡(luò)的初始參數(shù);

（2）初始化網(wǎng)絡(luò)權(quán)值和閾值;

（3）計(jì)算第一、二層神經(jīng)元的輸入和輸出;

（4）假設(shè)隱含層（第二層）神經(jīng)元激勵(lì)函數(shù)為單極S型函數(shù)，即為，所以第二層神經(jīng)元的輸出。

（5）計(jì)算第三層的輸入和輸出;

第三層與第二層道理相似：。

（6）計(jì)算能量函數(shù);

計(jì)算能量函數(shù)的目的是達(dá)到預(yù)定誤差就可以停止神經(jīng)網(wǎng)絡(luò)。假設(shè)實(shí)際輸出樣本為Y，則很容易由E定義知道：

（7）計(jì)算第二層和第三層之間的權(quán)值和閾值調(diào)整量;

BP神經(jīng)網(wǎng)絡(luò)的核心內(nèi)容，鏈?zhǔn)狡⒎郑?/p>

3.2 編程實(shí)現(xiàn)

借助于遍歷圖像像素點(diǎn)方式，對(duì)由無(wú)人機(jī)所采集到的實(shí)時(shí)圖像進(jìn)行圖像濾波、平滑、融合等操作。為了最大程度提高圖像的處理速度，減少對(duì)相關(guān)硬件的過(guò)渡依賴與消耗;除此之外，還能儲(chǔ)存實(shí)時(shí)圖像序列，儲(chǔ)存格式為 Mat，運(yùn)用指針對(duì)圖像進(jìn)行儲(chǔ)存，然后用領(lǐng)域像素、雙邊平滑以及高斯濾波等算法來(lái)處理。如圖1即為系統(tǒng)搭建效果圖。

4 ?結(jié)語(yǔ)

本文在基于 OpenCV基礎(chǔ)上， 將高斯濾波算法、雙邊平滑算法、圖像增益技術(shù)以及圖像融合技術(shù)應(yīng)用于無(wú)人機(jī)實(shí)時(shí)視頻處理上，突破無(wú)人機(jī)圖像識(shí)別效率問(wèn)題，傾斜攝影數(shù)據(jù)處理，具有很大的市場(chǎng)潛力和核心競(jìng)爭(zhēng)力，解決市場(chǎng)技術(shù)缺陷：識(shí)別功能差，建模效率極低，續(xù)航性及穩(wěn)定性的不足等，對(duì)于無(wú)人機(jī)現(xiàn)有局限性將是極大的突破。

參考文獻(xiàn)

[1] 邱啟榮.基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)對(duì)房?jī)r(jià)的預(yù)測(cè)研究[D].華北電力大學(xué)，2016.

[2] 楊桂元.數(shù)學(xué)建模[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2015.

[3] 趙明，李濤，蘇小紅，等.三維多無(wú)人機(jī)系統(tǒng)協(xié)同任務(wù)規(guī)劃關(guān)鍵問(wèn)題綜述[J].智能計(jì)算機(jī)與應(yīng)用，2016（1）：31-34.