傅瑞罡，范紅旗*，朱永鋒，回丙偉，張志龍，鐘平，李冬冬，張少良，陳剛，王雒

1.國(guó)防科技大學(xué)電子科學(xué)學(xué)院ATR重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)沙 410073

2.武漢高德紅外股份有限公司，武漢 430073

引 言

車輛作為典型的時(shí)敏目標(biāo)，是陸地作戰(zhàn)的重要力量、戰(zhàn)場(chǎng)補(bǔ)給的重要載體，已成為現(xiàn)代軍事對(duì)抗的重點(diǎn)目標(biāo)之一[1]。近年來(lái)，隨著無(wú)人機(jī)遙感的迅猛發(fā)展，以無(wú)人機(jī)作為平臺(tái)，掛載各式成像系統(tǒng)，已成為現(xiàn)代軍事對(duì)抗系統(tǒng)中收集情報(bào)的重要組成部分。其中，紅外傳感器因其隱蔽性好、全天候工作、抗干擾能力強(qiáng)等獨(dú)特優(yōu)勢(shì)[2]，是無(wú)人機(jī)遙感成像中最常見(jiàn)的傳感器之一。

因此，為實(shí)現(xiàn)對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)高效的感知、監(jiān)視、分析，發(fā)展紅外時(shí)敏目標(biāo)的智能檢測(cè)跟蹤技術(shù)具有寬闊的應(yīng)用前景和重大的實(shí)用價(jià)值。而隨著現(xiàn)代戰(zhàn)爭(zhēng)對(duì)抗程度的加深，紅外時(shí)敏目標(biāo)的智能檢測(cè)跟蹤面臨嚴(yán)峻挑戰(zhàn)，主要表現(xiàn)在：1）時(shí)敏目標(biāo)成像不規(guī)則。時(shí)敏目標(biāo)在運(yùn)動(dòng)時(shí)，其熱輻射并不均勻，通常在發(fā)動(dòng)機(jī)附近會(huì)有較高響應(yīng)，其他部位相對(duì)較弱，體現(xiàn)在數(shù)據(jù)上表現(xiàn)為目標(biāo)沒(méi)有清晰輪廓；此外，由于熱輻射與天時(shí)天候相關(guān)，目標(biāo)在不同天時(shí)天候下的紅外成像不同；2）受到平臺(tái)載重限制，無(wú)人機(jī)可掛載傳感器的空間分辨率不會(huì)太高，加之遠(yuǎn)距離成像，由此獲得的目標(biāo)通常為小目標(biāo)，目標(biāo)的形狀結(jié)構(gòu)不清晰；3）目標(biāo)所處的地面環(huán)境復(fù)雜，特別是一些具有強(qiáng)紅外輻射的地面雜波容易淹沒(méi)感興趣目標(biāo)；4）目標(biāo)非合作，典型的如多目標(biāo)交匯、目標(biāo)過(guò)遮擋物等問(wèn)題一直是目標(biāo)檢測(cè)跟蹤技術(shù)面臨的重難點(diǎn)問(wèn)題。

為發(fā)展紅外時(shí)敏目標(biāo)的智能檢測(cè)跟蹤技術(shù)，一個(gè)大規(guī)模的實(shí)測(cè)紅外數(shù)據(jù)集是非常必要的。然而，與緊迫的需求不匹配的是，當(dāng)前紅外時(shí)敏目標(biāo)的實(shí)測(cè)數(shù)據(jù)相對(duì)匱乏。為填補(bǔ)這一空白，本文通過(guò)外場(chǎng)實(shí)地拍攝制備了一個(gè)面向空地應(yīng)用的紅外時(shí)敏目標(biāo)檢測(cè)跟蹤數(shù)據(jù)集，可為紅外目標(biāo)檢測(cè)跟蹤、紅外目標(biāo)特性等研究提供基礎(chǔ)數(shù)據(jù)。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)采集方法

1.1.1 試驗(yàn)設(shè)備和傳感器簡(jiǎn)介

數(shù)據(jù)采集用到的主要設(shè)備為多旋翼無(wú)人機(jī)(UAV,Unmanned Aerial Vehicle)，其基本參數(shù)如表1所示，外形圖如圖1所示。旋翼無(wú)人機(jī)采用鋰電池供電方式，最大載重量10公斤，最大續(xù)航時(shí)間30分鐘，將傳感器安裝至無(wú)人機(jī)后，無(wú)人機(jī)可按照預(yù)先設(shè)定的軌跡逼近目標(biāo)。

表1 無(wú)人機(jī)基本參數(shù)Table 1 Basic parameters of UAV

數(shù)據(jù)采集使用的傳感器為長(zhǎng)波非制冷紅外傳感器，傳感器后端加裝數(shù)據(jù)鏈，可將實(shí)時(shí)紅外圖像以 25Hz的幀頻傳遞至地面操控端。同時(shí)通過(guò)地面操控端控制傳感器搜索目標(biāo)、鎖定目標(biāo)和跟蹤目標(biāo)，可以維持目標(biāo)始終位于傳感器視場(chǎng)內(nèi)。傳感器基本參數(shù)如表2所示。

表2 傳感器基本參數(shù)Table 2 Basic parameters of the UAV sensor

1.1.2 采集場(chǎng)景設(shè)置

數(shù)據(jù)采集過(guò)程中，我們主要設(shè)計(jì)了兩種不同情況的實(shí)際場(chǎng)景，一是路面相對(duì)開(kāi)闊的內(nèi)場(chǎng)場(chǎng)景，二是路面相對(duì)復(fù)雜的外場(chǎng)場(chǎng)景，分別如圖2(a)、2(b)所示。內(nèi)場(chǎng)場(chǎng)景的特點(diǎn)是目標(biāo)的行進(jìn)路線可規(guī)劃，行車場(chǎng)景可設(shè)計(jì)；外場(chǎng)場(chǎng)景的特點(diǎn)是背景更復(fù)雜，很容易產(chǎn)生多目標(biāo)交匯、目標(biāo)過(guò)遮擋物等現(xiàn)象。

同時(shí)，考慮到環(huán)境溫度對(duì)紅外成像結(jié)果的影響很大，為使數(shù)據(jù)集更加完備，我們采集了不同天時(shí)下的數(shù)據(jù)。圖2(c)、2(d)分別為圖2(a)、2(b)中兩個(gè)場(chǎng)地對(duì)應(yīng)不同天時(shí)下的成像。可以看出，白天的場(chǎng)地整體更加明亮，傍晚的場(chǎng)地則相對(duì)暗淡。

1.2 數(shù)據(jù)處理與標(biāo)注

1.2.1 數(shù)據(jù)預(yù)處理

本次數(shù)據(jù)采集共獲得了上百GBytes的原始數(shù)據(jù)。但這些數(shù)據(jù)中存在大量的無(wú)效數(shù)據(jù)，例如無(wú)人機(jī)在起飛階段、尋的階段、降落階段錄制的數(shù)據(jù)一般不包含感興趣時(shí)敏目標(biāo)，均屬于無(wú)效數(shù)據(jù)，需要在預(yù)處理階段進(jìn)行篩除。此外，預(yù)處理還包括對(duì)原始視頻進(jìn)行解碼，將其轉(zhuǎn)換為8bit位深的windows位圖格式。

1.2.2 數(shù)據(jù)標(biāo)注

數(shù)據(jù)標(biāo)注是向數(shù)據(jù)集圖像添加標(biāo)簽的過(guò)程。在本數(shù)據(jù)集中，我們不僅要指定所有感興趣時(shí)敏目標(biāo)的外接矩形框，還要給予不同目標(biāo)不同的ID號(hào)。此ID號(hào)主要用于關(guān)聯(lián)目標(biāo)，從而標(biāo)記出各個(gè)目標(biāo)的軌跡。在同一圖像序列內(nèi)，同一目標(biāo)的ID號(hào)始終保持一致。

具體的標(biāo)注工作由人工標(biāo)注完成：通過(guò)labelimg軟件[3]逐幀對(duì)采集到的所有圖像做標(biāo)注，如圖3所示。

2 數(shù)據(jù)樣本描述

本數(shù)據(jù)集的數(shù)據(jù)部分由兩部分組成，其中，Image文件夾放置有87個(gè)子文件夾，分別對(duì)應(yīng)不同時(shí)間的87段圖像序列，每段圖像序列包含250幀圖像；Annotation文件夾放置有這些序列圖像對(duì)應(yīng)的標(biāo)注結(jié)果。本小節(jié)將對(duì)圖像數(shù)據(jù)和標(biāo)注數(shù)據(jù)的典型樣本分別展開(kāi)描述和分析。

2.1 圖像數(shù)據(jù)樣本

數(shù)據(jù)集中的每幅紅外圖像的分辨率為640×480像素、8 bit位深、大小約為300KB，圖像存儲(chǔ)格式為windows位圖，后綴名為bmp。每段圖像序列包含250幀圖像，圖像文件名從001.bmp開(kāi)始依次遞增至250.bmp，如圖4所示。

通過(guò)對(duì)這些圖像數(shù)據(jù)的整理和分析，我們認(rèn)為本數(shù)據(jù)集的主要挑戰(zhàn)集中在以下兩方面：

（1） 復(fù)雜環(huán)境干擾，包括地面雜波干擾、多目標(biāo)互相干擾、其他類型時(shí)敏目標(biāo)干擾以及障礙物遮擋干擾等。

① 地面雜波干擾：

目標(biāo)所處的地面環(huán)境復(fù)雜，特別是一些具有強(qiáng)紅外輻射的地面雜波容易淹沒(méi)感興趣目標(biāo)，如圖5(a)所示。

② 多目標(biāo)互相干擾：

多目標(biāo)互相干擾主要表現(xiàn)為車輛時(shí)敏目標(biāo)的交匯，它體現(xiàn)在圖像上表現(xiàn)為多個(gè)目標(biāo)融為一個(gè)“目標(biāo)”，如圖5(b)所示。在這種情況下，要保證目標(biāo)檢測(cè)的高召回率是對(duì)檢測(cè)跟蹤算法的考驗(yàn)。此外，目標(biāo)交匯還會(huì)帶來(lái)多目標(biāo)的軌跡交疊，保證目標(biāo)交匯前后各自ID的一致性并不容易。

③ 其他類型時(shí)敏目標(biāo)干擾：

除了車輛這類感興趣時(shí)敏目標(biāo)外，本數(shù)據(jù)集還包括一些其他類型的時(shí)敏目標(biāo)，例如行人、電瓶車等，如圖5(c)所示。因此，要把感興趣時(shí)敏目標(biāo)從圖像中檢測(cè)出來(lái)，僅僅利用目標(biāo)的運(yùn)動(dòng)信息是不夠的。

④ 障礙物遮擋干擾：

時(shí)敏目標(biāo)在運(yùn)動(dòng)過(guò)程中可能出現(xiàn)被遮擋的情況，如圖 5(d)所示。此時(shí)，由于目標(biāo)信息的丟失，容易導(dǎo)致檢測(cè)跟蹤算法失效。特別是，若目標(biāo)被完全遮擋，如何保證遮擋前后目標(biāo)ID的一致性也是一大難題。

（2） 復(fù)雜成像條件，包括時(shí)敏目標(biāo)成像不規(guī)則、平臺(tái)移動(dòng)/晃動(dòng)導(dǎo)致圖像模糊等。

車輛在運(yùn)動(dòng)時(shí)，其熱輻射并不均勻，通常在發(fā)動(dòng)機(jī)附近會(huì)有較高響應(yīng)，其他部分相對(duì)較弱，體現(xiàn)在數(shù)據(jù)上表現(xiàn)為目標(biāo)沒(méi)有清晰輪廓；同時(shí)，時(shí)敏目標(biāo)的成像還受到天時(shí)天候影響，不同條件下成像各異，如圖6(a)所示，一個(gè)良好的目標(biāo)檢測(cè)跟蹤算法必須具備魯棒這種成像不規(guī)則的能力；此外，如圖6(b)所示，平臺(tái)的移動(dòng)/晃動(dòng)會(huì)導(dǎo)致傳感器成像模糊，如何保證在低質(zhì)圖像上檢測(cè)到目標(biāo)、或者保證檢測(cè)到的目標(biāo)在成像模糊前后ID的一致性，是算法貼近實(shí)際應(yīng)用必須考慮的問(wèn)題。

2.2 標(biāo)注數(shù)據(jù)樣本

本數(shù)據(jù)集所有圖像均有與之對(duì)應(yīng)的標(biāo)注結(jié)果，標(biāo)注結(jié)果的文件格式為xml文件。標(biāo)注文件的內(nèi)容與VOC數(shù)據(jù)集[4]基本相同，下面以數(shù)據(jù)集中第77段圖像序列下第一張圖像的標(biāo)注結(jié)果為例進(jìn)行解釋說(shuō)明，如圖7所示。

如圖7(a)所示，標(biāo)注結(jié)果中，folder、filename、path等元素給出了標(biāo)注結(jié)果對(duì)應(yīng)的圖像路徑信息；size元素則給出了對(duì)應(yīng)圖像的屬性信息：該圖為長(zhǎng)480、寬640的單通道圖像；object元素則給出了各個(gè)時(shí)敏目標(biāo)的ID號(hào)及其位置信息，圖中的目標(biāo)數(shù)由object元素個(gè)數(shù)給出：例如，圖7(a)表明該圖共存在3個(gè)目標(biāo)，它們的ID由name子元素給出，分別為“1”、“2”、“3”，這些ID用于對(duì)目標(biāo)的軌跡做分析，在當(dāng)前圖像序列的所有幀中不會(huì)改變；它們的位置可以通過(guò)讀取子元素xmin、ymin、xmax、ymax來(lái)得到：(xmin、ymin)決定了目標(biāo)的左上角坐標(biāo)，(xmax、ymax)則決定了目標(biāo)的右下角坐標(biāo)，如圖7(b)所示。

3 數(shù)據(jù)質(zhì)量控制和評(píng)估

本數(shù)據(jù)集中的所有圖像都是通過(guò)無(wú)人機(jī)掛載長(zhǎng)波紅外成像設(shè)備，在外場(chǎng)實(shí)地拍攝獲得的，目標(biāo)和地面背景的紅外輻射特性真實(shí)可靠。目標(biāo)在圖像中的位置信息均為人工標(biāo)注并由專家核查檢驗(yàn)的結(jié)果，標(biāo)注質(zhì)量有保障。

本數(shù)據(jù)集已在第三屆“空天杯”創(chuàng)新創(chuàng)意大賽（2021）——探測(cè)識(shí)別算法挑戰(zhàn)賽（光學(xué)識(shí)別賽道）中作為官方比賽數(shù)據(jù)使用。大賽的圓滿舉辦表明本數(shù)據(jù)集的數(shù)據(jù)質(zhì)量是科學(xué)可信的，可作為數(shù)據(jù)素材，供更廣泛的科研人員使用。

4 數(shù)據(jù)價(jià)值

4.1 本數(shù)據(jù)集特色

本數(shù)據(jù)集面向日益迫切的紅外圖像智能化處理和軍事應(yīng)用需求，是一個(gè)通過(guò)外場(chǎng)實(shí)地拍攝形成的，以車輛目標(biāo)為探測(cè)對(duì)象，以地面場(chǎng)景為探測(cè)背景的圖像序列數(shù)據(jù)集，可為相關(guān)科研人員研究紅外目標(biāo)檢測(cè)跟蹤技術(shù)提供實(shí)驗(yàn)數(shù)據(jù)。

本數(shù)據(jù)集共計(jì)21750幀圖像，89174個(gè)目標(biāo)，組成了87段視頻序列、393段目標(biāo)軌跡，規(guī)模較大；提供了目標(biāo)真值位置以及目標(biāo)真值軌跡（如圖8所示），可以支撐多種視覺(jué)任務(wù)的開(kāi)展，例如目標(biāo)檢測(cè)[4]、單目標(biāo)跟蹤[5]、多目標(biāo)檢測(cè)跟蹤[6]等，應(yīng)用廣泛；場(chǎng)景覆蓋了典型的天時(shí)天候、地形環(huán)境（附錄1給出了每段圖像序列的場(chǎng)景），貼近實(shí)際應(yīng)用，具有較大難度與挑戰(zhàn)性。

附錄1

4.2 與其他數(shù)據(jù)集的區(qū)別

近些年，國(guó)內(nèi)外大量?jī)?yōu)質(zhì)數(shù)據(jù)集[7-15]的公開(kāi)，為推動(dòng)遙感目標(biāo)檢測(cè)技術(shù)的發(fā)展提供了強(qiáng)大動(dòng)力。然而，其中的大部分遙感數(shù)據(jù)集都是可見(jiàn)光數(shù)據(jù)集[8-12]，紅外遙感數(shù)據(jù)集相對(duì)較少，較為有名的紅外遙感數(shù)據(jù)集包括VEDAI[7]、DroneVehicle[13]、地/空背景下紅外圖像弱小飛機(jī)目標(biāo)檢測(cè)數(shù)據(jù)集[12]以及復(fù)雜背景下紅外弱小運(yùn)動(dòng)目標(biāo)檢測(cè)數(shù)據(jù)集[13]等。

與本數(shù)據(jù)集相同，VEDAI[7]、DroneVehicle[13]均為以車輛作為探測(cè)目標(biāo)的數(shù)據(jù)集。然而，它們采集的數(shù)據(jù)不是序列圖像，因此無(wú)法支持時(shí)敏目標(biāo)跟蹤等視覺(jué)任務(wù)，在數(shù)據(jù)用途上不如本數(shù)據(jù)集廣泛。此外，VEDAI數(shù)據(jù)集是衛(wèi)星航拍圖像，在圖像獲取的方式上與本數(shù)據(jù)集不同；Drone Vehicle數(shù)據(jù)集雖然是無(wú)人機(jī)拍攝圖像，但多為正下視（如圖9(a)所示），且車輛輪廓比較清晰，說(shuō)明DroneVehicle的成像距離較近，然而實(shí)際戰(zhàn)場(chǎng)很難獲取這種近程遙感數(shù)據(jù)。本數(shù)據(jù)集相比DroneVehicle成像距離更遠(yuǎn)，更貼近戰(zhàn)場(chǎng)實(shí)際需求。

回丙偉等人[14]于2019年發(fā)布的地/空背景下紅外圖像弱小飛機(jī)目標(biāo)檢測(cè)數(shù)據(jù)集（如圖9(b)所示），以及孫曉亮等人[15]于 2021年發(fā)布的復(fù)雜背景下紅外弱小運(yùn)動(dòng)目標(biāo)檢測(cè)數(shù)據(jù)集均可以支撐紅外目標(biāo)的檢測(cè)跟蹤研究，但他們面向的是地空應(yīng)用，針對(duì)的是空中飛行目標(biāo)，并非車輛時(shí)敏目標(biāo)。

綜上，本數(shù)據(jù)集填補(bǔ)了紅外時(shí)敏目標(biāo)超視距探測(cè)識(shí)別領(lǐng)域中的數(shù)據(jù)空白，可為紅外時(shí)敏目標(biāo)檢測(cè)跟蹤等研究提供基礎(chǔ)數(shù)據(jù)，具有寬闊的應(yīng)用前景和重大的實(shí)用價(jià)值。

5 數(shù)據(jù)使用方法和建議

本數(shù)據(jù)集提供了序列圖像中目標(biāo)的精準(zhǔn)位置框，在使用方式上具有靈活性和多樣性，可支撐如目標(biāo)檢測(cè)[4]、單目標(biāo)跟蹤[5]、多目標(biāo)檢測(cè)跟蹤[6]等多種視覺(jué)任務(wù)的開(kāi)展。使用者可從數(shù)據(jù)網(wǎng)站下載本數(shù)據(jù)集，然后根據(jù)實(shí)際任務(wù)需求，編寫(xiě)相應(yīng)算法。

本文推薦將本數(shù)據(jù)集應(yīng)用在紅外圖像目標(biāo)檢測(cè)跟蹤上，具體使用步驟如下：

（1） 將數(shù)據(jù)集中的第1-76段圖像序列作為訓(xùn)練集，使用者設(shè)計(jì)并編寫(xiě)紅外圖像目標(biāo)檢測(cè)跟蹤算法；

（3） 將驗(yàn)證集中每一段圖像序列的檢測(cè)跟蹤結(jié)果以*.txt格式進(jìn)行保存，其中*為對(duì)應(yīng)的圖像序列文件夾名稱（如1、2等），具體文件內(nèi)容如表3所示。本數(shù)據(jù)集提供輸出樣例，可在Evaluation文件夾中查到（輸出樣例為“1.txt”）。

表3 輸出文件格式示例Table 3 Format of the expected output file

（4） 通過(guò)比對(duì)本數(shù)據(jù)集提供的真值結(jié)果，計(jì)算驗(yàn)證集中每一段檢測(cè)跟蹤結(jié)果的檢測(cè)準(zhǔn)確性得分與航跡連續(xù)性得分。總得分越高，表明算法性能越優(yōu)。

① 檢測(cè)準(zhǔn)確性得分

? 每個(gè)正確檢測(cè)[即真值標(biāo)注框內(nèi)（含）有檢測(cè)結(jié)果]，得1分；

? 每個(gè)漏檢[即真值標(biāo)注框內(nèi)（含）無(wú)檢測(cè)結(jié)果]，減1分；

? 每個(gè)虛警[即在真值標(biāo)注框外出現(xiàn)檢測(cè)結(jié)果]，減2分；

② 航跡連續(xù)性得分

湖北汽車城十堰，位于鄂、豫、陜、渝四?。ㄊ校┙唤鐜А＿@一區(qū)域群山林立，山巒疊嶂。洞天福地武當(dāng)山，正好就坐落在這一帶。

航跡連續(xù)性得分面向的是每條真值航跡。具體為，計(jì)算真值航跡與預(yù)測(cè)航跡兩兩之間的重合度（即正確檢測(cè)的數(shù)量），并使用匈牙利算法[16]獲得真值航跡與預(yù)測(cè)航跡兩個(gè)集合之間的最優(yōu)匹配。而航跡連續(xù)性得分為匹配后所有真值航跡獲得的重合度之和×1分。

在上述評(píng)價(jià)準(zhǔn)則下，驗(yàn)證集測(cè)試結(jié)果滿分為22418分。Evaluation文件夾提供了上述評(píng)價(jià)準(zhǔn)則的評(píng)分程序代碼。

致 謝

本數(shù)據(jù)集已在第三屆“空天杯”創(chuàng)新創(chuàng)意大賽（2021）——探測(cè)識(shí)別算法挑戰(zhàn)賽（光學(xué)識(shí)別賽道）使用，感謝大賽組委會(huì)對(duì)本數(shù)據(jù)集的認(rèn)可和采納，感謝來(lái)自全國(guó)各大高校的50余支參賽隊(duì)伍對(duì)本數(shù)據(jù)集提出的寶貴建議和意見(jiàn)。

數(shù)據(jù)作者分工職責(zé)

傅瑞罡，男，浙江省金華市人，博士，講師，研究方向?yàn)楣鈱W(xué)成像自動(dòng)目標(biāo)識(shí)別技術(shù)，主要承擔(dān)工作：數(shù)據(jù)加工與標(biāo)注，數(shù)據(jù)集制作。

范紅旗，男，陜西省渭南市人，博士，副教授，研究方向?yàn)閿?shù)據(jù)科學(xué)與雷達(dá)目標(biāo)識(shí)別，主要承擔(dān)工作：數(shù)據(jù)集設(shè)計(jì)。

朱永鋒，男，江蘇省南通市人，博士，副研究員，研究方向?yàn)槔走_(dá)目標(biāo)識(shí)別與抗干擾，主要承擔(dān)工作：數(shù)據(jù)集設(shè)計(jì)。

回丙偉，男，河北省衡水市人，博士，講師，研究方向?yàn)槟繕?biāo)識(shí)別數(shù)據(jù)工程，主要承擔(dān)工作：數(shù)據(jù)集制作，數(shù)據(jù)使用評(píng)價(jià)。

張志龍，男，陜西省渭南市人，博士，研究員，研究方向?yàn)楣鈱W(xué)圖像目標(biāo)自動(dòng)識(shí)別，主要承擔(dān)工作：數(shù)據(jù)集設(shè)計(jì)，數(shù)據(jù)集制作。

鐘平，男，四川省內(nèi)江市人，博士，研究員，研究方向?yàn)橹悄苣繕?biāo)識(shí)別，主要承擔(dān)工作：數(shù)據(jù)集設(shè)計(jì)，數(shù)據(jù)使用評(píng)價(jià)。

李冬冬，男，湖南省長(zhǎng)沙市人，博士，副研究員，研究方向?yàn)闊o(wú)人機(jī)視頻目標(biāo)跟蹤，主要承擔(dān)工作：數(shù)據(jù)集制作。

張少良，男，湖北省孝感市人，本科，高級(jí)工程師，研究方向?yàn)榫_制導(dǎo)，主要承擔(dān)工作：數(shù)據(jù)采集。

陳剛，男，湖北省襄陽(yáng)市人，碩士，高級(jí)工程師，研究方向?yàn)榧t外目標(biāo)識(shí)別，主要承擔(dān)工作：數(shù)據(jù)采集。

王雒，男，遼寧省營(yíng)口市人，碩士研究生，研究方向?yàn)楣鈱W(xué)成像自動(dòng)目標(biāo)識(shí)別技術(shù)，主要承擔(dān)工作：數(shù)據(jù)加工與標(biāo)注。