基于尺寸解算的红外目标快速检测方法

党允沛，马 君，张 珂，2

(1.机电动态控制重点实验室，陕西 西安 710065;2.复杂系统智能控制与决策国家重点实验室,北京 100081)

0 引言

末敏弹是一种能够有效打击地面纵深集群装甲目标的末端敏感型弹药，它能够利用前端红外探测器探测目标，并在发现目标后引爆战斗部，朝着目标方向爆炸，其具有高效费比，高命中率、杀伤力强、覆盖面积广，以及作战距离远等优点[1]。引信作为末敏弹的探测与控制组件，其探测体制决定了末敏弹实时打击目标的性能[2]。末敏弹引信多元红外探测体制能够解决单元红外探测体制只能探测目标的一维信息，不能探测目标的二维信息而引起的检测概率偏低的问题，因此采用多元红外探测体制对于红外目标检测具有体制上的优势[3]。

目前末敏弹引信多元红外信号处理方法通常采用与已知模板进行匹配的方式，如文献[4]中采用直接分类法，该方法是将未知目标特征向量(大小、形状、长宽比、中心元波形梯度及宽度)与目标库内已知的特征模板类别分别进行相关匹配，取所有相关值中最小值对应的类为目标所属类别。文献[5]中采用统计分类检测法，该方法首先对未知目标的各个特征量(面积、周长，中心元宽度以及波形斜率)进行提取，随后再分别与已知特征模板上的特征量进行匹配记分，并与各自权值作积，最后利用加权平均值作为判决条件来判断是否为目标。

末敏子弹的光轴与弹轴之间具有一定的夹角，当末敏子弹扫描过目标时，在信号处理期间，处于旋转状态的末敏子弹容易受到外界环境的干扰和由于末敏子弹在旋转过程中带来的不稳定等因素，使得末敏子弹爆炸方向易偏离目标。因此缩短信号处理时间，减小光轴与弹轴之间的夹角，进而尽可能较少外界的干扰，确保末敏子弹对目标有效作用。针对传统模板匹配方法用时较长，在信号处理过程中末敏子弹易受到外界环境的干扰，从而容易引起末敏子弹对目标失效的问题，提出了基于尺寸解算的红外目标快速检测方法。

1 末敏子弹引信红外目标检测

1.1 末敏子弹旋转扫描原理

末敏子弹在下降过程中，由于降落伞的作用，经过稳旋减速，最终以匀转速转动且匀速下降。末敏弹引信红外探测器方向与末敏子弹下落方向之间夹角为30°，其多个探测元排列方向与扫描方向相互垂直[6]。在探测器工作时，目标与背景的热辐射通过光学系统聚焦到多个探测单元上，各探测单元能够探测到目标的不同部位。末敏子弹的光轴与弹轴呈一定夹角，在扫描过目标后，经处理延时，适时发出起爆战斗部信号。末敏子弹多元红外探测器扫描如图1所示。

1.2 末敏子弹引信传统模板匹配算法

末敏子弹引信所采用的传统模板匹配算法是：首先对待识别目标的特征量(目标的面积、中心元波形宽度、目标的周长、中心元波形的斜率)进行提取；然后将上述四种特征量与由大量先验数据所建立的多个模板库特征边界值逐一进行匹配，匹配成功计为1，不成功则为0；最后赋予每个特征量一个对应的权值，求出加权平均值，利用加权平均值来判断是否为目标。传统模板匹配算法流程图如图2所示。

2 基于尺寸解算的红外目标快速检测方法

2.1 基于尺寸解算的红外目标快速检测的基本思路

本文所提目标快速检测的基本思路是：在经过对实时检测的数据进行预处理之后，对多元红外探测器探测到的多路波形信号进行边缘点快速提取，提取出各路探测元扫描过目标的脉宽信息以及探测到目标的元数。根据不同探测元探测到目标的时序关系以及高度计提供的高度信息计算目标所处红外视场的角度，再利用上述所提取的脉宽信息、探测到目标的元数、目标所处红外视场角度以及高度计提供的高度信息计算目标平行扫描方向的尺寸，垂直于扫描方向的尺寸，目标的两个边长，然后与目标实际尺寸进行对比，最终判断是否为目标。基于尺寸解算的红外目标快速检测方法流程图如图3所示。

2.2 基于尺寸解算的红外目标快速检测的步骤

2.2.1多路信号边缘点提取

1) 单路波形信号边缘点提取

当红外探测器扫描过目标时，探测到目标的探测单元所对应的探测通道检测到相应的波形信号，波形信号的边缘点对应扫描过目标的边缘点。对各路波形信号进行边缘点提取，提取出波形信号的脉宽宽度τ。所提取的波形信号脉宽宽度包含了目标平行于扫描方向的尺寸。

2) 多路间信号边缘点提取

红外探测器每个探测单元之间具有一定的视场角，当扫描过目标时，对多路间波形信号边缘点进行提取，即对探测到目标的探测元数N进行统计。所提取到探测元数N包含了目标垂直于扫描方向的尺寸。

2.2.2目标尺寸解算方法

1) 目标所处视场中的角度

在多元红外探测器扫描过目标时，探测到目标的不同探测通道扫描过目标起始点之间的时序差异代表了它们依次探测到目标的次序，根据这个时序上的差异，结合高度信息计算目标所处红外视场中的角度。邻近中心探测元与中心探测元之间的时间差为Δτ，由该时间差和探测元扫描过目标的线速度以及高度信息得到目标所处视场中的角度，角度计算公式如式(1)、式(2)所示。角度计算示意图如图4所示。

L=H/cosα×sinβ

(1)

alpha=arctan(Δτ×v/L)

(2)

式(1)、式(2)中，L为两个探测元视场间的距离，H为末敏子弹距离地面的高度，α为红外探测器的倾斜角度，β为探测元之间的视场角，alpha为目标所处红外视场中的角度，Δτ为不同探测元扫描过目标的时间差，v为中心波元扫描过目标的线速度。

2)目标尺寸的计算

利用中心波元探测到目标的持续时间以及红外探测元扫描过目标的线速度依据公式(3)计算得到平行于扫描方向的目标尺寸L1。利用探测到目标的元数以及元与元之间的距离依据公式(4)计算得到目标垂直于扫描方向的目标尺寸L2。然后利用目标所处红外视场中的角度以及平行于扫描方向的尺寸L1、垂直于目标扫描方向的尺寸L2，依据式(5)、式(6)分别求解目标的边长a1、a2。目标边长计算示意图如图5、图6所示。

L1=H×tanα×n×2×π×τ

(3)

L2=L×N

(4)

a1=L2×sin(alpha)

(5)

a2=L1/cos(arctan(a/b)-alpha)×

sin(arctan(a/b))

(6)

式(3)—式(6)中，L1为平行于扫描方向的目标尺寸，L2为垂直于扫描方向的目标尺寸，H为末敏子弹所处的高度。α为红外探测器的倾斜角度，即末敏子弹探测器方向与末敏子弹下落方向之间的角度，n为末敏子弹旋转速度，τ为探测元扫描过目标的时间，L2为垂直于扫描方向的目标尺寸，N为末敏子弹探测到目标的元数。L为两个探测元视场间的距离，a1为计算所得尺寸1，a2计算所得尺寸2，alpha为目标所处视场中的角度，a、b分别为目标真实的两个边长。

2.2.3目标决策融合判断

决策级融合采用特征量加权方法。本文采用的特征量是由上述过程计算所得两个边长a1，a2和平行于扫描方向尺寸L1，以及垂直于扫描方向的尺寸L2组成的。参与融合的特征量L1、L2、a1、a2分别与目标的实际尺寸进行逐一匹配，最终判断是否为目标。

2.3 算法影响因素分析

根据算法设计原理，对本文所提算法影响因素进行分析。影响本文所提算法的因素有：高度计提供的高度信息对目标尺寸计算引入的相对误差、末敏子弹旋转速度对目标尺寸计算引入的相对误差、末敏子弹在下降过程中红外探测器倾斜角度对目标尺寸计算引入的相对误差以及末敏子弹在下降过程中落速对目标尺寸计算引入的误差。

1) 高度计提供的高度信息对目标尺寸计算引入的相对误差

激光高度计的精度在150 m处可达0.2 m，相对误差在0.2%以内，其对目标尺寸计算引入的相对误差也在0.2%以内。如式(7)所示。

(7)

式(7)中，ΔH选取0.2 m，H选取100 m，ΔL为高度计对目标尺寸计算引入的相对误差。

2) 末敏子弹在下降过程中旋转速度对目标尺寸计算引入的相对误差

末敏子弹在下降过程中，以n=5 r/s的旋转速度进行旋转，然而末敏子弹在旋转过程中，其旋转速度存在的误差为Δn=±0.3 r/s，其对目标尺寸计算引入的相对误差在6%以内。如式(8)所示。

(8)

式(8)中，ΔL1为旋转速度对目标尺寸计算引入的相对误差。

3) 末敏子弹在下降过程中红外探测器倾斜角度对目标尺寸计算引入的相对误差

末敏子弹在下降过程中，红外探测器与末敏子弹下落方向成30°夹角，其夹角误差在±2°以内，对目标尺寸计算引入的相对误差在2.08%之内。如式(9)所示。

(9)

式(9)中，α理论取30°，α实际取30°±2°，ΔL2为红外探测器倾斜角度对目标尺寸计算引入的相对误差。

4) 末敏子弹在下降过程中落速对目标尺寸计算引入的误差

末敏子弹以v降=10 m/s的速度匀速下降，在红外探测器扫描目标的过程中，其扫描的线速度随着高度降低而逐渐减小，与此同时扫描过目标所需时间会逐渐增长。速度与时间计算公式如式(10)、式(11)所示，目标尺寸计算公式如式(12)所示。

v实际=(H-v降t)×tanα×2×π×n

(10)

(11)

a计算=v实际×t实际

(12)

式中，v实际是探测器扫描过目标的实时速度，H为末敏子弹开始工作的起始高度，α为探测器倾斜角度，n为末敏子弹转速，t实际为扫描过目标的时间，a为目标的实际尺寸。a计算为计算所得尺寸。依据式(10)、式(11)、式(12)可知，末敏子弹下降过程中的落速对目标尺寸计算引入的误差可忽略不计。

3 验证及分析

为验证本文所提方法的正确性，对实验室内旋转平台上采集的数据进行试验验证。实验室内旋转平台参数如表1所示，多元红外探测器参数如表2所示。

表1 实验室旋转平台的参数

Tab.1 Parameters of laboratory platform

高度/m切斜角度/(°)转速/(r/s)目标尺寸/m21.73050.17×0.12

表2 多元红外探测器参数

Tab.2 Parameters of multiple infrared detector

灵敏元尺寸/mm2元间隔/mm焦距/mm元数0.34×0.340.083910

3.1 算法有效性验证

本文从3个具有代表性的角度对本文所提方法进行试验验证，其波形信号分别如图7所示。图7(a)是在目标处于红外视场中0°时采集到的波形信号，其2～9路探测单元探测到目标信号。图7(b)是在目标处于红外视场中45°时采集到的波形信号，其1～9路探测单元探测到目标信号。图7(c)是在目标处于红外视场中90°时采集到的波形信号，其4～9路探测单元探测到目标信号。

针对图7所示的三种情况分别进行目标尺寸解算，其解算结果如表3所示。

由表3可知，将各路波形信号提取出的边缘点进行尺寸解算，解算出各路平行于扫描方向的目标尺寸L1，以及垂直于扫描方向的目标尺寸L2，然后利用多路间波形信号的时序关系解算出目标所处红外视场中的角度alpha，最后根据角度并结合高度计提供的实时高度信息快速解算目标尺寸(边长1，边长2)。经验证，本文所提基于尺寸解算的红外目标快速检测方法能够有效计算目标的尺寸，且相对误差在5%之内。试验结果验证了本文所提方法的合理性。

表3 目标尺寸解算结果

Tab.3 Results of target size calculating

参量所处视场中角度0°情况下计算所得尺寸(m)/角度(°) 45°情况下计算所得尺寸 (m)/角度(°)90°情况下计算所得尺寸(m)/角度(°)第1路L1(1)00.099 70第2路L1(2)0.124 60.129 30第3路L1(3)0.129 60.142 60第4路L1(4)0.135 80.156 80.172 8第5路L1(5)0.132 50.177 90.178 0第6路L1(6)0.127 70.137 00.172 1第7路L1(7)0.128 80.127 30.179 3第8路L1(8)0.122 70.113 00.178 0第9路L1(9)0.115 60.0920.172 3第10路L1(10)000L20.172 30.193 50.129 0alpha 3.0243.8290边长10.127 20.120 20.175 4边长20.169 10.162 20.126 8

对本文所提方法进行目标检测试验验证，检测结果如表4所示。

由表4可知，目标处于0°或90°时，目标检测概率达到96%以上；当目标处于45°时，目标检测概率达到92%以上。试验结果验证了本文所提基于尺寸解算的红外目标快速检测方法的有效性。

表4 目标检测结果

Tab.4 Results of target detection

角度/(°)试验次数检测成功次数05050455047905049

3.2 算法实时性验证

本文采用TMS320C6455(时钟频率为1 GHz)为硬件平台进行实时性验证，文中所提出的基于尺寸解算的红外目标快速检测方法所需时间与传统模板匹配方法所需时间在使用相同数据情况下进行对比，传统模板匹配方法所需时间3.2 ms，而本文所提出的基于尺寸解算的红外目标快速检测方法所需时间为0.532 ms，信号处理时间减少了80%。因此本文所提算法与传统模板匹配方法相比速度快，耗时少，能够实现目标的快速检测。

4 结论

本文提出了基于尺寸解算的红外目标快速检测方法，该方法的核心是对多元线阵探测器采集到的多路波形信号进行边缘点快速提取，并联合各路时序关系以及高度信息对目标尺寸进行求解，实时获得目标尺寸信息，进而实现了对红外目标的快速检测。试验结果表明：较传统模板匹配方法，在目标检测概率不低于90%，尺寸计算相对误差在5%以内的基础上，信号处理时间缩短了80%。试验结果验证了本文所提方法的有效性。

参考文献:

[1]GUO Rui, LIU Rongzhong, WANG Yubo, et al. Effects of wind on steady-state scan characteristics and hit probability of terminal-sensitive projectile[J]. Journal of China Ordnance，2010，6(1)：16-19.

[2]LIU Jikun，WANG Cuixia，HE Xueqiu，et al. Infrared measurement of temperature field in coal gas desorption[J]. International Journal of Mining Science and Technology，2014，24(1)：57-61.

[3]WU Panlong, LI Xingxiu. A Novel Maneuvering Target Passive Tracking Algorithm with Multiple Infrared Observers[C]//Proceedings of 2009 2nd IEEE International Conference on Computer Science and Information Technology. Beijing: IEEE China Council,Beijing Technology and Business University，2009：3.

[4]罗来邦，常本康，张力，等. 基于DSP的低分辨率红外目标特征提取及识别[J]. 探测与控制学报，2004，26(3)：9-12.

[5]罗来邦. 末敏弹简易红外成像起爆控制系统研究[D]. 南京：南京理工大学，2006.

[6]GAO Jingli，WEN Chenglin，BAO Zhejing，et al. Detecting slowly moving infrared targets using temporal filtering and association strategy[J]. Frontiers of Information Technology & Electronic Engineering，2016，17(11)：1176-1185.