美国计算机视觉技术发展与军事应用

2022-12-10徐晨

电子元器件与信息技术 2022年8期

徐晨

国家工业信息安全发展研究中心，北京，100040

0 引言

计算机视觉就是使用计算机及成像设备对人类视觉系统的一种生物模拟，是让机器像人那样“看”，其基本原理是通过光学非接触式成像设备，如摄像机等系统模拟人类的眼睛对目标进行跟踪识别、分析和测量，并作为输入手段，用计算机代替人脑将采集到的目标数据或影像处理成更合适人眼观察和仪器检测的图像。最终目标是让计算机像人那样通过视觉观察且理解世界[1]。

计算机视觉的研究始于20世纪70年代早期，是赋予机器智能的开始。20世纪80年代，很多科学家开始研究图像和场景的分析方法，并采用定量甚至更复杂的数学方法进行分析。20世纪90年代，计算机视觉领域最显著的一个发展是与计算机图像学的结合，特别是在图像的建模和绘制方面。进入21世纪后，计算机视觉领域通过与机器学习、人工智能、大数据分析等领域的交叉融合，在与图形学结合、物体识别方法、算法优化和机器学习的应用等方面取得了广泛的技术突破，主要表现如下：①计算机视觉与图形学相互融合；②提出了以特征方法为基础的物体识别方法；③发展了更高效求解复杂全局化问题的算法；④复杂的机器学习方法在计算机视觉问题中的应用，目前主导着该领域很多视觉识别的研究。

目前，国际学术界和产业界在计算机视觉领域取得了大量成果，例如：美国特斯拉把计算机视觉运用到汽车辅助驾驶上，让计算机实现对智能驾驶的辅助支持。其他的应用还包括无人机、工业机器人、医学成像、监视和交通监控等。

随着其应用场景的不断扩大，美军积极开展了计算机视觉技术在军事上的应用研究。例如，美军在战场态势感知、精确打击、无人装备、指挥控制和情报辅助决策等军事领域开展了计算机视觉应用研究。虽然计算机视觉在很多领域中已经得到了应用，但是与人类的视觉相比，其功能仍处在低水平阶段，还存在实体定义不明、目标检测识别不到位、实体追踪不准等问题，其领域的研究在很大程度上仍然依赖于对生物视觉机理的理解。

1 美军计算机视觉技术重点项目

计算机视觉技术作为一项赋能技术，随着其技术的不断发展和完善、技术瓶颈和难点的不断攻克，越来越凸显了它的应用价值，成为人工智能领域的关键技术之一。伴随着近年人工智能技术成为美军重点关注方向这一趋势，计算机视觉等前沿科技创新不断助力美军信息装备技术向智能化、无人化、自主化、协同化方向发展。美军持续加快计算机视觉领域的项目布局，开展了一系列计算机视觉技术项目研究，如“指南针”“心灵之眼”“深绿”“指挥官虚拟参谋”“战地物联网”“智能神经接口”“基于图式的知识导向人工智能推理系统”“Maven”等，力争抢占计算机视觉技术等人工智能技术军事应用的先机。

1.1 “指南针”

2018年美国国防高级研究计划局（DARPA）“指南针”项目旨在利用先进人工智能技术提高指挥官面对复杂破坏活动的决策效能，最终为战区级作战人员和规划人员提供强大的决策辅助分析工具，通过计算机视觉技术，分析海量数据，识破对方的身份和企图。“指南针”项目研发的辅助决策工具能够帮助分析人员鉴别正在发生的事是否正常。

1.2 “心灵之眼”

国防部2010年启动的“心灵之眼”计划，旨在开发视觉智能，依靠机器学习可广泛应用和生成事物间的行为描述。其可将来自战场的视频文件进行输入和学习，并对相关场景进行推理，形成行为描述，用于探索能够根据视觉信息进行自动化地面监视和实现态势认知与推理的战场监视系统，且采用计算机视觉技术帮助指挥员快速理解战场态势，并自主生成行动建议。

1.3 “深绿”

2007年DARPA开展的“深绿”计划，是将人工智能和仿真技术嵌入作战指挥系统，其最主要的核心技术是采用计算机视觉等技术，在战争环境下，反复将战场数据进行模拟、仿真并推演出敌我双方采用不同作战方案可能产生的战争结果，来推断敌方可能采取哪些作战行动以及战场态势感知的发展方向，引导指挥官依据计算机视觉技术评估的结果做出正确合理的决择。

1.4 “指挥官虚拟参谋”

2016年美国陆军启动的“指挥官虚拟参谋”项目，是继“深绿”后美军发展指挥控制智能化而开发的又一个人工自能视觉相关的项目。通过综合运用计算机视觉技术，对海量数据和战场态势进行研判，提出主动建议、高级分析和自然人机交互，为指挥员制定战术决策提供从规划、准备、执行到战场行动回顾全过程的决策支持。

1.5 “战场物联网”

美国陆军“战地物联网”项目，2017年启动，以计算机视觉、深度融合技术为核心，将战场传感器、武器、车辆、机器人以及作战人员可穿戴设备等节点进行网络连接，提升战场态势感知能力。

1.6 “智能神经网络”

DARPA“智能神经网络”2019年2月启动，描述实现“人机融合”的思路，为了在网络安全、数据和图像视频分析、无人机集群操作等方面增强人类能力，采用神经网络、脑机接口等技术建立智能武器装备和作战人员之间的心灵感应链接，让作战人员能够与机器或者计算机间进行思想互动。

1.7 “基于图式的知识导向人工智能推理系统”

DARPA自2019年以来牵头开展的“基于图式的知识导向人工智能推理系统”项目,旨在利用计算机视觉技术对复杂的现实世界事件的语境和时间进行推理，致力于鉴别和发现大量纷繁复杂的事情和媒体片段中的某种联系，分析并预测他们如何展开。

1.8 “算法战跨职能小组”

2017年美国国防部创建“算法战跨职能小组”项目，是计算机视觉人工智能应用的一次尝试，可以在人类无法到达的区域如在低空等作战环境下，对监视设备拍摄的大量监视录像和视频展开归类鉴别，将异常的或相关的视频标识出来，并提醒操作员注意，提高了情报分析人员的工作效率。后续将引进更为先进的计算机视觉技术[2]。

1.9 “深度多模式视频活动”

2016年DARPA启动“深度多模式视频活动”，旨在开发多摄像机流媒体视频环境中的强大自动活动检测能力，项目运用计算机视觉迅速定位视频中危害公共安全的威胁并检测政府安全设施潜在的威胁。这些项目和系统通过运用计算机觉技术，改变了依靠人力进行目标搜寻的方式，大大降低了人力成本；同时，缩短了目标识别的时间，大大提高了效率。

2 军事应用现状

计算机视觉技术本来是一项民用技术，但美军通过开展一系列计算机视觉技术项目和计划的研究，推动了计算机视觉技术在军事中的应用，主要体现在如下几个方面。

2.1 海量军事数据处理

计算技术视觉技术彻底改变了纯粹借助人力的传统式目标搜索方法，变成情报信息监控和侦察体系的“能量推力器”。美国利用计算机视觉技术进行了大量智能装备的研发和应用。美国防部“敏捷秃鹰”吊舱已经完成了在MQ-9“死神”察打一体无人机上的验证试验，其利用计算机视觉技术，实时处理海量情监侦数据，提高了无人机的整体作战能力。美军“算法战跨职能小组”项目将计算机视觉和机器学习算法融入智能采集单元，通过让计算机进行目标的自动识别，判断其是否存在敌对活动，分析人员可据此更高效、更及时做出决策[3]。

2.2 可提供高质量的图像识别

在复杂战场环境中，存在大量人眼无法完成的图像识别情况。计算机视觉技术可实现被遮挡物以及人眼无法触及的非视线下的图像识别。如DARPA资助的“利用主动光场革命性加强可见性”(REVEAL)项目已取得试验成功，利用计算机视觉技术实现了非视线成像技术的全面突破，做到了被遮挡物体的高分辨率实时成像。DARPA的“心灵之眼”项目开发的无人机智能相机，可实现对物体和动作的准确识别。

2.3 可为复杂战场环境提供辅助决策支撑

计算机视觉系统可以结合人工智能算法，实现对战场环境的侦查和监测，为辅助决策提供信息支撑。无论是DARPA的“深绿”计划，还是美国陆军的“指挥官虚拟参谋”项目，都是通过综合运用计算机视觉技术依据对获取目标海量数据进行识别、分析、推理和研判，或是对战场态势进行计算机视觉技术的分析，提出主动建议和通过人机交互，为指挥员制定战术决策提供依据和参考，实现从规划、准备、执行到战场行动回顾全过程的决策支持。2018年DARPA的“指南针”项目是帮助作战人员通过衡量敌方对各种刺激手段的反应弄清其意图，在不适宜采用OODA(观察、定位、决定、行动)作战的“灰色地带”运用计算机视觉等人工智能技术辅助指挥官进行决策。

2.4 可与多种装备系统集成，实现远程作战指挥控制

计算机视觉技术可以与武器装备进行集成，实现远程作战指挥。如美国协同视觉智能技术供应商Edgybees公司为美国空军AFWERX技术创新计划提供它的“百眼巨人”增强现实解决方案，将公司计算机视觉技术集成到空军系统，增强对复杂环境操作场景的态势感知能力，为指挥官提供远程作战指挥控制。计算机视觉目前也应用于便携式导弹发射系统和大型海军打击导弹的武器系统。美国海军表示，由L3技术公司制造的HE-4G导弹已通过了设计审查，允许项目进行设计鉴定和潜在部署。2022年1月，美国特种作战司令部与Anduril工业公司签署了一份高达9.7亿美元的合同，使其成为美军反无人系统集成合作伙伴。将Anduril公司综合了计算机视觉、机器学习等技术的反无人机系统方法整合到一系列的系统中，“满足针对特种作战部队优化的减轻操作人员任职负担的解决方案的独特要求”。

2.5 可实现无人系统的自主探测、定位和精确打击

计算机视觉技术在无人系统中的应用，首先是人工进行无人系统的操作，操作员从摄像机和激光雷达等摄影设备收集视觉和空间数据，随后对它们进行标识。新标识的数据信息将由无人系统软件的人工智能算法运作，进而训练无人系统在摄像机和激光雷达的视距范围内识别物体，并联想类似对象，从而避免危险。目前，小型无人机正在探索利用计算机视觉算法进行独立飞行，并通过对障碍物的扫描计算来躲避障碍物[4]。

采用计算机视觉技术可实现无人系统自主探测、定位和精确打击。如美国人工智能与安全航电系统公司2019年宣布，推出了一款能使自主飞行器超视距飞行的首个商用计算机视觉探测与规避解决方案，使无人机系统能像飞行员一样理解周边航空环境，可实现自主探测、避撞等。美军阿帕奇直升机通过计算机视觉技术更新改造后，不但能够全自动给予战场图象，还能够全自动对1000个侦查目标进行归类，依据威协等级挑选比较威胁目标进行自主打击[5-6]。

3 计算机视觉技术对武器装备建设和对作战的影响

未来战争，智能化因素将渗入战事和战备训练的整个过程，如智能感知、智能化情报搜集、智能辅助管理决策、智能化指挥控制、智能化无人作战服务平台等，将变成决定战争输赢的关键实力。计算机视觉技术作为人工智能技术的重要组成部分，终将对装备和未来作战产生影响。

3.1 对武器装备建设的影响

在实际作战中，可借助神经网络、专门的视觉硬件等对目标进行动态跟踪，计算机视觉系统通过观察，可在复杂战场环境下自动识别出潜在威胁，为目标打击提供参考信息。因此，计算机视觉系统也呈现出逐步向高度集成的嵌入式和小型化迈进和采用更高可信度的神经网络架构实现图像的精准识别等方面发展。

（1）在嵌入式和小型化方面，美国Iris Automation公司的Casia项目是一款超轻量、低功耗、小尺寸的，搭载了智能算法和软件的计算机视觉模块，可用于各种尺寸的无人机及目前流行的驾驶平台，具有可扩展、可升级的特性。

（2）在图像精准识别方面，DARPA正在探索使用深层神经网络架构抵御卷积神经网络的干扰，防止图像基于像素的修改和“扰动”等计算机出现视觉欺骗。

3.2 对作战的影响分析

计算机视觉技术作为一种赋能技术，对作战将产生以下影响。

（1）增强情监侦系统情报获取和处理能力，全面提升战场态势感知。情报监视侦察领域是计算机视觉技术的一个重要应用方向，可显著提升情报人员分析综合的准确性和效率，为指挥官准确掌握复杂战场情况、快速高效处置各类战场问题以及深度认知战略形势等提供可能。美军开展的“深绿”“指南针”“指挥官虚拟参谋”等一系列项目，都是通过计算机视觉技术对海量数据和战场态势提出研判和建议，为指挥员制定战术决策提供支持。

（2）提高了战场人机协同作战能力。人机混合是将人的生物性能和机器的物理性能进行有效的强强联合，形成人机协同能力。未来战争，人机协同作战将成为无人作战平台运用的新态势，并常态化存在。“采用有人-无人”协同编队，可实现优势互补、各取所长。计算机视觉可为人机协同作战提供“感知引擎”和“强劲大脑”，通过人机系统获取战场和目标的重要信息，经过算法处理，即形成相应决策，并依据指挥员的个人经验和思维习惯等特征做出最终判断。计算机视觉的发展，在人机协同作战方面，对于从战态势感知、指挥决策、目标引导、火力打击到毁伤评估的全过程将产生极大的影响，对提升人机协同作战效能具有显著作用。在计算机视觉和人工智能技术推动下，人机协同将改写未来战争规则。

（3）催生作战应用系统智能化，大幅提升战场指控效率。在未来作战中，无人武器装备可以通过计算机视觉技术对目标的视频信息进行分析和解构，形成图像信息，再利用计算机视觉的卷积神经网络图像识别技术，读取解构后的图片中的信息，自动识别出潜在威胁，为自主目标打击提供参考。美军的“算法战跨职能小组”和“指挥官虚拟参谋”项目都可协助美军快速分析战场上收集的ISR数据，实现指挥人员的高效战术决策。DARPA在2020年4月宣布的与美国陆军和空军联合开展的“空域快速战术执行全面感知”计划，也是采用计算机视觉等人工智能新技术，在复杂战场环境下为友军空域作战提供实时通用作战图像，为其“有人-无人”系统在同一空域内安全行动和执行攻击提供决策支持，大幅提升战场质控效率。