謝李蓉

（四川司法警官職業(yè)學(xué)院 四川省德陽市 618000）

近幾年來由于各方面原因，世界范圍內(nèi)經(jīng)常出現(xiàn)各種形式的自然災(zāi)害和人為災(zāi)難，如地震、洪水、城市火災(zāi)等，危及相關(guān)區(qū)域人類的生命安全，許多災(zāi)害由于地理位置等因素，不僅容易產(chǎn)生大面積的影響，造成大量人員傷亡、建筑物摧毀，還給搜救工作帶來了多方面的嚴(yán)峻挑戰(zhàn)。隨著無人機(jī)技術(shù)的逐漸成熟，其應(yīng)用優(yōu)勢逐漸在各領(lǐng)域凸顯出來，無線遙感、程序自動控制等技術(shù)使其能夠在搜救領(lǐng)域一展身手，其基于網(wǎng)絡(luò)通訊、電氣自動、圖像分析等技術(shù)完成自動搜索、人像分割等任務(wù)，將其他現(xiàn)有的自動化產(chǎn)品在搜救領(lǐng)域有著天然優(yōu)勢。無人機(jī)在搜救過程中將拍攝大量的圖像信息，不僅對成像技術(shù)的要求很高，還需要進(jìn)行及時、準(zhǔn)確的圖像傳輸和分析，才能準(zhǔn)確的找尋搜救目標(biāo)，獲取目標(biāo)空間位置等信息，為搜救工作提供準(zhǔn)確的數(shù)據(jù)支持，方便救援工作快速有效的開展。而相比無人機(jī)在地質(zhì)勘查、運(yùn)輸?shù)阮I(lǐng)域的應(yīng)用，無人機(jī)在搜救領(lǐng)域中，對其圖像處理技術(shù)的質(zhì)量要求更高，需要進(jìn)行人像分割等技術(shù)處理，以準(zhǔn)確的獲取目標(biāo)區(qū)域人的地理信息、相貌特征、活動情況等信息，但現(xiàn)有技術(shù)基于成像系統(tǒng)、圖像處理系統(tǒng)等技術(shù)的限制，難以快速的獲取成像，圖像的實(shí)時性、成像質(zhì)量也較差，因此需要優(yōu)化無人機(jī)系統(tǒng)，更好的應(yīng)用人像分割等圖像處理技術(shù)，以提升搜救無人機(jī)的智能化水平和圖像信息的質(zhì)量。

1 無人機(jī)影像特征及在搜救領(lǐng)域的應(yīng)用優(yōu)勢和工作流程綜述

1.1 無人機(jī)影像特征

無人機(jī)搜救需要應(yīng)用高分辨率的影像技術(shù)，而高分辨率影像包含豐富光譜和復(fù)雜地面紋理?；诠庾V、紋理等信息，進(jìn)行特征分析，判別搜索區(qū)域的地理特征、人像特征。但傳統(tǒng)圖像信息在分割、識別過程中，由于光譜信息易受光照程度、云層等多因素的影響，且技術(shù)上存在異物同譜或同物異譜等情況，給光譜信息區(qū)域分割、人像分割等工作帶來了巨大困難，影響影像分割的質(zhì)量、精度。無人機(jī)影像的紋理特征體現(xiàn)影像灰度值空間，利用其空間分布能一定程度克服傳統(tǒng)光譜影像分割中異物同譜等問題，在搜救任務(wù)圖像中，可體現(xiàn)出山脈、草地、森林、道路、樓房、人等事物的不同紋理，通過紋理特征進(jìn)行區(qū)域識別、目標(biāo)辨認(rèn)。

目前無人機(jī)影像紋理特征處理，一般基于統(tǒng)計、頻譜、模型等方法進(jìn)行分析。由于搜救工作一般在復(fù)雜的地域進(jìn)行，局部區(qū)域紋理特征可能表現(xiàn)出極強(qiáng)隨機(jī)性，而從整體特征進(jìn)行統(tǒng)計、分析，可提升紋理特征的規(guī)律性；應(yīng)用頻譜方法，以多尺度分析、多頻域和時間為基礎(chǔ)分析紋理特征；模型方法是利用統(tǒng)計和信號數(shù)據(jù)建立模型，如wold 分解、自回歸、馬爾科夫隨機(jī)場等模型描述特征；結(jié)構(gòu)分析法基于某種語言排列已提取的紋理單元，適用于描述較規(guī)則的紋理數(shù)據(jù)。

1.2 無人機(jī)在搜救領(lǐng)域的應(yīng)用優(yōu)勢

無人機(jī)應(yīng)用于搜救工作，一般由操作者利用基于無線電技術(shù)的遙控設(shè)備進(jìn)行控制，使無人機(jī)以合適的飛行方向、速度和高度進(jìn)行區(qū)域搜索，完成目標(biāo)搜索任務(wù)。從技術(shù)層面可將無人機(jī)分為無人固定翼、無人垂直起降飛機(jī)和無人飛艇、直升機(jī)、旋翼飛行器、傘翼機(jī)等類別。不同無人機(jī)在設(shè)備大小、核心技術(shù)等方面均有差別，實(shí)際搜救任務(wù)中視具體作業(yè)需要、任務(wù)復(fù)雜度選擇合適的無人機(jī)，如垂直起降無人機(jī)較適合礦工搜救場景。

整體而言，無人機(jī)較有人飛機(jī)具備耗能小、操縱方便、易拆裝收納等優(yōu)點(diǎn)，無人機(jī)與載人飛機(jī)相比，且在體積、成本兩方面有明顯的優(yōu)勢。無人機(jī)不需要設(shè)計載人空間，較小體積使其能在更狹小的區(qū)域進(jìn)行搜救工作；由于體積減少，從機(jī)身材料等方面減少了無人機(jī)的制造成本，如今許多性能較好的無人機(jī)已實(shí)現(xiàn)大規(guī)模量產(chǎn)，在搶險救災(zāi)場景中可以利用多艘無人機(jī)對某區(qū)域進(jìn)行細(xì)致的搜索，以地震為例，可能引發(fā)房屋塌陷、地質(zhì)斷裂情況，救災(zāi)人員可通過無人機(jī)提前勘測道路等災(zāi)區(qū)情況，更準(zhǔn)確、細(xì)致的開展道路搶修、人員搜救、物資運(yùn)輸?shù)裙ぷ鳎查g接減少了搜救人員的工作危險性，提升了賑災(zāi)救援的速度。

1.3 無人機(jī)搜救場景的工作流程

實(shí)際救援場景中，無人機(jī)工作將由救援基站進(jìn)行部署，進(jìn)行用戶信息、搜救信息處理和數(shù)據(jù)建設(shè)等工作。以較大的災(zāi)區(qū)救援為例，首先合理布置總基站、臨時基站，保證各基站工作覆蓋位置能合理的覆蓋搜救區(qū)域，總基站包含各臨時站，及時將整體救援信息傳輸給臨時基站，總基站通過申請GIS 等地理信息系統(tǒng)的訪問權(quán)限，得到受災(zāi)地區(qū)詳細(xì)的地理信息，如經(jīng)緯度、天氣、空氣能見度等，根據(jù)災(zāi)區(qū)各區(qū)域情況和地理情況，向臨時基站傳輸物資需求、人員搜救等任務(wù)，總基站進(jìn)行統(tǒng)一的數(shù)據(jù)收集、歸類工作，根據(jù)進(jìn)展及時的更新和下發(fā)救災(zāi)信息。其次，臨時基站主要擔(dān)任引導(dǎo)受災(zāi)人群聚集、管理等一線工作，如通過無人機(jī)引導(dǎo)人員向救災(zāi)基站靠攏，用無人機(jī)向無法前進(jìn)的人員運(yùn)送物資，為迷路人員和搜救官兵提供尋路、引路等工作。

一般情況下，無人機(jī)群由總基站統(tǒng)一管理，救援初期由其下發(fā)救援指令，由無人機(jī)群對整個災(zāi)區(qū)進(jìn)行廣度優(yōu)先信息搜索；然后根據(jù)獲取的災(zāi)區(qū)情況派遣相應(yīng)無人機(jī)群到臨時基站，優(yōu)先抵達(dá)相鄰子基站或受災(zāi)嚴(yán)重區(qū)域，詳細(xì)了解各受災(zāi)區(qū)域情況，并考慮災(zāi)區(qū)動態(tài)變化，對新加入災(zāi)區(qū)或情況變化明顯區(qū)域，調(diào)整無人機(jī)派遣數(shù)量、搜救密度；接著，臨時基站用無人機(jī)調(diào)查和傳輸各子災(zāi)情，由總基站統(tǒng)計并考慮優(yōu)先級等因素，統(tǒng)一調(diào)度臨時基站進(jìn)行物資運(yùn)輸、地形勘測等任務(wù)。

2 智能搜救無人機(jī)系統(tǒng)設(shè)計分析

2.1 搜救無人機(jī)開發(fā)環(huán)境

我國當(dāng)前無人機(jī)設(shè)計開始借助MicroPython 等開源電路板實(shí)現(xiàn)相關(guān)控制功能，其是基于Python 腳本語言實(shí)現(xiàn)的，社區(qū)支持強(qiáng)大、應(yīng)用廣泛，還可以訪問一些底層操控硬件。借助MicroPython，通過腳本語言來訪問和控制無人機(jī)LED 燈、控制電機(jī)、SD 卡等硬件。

OpenMV 是優(yōu)秀的機(jī)器衛(wèi)星視覺模塊，應(yīng)用于搜救無人機(jī)系統(tǒng)設(shè)計，為人像分割等圖像處理的提高關(guān)鍵支持。該模塊基于單片機(jī)和圖像傳感器實(shí)現(xiàn)，通過搭載基于MicroPython 實(shí)現(xiàn)的解釋器、Python 編程，完成端口控制、圖像文件讀取等基礎(chǔ)功能和人臉檢測與跟蹤、顏色提取與跟蹤等復(fù)雜功能。

LAB 色彩模型由明度和色彩a、b 要素組成，明度用L 表示，a 要素表示色彩區(qū)域中從洋紅至綠色的色彩范圍，b 要素表示從色彩區(qū)域中從黃至藍(lán)的色彩范圍。由于LAB 模型不依賴設(shè)備的攝像性能和色域?qū)掗?，包含了CMYK 等所有人眼可見色域，將其應(yīng)用于搜救無人機(jī)，能很好的彌補(bǔ)了傳統(tǒng)攝像機(jī)器只使用RGB 色彩模型導(dǎo)致色彩分布不均的問題，使無人機(jī)搜救圖像能呈現(xiàn)出更寬闊色域、豐富色彩，方便進(jìn)行人像分割等色彩處理。

2.2 全自動模擬搜救系統(tǒng)的模塊設(shè)計

實(shí)現(xiàn)搜救無人機(jī)智能化的基礎(chǔ)，就是實(shí)現(xiàn)高度的全自動化，因此需要設(shè)計模擬搜救系統(tǒng)，包括無人機(jī)控制模塊、手控模塊和目標(biāo)自動跟蹤模塊。無人機(jī)控制模塊，要滿足無人機(jī)在不同搜救地理環(huán)境下的穩(wěn)定性，并實(shí)現(xiàn)無人機(jī)穩(wěn)定性功能，一般通過陀螺儀等設(shè)備實(shí)現(xiàn)控制增穩(wěn)、定向飛行等自動功能。

無人機(jī)起飛、著陸等環(huán)節(jié)對其穩(wěn)定性的要求也較高，可以通過手控模塊傳輸返啟航信號和具體操作，通過受控模塊，技術(shù)人員利用遙感設(shè)備進(jìn)行大力螺旋等操作，傳輸給無人機(jī)具體目標(biāo)坐標(biāo)，實(shí)現(xiàn)無人機(jī)落地、抓取目標(biāo)、休眠等操作。

目標(biāo)自動追蹤模塊是實(shí)現(xiàn)自動目標(biāo)定位、自動實(shí)時追蹤、路線矯正等搜救工作的關(guān)鍵。該模塊基于圖像傳感器獲取即時圖像，對彩色圖像進(jìn)行閾值分析和人人像分割等處理，更準(zhǔn)確的選取目標(biāo)、獲取其坐標(biāo)，并傳輸給控制模塊。

2.3 全自動模擬搜救系統(tǒng)的流程設(shè)計

無人機(jī)全自動目標(biāo)搜救流程包括：

（1）無人機(jī)穩(wěn)定飛往搜救任務(wù)區(qū)域，由自動控制模塊向追蹤模塊傳輸具體搜索指令；

（2）追蹤模塊根據(jù)搜索指令通過色彩模型分割顏色閾值，即自動進(jìn)行人像分割等操作，判斷和鎖定人物目標(biāo)，若目標(biāo)鎖定成功，進(jìn)行實(shí)時追蹤并向手控模塊反饋目標(biāo)坐標(biāo)，等待返航、睡眠或下一個搜救指令；

（3）手控模塊在根據(jù)坐標(biāo)信息觸發(fā)休眠自動追蹤模式，并等待下一個控制信息；

（4）無人機(jī)完成人物進(jìn)行返航，判斷搜救目的完成情況，若完成自動進(jìn)行飛行。

3 人像分割技術(shù)在無人機(jī)智能搜救中的應(yīng)用實(shí)現(xiàn)

人像分割是提取和處理影像的關(guān)鍵一步，依據(jù)空間、顏色、紋理等圖像特征提取和處理信息，人像分割后得到人物、背景不同區(qū)域的情況，是無人機(jī)進(jìn)行目標(biāo)識別、跟蹤等下一步自動操作的技術(shù)前提。本文基于Mean Shift 分割算法探究無人機(jī)搜救影像處理的實(shí)現(xiàn)方法：

3.1 圖像分割后區(qū)域合并原理

圖像分割后區(qū)域合并指通過設(shè)定的規(guī)則對影像進(jìn)行區(qū)域分割后，再將其與相鄰影像區(qū)域進(jìn)行合并，是人像分割的基本技術(shù)流程。首先，需要根據(jù)相連區(qū)域的某些一致特征制定合并規(guī)則，一般根據(jù)區(qū)域顏色值距離、面積值等因素設(shè)定自動合并規(guī)則。如基于Mean Shift 算法設(shè)定合理的空間帶寬參數(shù)，規(guī)范不同目標(biāo)分割影像大小，從而準(zhǔn)確的對人像和背景進(jìn)行分割。

3.2 區(qū)域合并預(yù)處理

高分辨率影像再分割和再合并過程中，對原影像的精度將造成影響。而無人機(jī)搜救人物中，不僅需要獲取詳細(xì)的人像信息，還需要獲取地物邊緣、細(xì)小地質(zhì)情況等豐富地理信息，而這些信息可能由同一區(qū)域被分割為不同小區(qū)域，因此需要進(jìn)行準(zhǔn)確的區(qū)域合并。Mean Shift 算法能敏感的辨別影像任何局部區(qū)域的極大值，分割極大值點(diǎn)區(qū)域，可能保留了部分“椒鹽噪聲”，因此需要采取合理降噪措施，減少計算量、提升影像信息準(zhǔn)確度，即通過面積閾值等合并規(guī)則替換顏色值規(guī)則，合并細(xì)小臨近區(qū)域，去除極大值區(qū)域合并遺留的圖像噪聲。

3.3 區(qū)域合并過程

通過Mean Shift 算法將無人機(jī)圖像分割為n 個區(qū)域，確定相鄰區(qū)域是否存在色彩、紋理等特征相似情況，采用各區(qū)域平均光譜矢量代表自身光譜特征。首先，影像分割后，獲得各像元數(shù)量，即區(qū)域灰度矢量，通過灰度矢量得出各分割平均光譜矢量，進(jìn)而結(jié)合波段數(shù)等數(shù)據(jù)計算出相鄰區(qū)域平均光譜矢量的歐氏距離，表示為D。然后，若D 小于設(shè)定顏色特征的閾值，則進(jìn)行區(qū)域合并，并根據(jù)像元個數(shù)計算區(qū)域面積，結(jié)合面積閾值將細(xì)小區(qū)域合并到相鄰最大面積區(qū)域中，并進(jìn)行區(qū)域邊界標(biāo)注，最終得到分割后在合并影像。

4 結(jié)束語

綜上，本文探討了智能搜救無人機(jī)的圖像特征、系統(tǒng)設(shè)計和人像分割的實(shí)現(xiàn)等內(nèi)容。搜救無人機(jī)應(yīng)用OpenMV 模塊、MicroPython 開源板塊、LAB 色彩模型和Mean Shift 圖像算法，可較好的實(shí)現(xiàn)搜救任務(wù)自動化，精準(zhǔn)處理紋理、色彩等特征，進(jìn)行人像分割等處理，以更準(zhǔn)確的進(jìn)行人員搜救等工作。但由于不同搜救場景地物細(xì)節(jié)等信息豐富程度、地物關(guān)系復(fù)雜程度存在差別，還應(yīng)根據(jù)具體搜集場景、任務(wù)，合理的選擇算法和硬件，設(shè)計針對性強(qiáng)或綜合能力強(qiáng)的無人機(jī)系統(tǒng)，以更好的解決復(fù)雜救援工作中的影像處理等問題，提升無人機(jī)搜救工作的質(zhì)量和智能化水平。