自動目標識別技術

ATR就是機器利用感測器測量信息，模擬人類認知，對觀察場景中的目標進行檢測、識別的過程。ATR的宗旨就是達到系統高效性和解放人工，必然對我們的生活產生深遠的影響。軍事領域，ATR技術是取得戰場控制信息權的關鍵因素之一，廣泛用於敵我目標識別、目標類別識別和部位攻擊中。ATR在民用領域也得到大量的應用，例如用於身份確認和車牌識別、醫學圖像輔助診斷等等。

1 ATR識別過程

ATR是採用數據處理方法對來自感測器的目標數據進行識別和分類。ATR的識別過程如圖2，其中包含三個關鍵技術特徵提取、模板/模型建庫、分類識別。模板/模型庫一般是建立在大量實驗的基礎之上的。

根據目標的識別途徑ATR可分為合作式識別和非合作式識別。合作式識別就是根據識別方與被識別方共同約定的口令和密碼來進行敵我區分，敵我識別器是一種最重要的合作式識別手段。非合作式識別是指在識別雙方不具有共同約定的口令和密碼的情況下，利用感測器感受到的目標暴露特徵進行的識別。合作式識別容易實現，但只能用於識別我方目標，且可能被破譯和欺騙。非合作式識別實現困難，但應用面更廣。

在複雜環境下對目標進行有效的識別和穩定的跟蹤是非常困難的，僅僅依靠一種或少數幾種識別手段很難準確地進行目標識別，必須儘可能利用多個和多類感測器所收集到的多種目標屬性信息、多種識別方法，綜合出準確的目標屬性，進行目標綜合識別。同時，在努力提高識別和跟蹤演算法準確性的同時要兼顧實時性，使識別演算法能真正地在應用中發揮作用。

2 ATR面臨的挑戰

由於目標所處場景的複雜性，以及目標本身運動、缺損、模糊和遮擋，使得ATR技術是一個複雜的過程。總的說來，一個ATR系統應該具有在複雜背景以及各種情況下檢測、分類、識別目標的能力，這樣才能有針對性地對目標進行持續的跟蹤。這是一個十分具有挑戰性的課題。

ATR不是單純的模式識別問題。從目前對偵察系統的大範圍覆蓋要求來看，要做到目標識別，需要收集的數據量之大已遠遠超過人工迅速做出判斷的極限，特別是當被檢測或被識別的目標較小（如：坦克、船、車輛等）而監視區域較大時，監視和識別問題變得異常困難。

ATR系統要有開放性，有在線學習的能力。目標識別系統的特徵提取和分類識別需要大量的學習訓練，但這並不足以涵蓋系統真實運行時的所有狀態。不能指望系統在剛投入使用時即達到最佳目標識別能力，識別系統在具有基本識別能力的基礎上，更重要的是具備學習能力，使之能夠在使用中不斷積累和擴充，其識別性能處於一個動態提升的過程之中。因此系統要能夠以循序漸進的方式，自主地在線學習，不斷進化。

目標識別系統要有適應能力。當目標出現模糊、遮擋、動態變化時，或者環境條件變化時，系統要能有效的識別目標。而對於新場景的應用，識別系統的適應能力更顯重要。目前的目標識別系統在這方面還十分薄弱，往往需要人工干預。

3智能計算在ATR中的應用

研究可循序漸進地、在線地、自主地進行學習的智能化目標識別系統，並能適應複雜的環境（特別是戰場環境）的變化，減少人工干預，迅速有效達地到目標識別任務要求，是ATR的發展方向。

隨著計算技術進步，ATR開始採用人工智慧和專家系統技術，人們試圖借用智能計算的方法克服統計模式識別方法。它在一定程度上克服了傳統統計模型識別方法的局限，極大的推動了ATR技術的實用化。

ATR面臨的許多困難在人工智慧中都有相應的原型。具有學習能力的能夠自適應於使用場景的機器智能，這是系統處理多種信息，提高ATR性能提升的關鍵。目前所有機器的智能水平達不到3歲正常小孩的智力水平，機器智能的發展還有很長的路要走。雖然現在不能寄希望於像計算主義者所認同的，思維完全可計算，從而造就一個相當人腦水平的機器腦，但機器計算速度方面優勢明顯，利用智能計算的高速處理和自主學習能力，構造一個高「智能」的ATR系統，已經在不斷前進的路上。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！