面向无人炮塔视频监控系统的设计与实现.pdf

引言未来战争将朝着无人化的趋势发展，无人炮塔系统也是坦克、自行火炮发展的趋势。无人防空炮塔指把坦克炮塔直接安装固定在坦克车体的顶部，乘员座位位于低矮坚固的车舱体内，因而乘员间的相互战斗与生存救援能力又得到了新一步提高1。视频实时交互监控系统是指一款能够综合高收稿日期：2022-08-11修回日期：2022-09-29作者简介：陈扬（1993），男，山西祁县人，硕士研究生。研究方向：系统工程。摘要：无人炮塔系统是未来火力系统发展的方向。介绍了面向无人炮塔的视频监控系统的概念和组成，初步分析了图像预处理技术图像去噪、边缘检测、图像增强等，并阐述了图像去噪、增强各种方法的优缺点，探讨了图像预处理技术在无人炮塔视频监控系统上的应用。最终搭建了基于 QT 的视频监控系统，通过采用定制摄像头连接在瑞芯微 RK3588 板卡进行采集视频图像数据，使用 QT 软件设计进行视频显示和图像预处理，最终将开发的软件系统移植到 RK3588 板卡，经测试该系统具有实时性强、可扩展性强、灵活性高等优点。关键词：无人炮塔；视频监控；系统工程；图像预处理；图像增强中图分类号：TP319文献标识码：ADOI：10.3969/j.issn.1002-0640.2023.06.025引用格式：陈扬，张振华，霍文健，等.面向无人炮塔视频监控系统的设计与实现 J.火力与指挥控制，2023，48（6）：157-161.面向无人炮塔视频监控系统的设计与实现陈扬，张振华，霍文健，黄乐，赵经时（北方自动控制技术研究所，太原030006）Design and Implementation of Video Surveillance System forUnmanned TurretCHEN Yang，ZHANG Zhenhua，HUO Wenjian，HUANG Le，ZHAO Jingshi（North Automatic Control Technology Institute，Taiyuan 030006，China）Abstract：Unmanned turret system is the development direction of future firepower system.Theconcept and composition of the video surveillance system for unmanned turret is introduced，the imagepreprocessingtechnologyimagedenoising，edgedetectionandimageenhancement，etcarepreliminarily analyzed.，the advantages and disadvantages of various methods of image denoising andenhancement are expounded，and the application of image preprocessing technology in unmanned turretvideo surveillance system is discussed.A video surveillance system based on QT is built.The videoimage data is collected by using a customized camera connected to the Ruixin Micro RK3588 board.The video display and image preprocessing are designed with QT software.Finally，the developedsoftware system is transplanted to the RK3588 board.After tests，the system has the advantages of strongreal-time，scalability，high flexibility，and so on.Key words：Unmanned turret；video surveillance；system engineering；image preprocessing；imageenhancementCitation format：CHEN Y，ZHANG Z H，HUO W J，et al.Design and implementation of videosurveillance system for unmanned turret J.Fire Control&Command Control，2023，48（6）：157-161.文章编号：1002-0640（2023）06-0157-05Vol.48，No.6Jun，2023火 力 与 指 挥 控 制Fire Control&Command Control第 48 卷第 6 期2023 年 6 月157（总第 48-）火 力 与 指 挥 控 制2023 年第 6 期表 1经典去噪算法优缺点对比Table 1Comparison of advantages and disadvantages of typicaldenoising algorithm效的融合运用于新一代多媒体技术、计算机网络技术、工业智能，以及控制智能信息综合处理新技术、人工智能软件平台等多种最新智能技术成果上的新型网络视频智能交互式监控系统2。正朝着视频数字/数字音频设备数字化、系统实现网络化、自动化技术和网络化管理方向迈进，以及向智能化技术方向的高速发展。而数字图像识别处理分析技术又是数字视频安防监控技术系统建设的重点关键支撑技术项目之一，直接反映出目前视频网络安全监控分析技术应用的最新水平。借助炮内监控，可实现实时数据采集，并可随时监控机构的运行状态，对提升火炮内机构运行的安全性和异常事件的预警具有一定的意义。1智能视频监控技术概述1.1视频监控系统组成视频监控系统现已全面发展并成为世界第四代网络视频安防监控技术。该应用系统开发的关键是一种基于实时数字图像和远程智能视频采集分析系统的技术。基于远程实时监控采集的图像数据，通过人工智能技术对监控视频图像内容进行可视化实时处理分析，显著提高了视频监控的有效性与实时性3。新一代视频监控系统与前三版监控系统的创新之处在于引入智能视频分析技术，通过工程师人为设定的异常事件规则，通过实时视频数据与规则库的对比来达到分析监控的目的。1.2视频监控系统的关键技术图像与监控综合预警网络技术体系由监控图像自动采集、图像智能处理、图像质量管理监测和智能监控和预警技术等五大技术单元体系构成，是一个综合性技术系统。该技术系统又可细分为以下几大技术：1）图像采集技术4。图像数据的获取靠摄像机的图像传感器，主流的图像传感器有 CMOS 和 CCD两大类。2）视频编解码技术。视频数据量大需要经过压缩后才能存储和传输。国内标准主要包括：AVS1、AVS2，以及面向安防视频监控的 SVAC1.0、SVAC2.0 等。3）视频网络无线介质传输及质量控制检测技术。涉及到实时信号控制传输过程的实时协议技术主要还包括：实时信号流的传输控制协议技术RTP、实时信号流的传输控制协议技术 RTCP、实时信号流协议技术 RTSP、会议话的初始处理协议技术 SIP 等。4）视频存储处理技术。包括本地云存储技术和本地云存储，涉及应用到本地的远程视频与实时监控技术的云存储技术通常分类为 FC-SAN、IP-SAN 等。5）视频内容分析技术。通过利用图像去噪、边缘提取、图像增强等技术手段，对视频图像分析识别视频内容和行为5。2视频监控系统中常用的视频图像的预处理技术2.1图像去噪无人炮塔在行驶过程中伴随着振动，车内采集的图像会引入噪声，同时在暗光影响下亮度较低6。对经典的图像去噪方法的优缺点进行对比，如表 1所示。2.2图像增强图像的增强技术，是当前数字图像预处理领域下形成的另外一个相对比较成熟重要的技术分支7。近 20 年来，针对不同技术特点形成的多种图像处理及应用算法新方向，许多当今最具经典而有效的数字图像信息的增强处理技术方法，都在相继开始或被陆续开发提出。这些低照度图像增强方法被归为以下几类8。算法的分类如下页图 1 所示。算法名称优点缺点均值滤波有效地滤除颗粒噪声图像便模糊中值滤波有效滤除图像的椒盐噪声细节变模糊维纳滤波应用较广，有效抑制白噪声计算量过大中点滤波算法结构简单去噪声效果差高斯滤波有效滤除正态分布噪声计算量较大,易损失细节形态学滤波适用细节不明显的图像适用范围较窄同态滤波有效恢复细节和平衡光照效率低引导滤波保边去噪，适用大窗口设计计算量过大双边滤波保边去噪效果比较好高频噪声无法，滤除干净非局域均值滤波保持图像的结构特性及细节计算量较大1581112（总第 48-）图 1图像增强算法分类Fig.1Classification of image enhancement algorithm表 2经典亮度增强算法优缺点对比Table 2Comparison of advantages and disadvantages of typicallightness enhancement algorithm为了在不同场景中选择合适的图像增强方法，比较了常用图像增强算法的优缺点，如表 2 所示。2.3图像边缘检测边缘是图像的特征之一，当一幅图像中边界的像素值发生阶跃变化时，像素的聚集便产生了边缘。图像边缘是图像分割、纹理分析和形状分析等图像处理技术的基石。借助于图像边缘处理技术，它可以大大减少要处理的数据，还可以保存有关目标边界的有用结构信息9。计算几何参数需要图像边缘的准确计算，通过检测边缘信息来获取图像的位置数据，再经过计算可以得到图像的几何参数。根据边缘检测算法技术基本实现的原理，算法分为一阶边缘检测算法、二阶边缘检测算法和其他算法10。一阶边缘检测常用的方法都是通过检测到一个最大的梯度点来作为一种确定的图像边缘；二阶边缘的检测常用的方法主要是通过检测灰度级域中的一个二阶导数的过零点来作为一个确定的图像边缘11。近年来，出现了一些具有较为前沿新概念特点的边缘检测新算法，如基于 BP 网络的边缘拟合、蚁群算法、小波边缘检测等。3视频监控系统总体设计3.1视频监控软件需求PAO 内监控软件运行于图像综合处理箱智能监控单元，通过 5 路 SDI 接口接入 5 个 PAO 内监控摄像头采集的图像视频，其中，2 个 PAO 内监控摄像头安装于 PAO 塔舱内后壁，2 个 PAO 内监控摄像头安装于 PAO 塔舱内前壁，1 个监控摄像头安装于驾驶舱内，监控操控终端屏幕信息。系统结构框图如图 2 所示。系统功能管理的基本需求讨论与问题分析：1）用户权限的管理。根据具体用户需要，管理员将对用户应用系统内设置权限的所有具体可管理操作权限对象均默认为用户，主要的操作应当包括对其用户权限进行修改、查看、删除、增加其他用户操作等可管理用户操作，其中最主要功能还包括对其用户权限进行设置功能的用户权限管理功能12。2）实时系统功能配置。根据用户系统日常的维护运行监控需要，对保证系统能够正常有效运行监控的一些相关技术参数功能进行实时设置，包括系统用户密码自动修改、系统的基本信息配置功能等。3）系统实时画面监控。能够基于 5 路摄像头的图像传输状态对摄像头的工作状态进行监测，并向任务管理系统输出摄像头状态监测信息。接收到PAO 内监控图像后，能够基于任务管理系统发送的PAO 内监控图像显示模式，对 4 路 PAO 内监控图像进行拼图，并通过 SDI 接口推送至显示输出控制单元。显示模式包含单路推送及 4 宫格推送。4）满足用户其他特殊功能需求。视频网络监控报警系统还需要实现报警设备列表、仓内火警监测、机构动作监控、后坐标尺测量、CAN 总线数据手法、报警查询、警报规则等功能。5）视频回播。根据视频用户所选择视频的播放图 2系统架构框图Fig.2Block diagram of system architecture算法名称优点缺点直方图均衡速度快图像曝光过度伽马校正速度较快丢失暗区细节Retinex 理论有效的处理颜色的失真易出现光晕现象色调映射细节较好保持整体对比度低暗通道算法 整体效果较佳，细节保持较好计算量过大神经网络细节保持较好计算量过大陈扬等：面向无人炮塔视频监控系统的设计与实现1591113（总第 48-）火 力 与 指 挥 控 制2023 年第 6 期图 55 宫格推显图Fig.55-square developed pattern表 4软件环境要求表Table 4List of software enviroment requirements时间段自动进行视频检索，随时准备将自己选择到的所有视频段都播放显示出来13。3.2视频监控系统软件架构设计根据系统功能需求分析结果，得到如图 3 所示的系统功能模块。3.3系统测试环境1）硬件环境：PAO 内监控软件运行的硬件环境主要技术参数见表 3。目标板卡实图如图 4 所示。2）软件环境的组成为：软件运行环境、软件开发环境、软件开发工具，如表 4 所示。3.4软件功能测试1）图像推显：接收到 PAO 内监控图像后，能够基于任务管理系统发送的 PAO 内监控图像显示模式对 4 路 PAO 内监控图像进行拼图，并通过 SDI 接口推送至显示输出控制单元。显示模式包含单路推送及 4 宫格推送，效果如图 5 所示。2）图像预处理：完成了基于 QT 图像处理平台的搭建，实现对图像和视频的去噪、增强、边缘检测的功能。系统界面框图见下页图 6。3）图像去噪：使用均值滤波功能实现，如图 7所示。图 3基于 QT 的视频监控系统功能模块图Fig.3Function module diagram of video surveillance systembased on QT表 3硬件环境Table 3Hardware environment图 4RK3588 开发板图Fig.4RK3588 development board项目说明处理器（目标机）RockChip（瑞芯微）RK3588CPU：八核 64 位（4Cortex-A76+4Cortex-A55），主频高达 2.4 GHzGPU：ARM Mali-G610 MP4 四核 GPU 支持 OpenGLES3.2/OpenCL 2.2/Vulkan1.1，450 GFLOPSNPU：NPU 算力高达 6 TOPS，可实现基于TensorFlow/MXNet/PyTorch/Caffe 等系列框架的网络模型转换内存：4 GB存储：128 GB视频输入：1 HDMI-IN（4K60fps），支持 HDCP 2.3；1 MIPI CSI（4 Lane）或者 2MIPI CSI（2 Lane）；2 MIPI DC（4 通道 DPHY v2.0 或 3 通道 CPHY V1.1）；1 DVP 摄像头接口（最高 150MHz 输入数据）*支持多路 8K 视频输出和 4K 视频输入，最高可以实现七屏异显开发机Intel Core i5-7200主频 2.5 GHz内存 4 G存储 512 G项目说明操作系统Linux 裸核（无发行版）开发工具Qt 5开发编译环境Ubuntu 16.04编程语言C/C+语言1601114（总第 48-）图 6基于 QT 的图像视频处理界面Fig.6Image and video processing interface based on QT图 7均值滤波处理效果图Fig.7Diagram of mean filter processing effects图 8边缘检测处理效果图Fig.8Diagram of edge detection processing effects图 9伽马变换实现图像增强效果图Fig.9Diagram of image enhancement effects realized by gammatransformation4）图像边缘检测：使用 Canny 算子实现该功能，效果如图 8 所示。5）图像增强：使用伽马变换实现该功能，效果如图 9 所示。4结论本文面向无人炮塔视频监控领域的迫切需求，介绍梳理了视频智能监控系统的快速发展历程，总结了智能视频监控系统主要硬件组成体系与应用中涉及的核心技术；介绍了视频图像去噪、增强、边缘等检测分析技术，对一些常用技术方法中的优缺点进行了概述，同时还对其现有方法应用中的具体研究方向作了介绍。本文还分析了视频安防监控软件系统架构。对于人机交互界面设计与实现进行了详细论述，通过测试验证了系统的可行性。视频实时监控处理系统还将逐渐趋向更智能化、网络化技术和高数字化管理的新方向发展14，智能视频分析技术前景广阔。参考文献：1 童睆，张金忠，姚鎏，等.无人炮塔系统关键技术组合分析 J.装甲兵工程学院学报，2006，20（2）：42-45.TONG H，ZHANG J Z，YAO L，et al.Analysis of keytechnology combinations for unmanned turret systemsJ.Journal of Armored Forces Engineering College，2006，20（2）：42-45.2 杨棚程.智能视频监控系统设计与实现 J.无线互联科技，2021，18（7）：73-74.YANG P C.Design and implementation of intelligent videosurveillance system J.Wireless Interconnection Technology，2021，18（7）：73-74.3 魏任得.视频监控系统的设计和实现 D.成都：电子科技大学，2010：23-28.WEI R D.Design and implementation of video surveillancesystemD.Chengdu：University of Electronic Science andTechnology，2010：23-28.4 罗才清.图像预处理算法研究 J.科教导刊-电子版（下旬），2013（11）：129-129.LUO C Q.Research on image preprocessing algorithms J.Science and Education Guide-Electronic Edition（Later），2013（11）：129-129.5 刘永峰.远程视频监控的嵌入式系统的研究与设计 D.长沙：国防科学技术大学，2005：40-45.LIU Y F.Research and design of an embedded system forremote video surveillanceD.Changsha：National Univer-sity of Defense Science and Technology，2005：40-45.6 郭盼，弓馨，何文超，等.图像去噪算法研究 J.科技资讯，2017，15（26）：243-245.GUO P，GONG X，HE W C，et al.Research on imagedenoisingalgorithmsJ.ScienceandTechnologyInformation，2017，15（26）：243-245.7 马龙，马腾宇，刘日升.低光照图像增强算法综述 J.中（下转第 168 页）陈扬等：面向无人炮塔视频监控系统的设计与实现1611115（总第 48-）火 力 与 指 挥 控 制2023 年第 6 期国图象图形学报，2022，27（5）：1392-1409.MA L，MA T Y，LIU R S.Overview of low light imageenhancement algorithmsJ.Chinese Journal of Image andGraphics，2022，27（5）：1392-1409.8 SHI Z，ZHU M M，GUO B，et al.Nighttime low illuminationimage enhancement with single image using bright/darkchannel prior J.Eurasip Journal on Image&Video Pro-cessing，2018（1）：13.9ZHOU Z，SANG N，HU X.Global brightness and localcontrast adaptive enhancement for low illumination colorimage J.International Journal for Light and ElectronOptics，2014，125（6）：1795-1799.10 严宽.数字图像边缘检测 J.科学与财富，2019（31）：346.YAN K.Digital image edge detection J.Science andWealth，2019（31）：346.11 齐运书，黄伟，高为刚，等.图像边缘检测算法 J.中国科技投资，2019（13）：13-14.QI Y S，HUANG W，GAO W G，et al.Image edge detectionalgorithm J China Science and Technology Investment，2019（13）：13-14.12 方芳.基于 ARM 的嵌入式视频监控系统的研究 D.北京：北京邮电大学，2008：50-60.FANG F.Research on ARM based embedded videosurveillance system D.Beijing：Beijing University ofPosts and Telecommunications，2008：50-60.13 王耀远.基于嵌入式系统的远程视频监控技术的研究D.长春：长春理工大学，2010：15-20.WANG Y Y.Research on remote video surveillancetechnology based on embedded systems D.Changchun：Changchun University of Technology，2010：15-20.14 李振华.图像通信与监控系统 M.北京：中国铁道出版社，1994：23-27.LI Z H.Image communication and monitoring system M.Beijing：China Railway Press，1994：23-27.15 王彩玲，高倩.警用装备多视频监控网络安全风险动态评估方法 J.兵器装备工程学报，2021，42（10）：218-223.WANG C L，GAO Q.Dynamic evaluation method of multivideo surveillance network security risk for police equip-ment J.Journal of Ordnance Equipmnet Engineering，2021，42（10）：218-223.Rangeless Air Combat Training System（ACTS）EB/OL.2014-09-01 http：/www.ngaus.org/sites/default/files/pdf/ACTS%20FY13.pdf.7 万明，樊晓光，禚真福，等.美军 ACMI 关键技术及发展趋势 J.电光与控制，2015，22（1）：62-66.WAN M，FAN X G，ZHUO Z F，et al.Key technologies anddevelopment trend of USAF ACMI J.Electronics OpticsControl，2015，22（1）：62-66.8 BILLS C G，KERN S，FLACHSBART B，et al.F-35 embed-ded training R.Lockheed Martin Corp Akron Oh，2009.9 BREMER L，SCHREUTELKAMP E.Application of Euro-Sim in the F-35 joint strike fighter embedded trainingsolution R.Ohio：Lockheed Martin Akron，2011.10 DUNBAR D P，JENNINGS D M.US Navy/USAF develop-ment of tactical aircrew combat training system/air combatmaneuvering instrumentation（TACTS/ACMI）R.SAETechnical Paper，1980.11 STOFFER G R.Performance measurement and the navy stactical aircrew training system（TACTS）R.NavalTraining Equipment Center Orlandofl，1981.12 GAO Y，ZHANG Y，ZHOU X，et al.Overview of simulationarchitectures supporting live virtual constructive（LVC）integrated training C/6th International Conference onControl，Robotics and Cybernetics（CRC）.IEEE，2021：333-338.13 BOND J.Tactical combat training system increment II EB/OL.2020-04-15 https：/ TAYLOR W P.P6 combat training system EB/OL.2020-04-15 https：/ ting/p/p6-ms-broc hure.pdf.15 雷创，杨文辉.动平台时空统一技术研究 J.现代导航，2013，4（2）：89-93.LEI C，YANG W H.Research on space-time unificationtechnology of moving platforms J.Modern Navigation，2013，4（2）：89-93.16 张滢，杨任农，左家亮.通用空空导弹 ACMI 毁伤评估仿真模型 J.计算机仿真，2011，28（7）：90-94.ZHANG Y，YANG R N，ZUO J L.“Hit or miss”assessmentof generic air-to-air missile simulation model in ACMIsystem J.Computer Simulation，2011，28（7）：90-94.17 BREIDENBACH T，CIAVARELLI A.Measurement meth-ods and metrics for aircrew assessment during close-in-air-to-air R.ADA168066，2008.18 BROWN J E，WAAG W L.USAF evaluation of auto-matedadaptive flight training system C/IEEE/SMC In-ternational Conference Information Management and En-gineering，2006：1203-1208.19 DE MORAES R M，DOS SANTOS MACHADO L.A modi-fied naive Bayes to online training assessment in virtualreality simulators C/Proceeding of 2008 3rd Interna-tional Conference on Intelligent System and KnowledgeEngineering，2009：1373-1378.20 KELLYMJ.Performancemeasurementduringsimulatedair-to-aircombat J.HumanFactors，1988，30（4）：495-506.（上接第 161 页）1681122