CN115984590B - 基于图像识别的目标易损性评估方法、装置及电子设备 - Google Patents
基于图像识别的目标易损性评估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115984590B CN115984590B CN202211688457.7A CN202211688457A CN115984590B CN 115984590 B CN115984590 B CN 115984590B CN 202211688457 A CN202211688457 A CN 202211688457A CN 115984590 B CN115984590 B CN 115984590B
- Authority
- CN
- China
- Prior art keywords
- target
- damage
- image
- result
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000006378 damage Effects 0.000 claims abstract description 290
- 238000004088 simulation Methods 0.000 claims abstract description 94
- 230000008859 change Effects 0.000 claims abstract description 39
- 230000000694 effects Effects 0.000 claims description 41
- 230000015654 memory Effects 0.000 claims description 31
- 230000035939 shock Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000012634 fragment Substances 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000009525 mild injury Effects 0.000 claims description 4
- 230000009526 moderate injury Effects 0.000 claims description 4
- 230000009528 severe injury Effects 0.000 claims description 4
- 230000003902 lesion Effects 0.000 claims 2
- 238000011156 evaluation Methods 0.000 abstract description 16
- 230000000875 corresponding effect Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 240000002989 Euphorbia neriifolia Species 0.000 description 2
- 238000005474 detonation Methods 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008832 photodamage Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及装备毁伤评估技术领域，具体公开了一种基于图像识别的目标易损性评估方法、装置及电子设备，其中，包括：分别获取打击前的目标图像和打击后的目标图像；根据打击后的目标图像进行图像识别确定打击目标数据，以及根据打击前的目标图像与打击后的目标图像的比对确定变化区域图像；根据变化区域图像计算目标毁伤面积以确定图像识别毁伤结果；根据打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果；将图像识别毁伤结果与毁伤仿真结果进行对比，并根据比对结果确定目标易损性结果。本发明提供的基于图像识别的目标易损性评估方法具有精度高以及准确度高的优势。
Description
技术领域
本发明涉及装备毁伤评估技术领域，尤其涉及一种基于图像识别的目标易损性评估方法、基于图像识别的目标易损性评估装置及电子设备。
背景技术
在大规模场景的作战环境下，准确的目标易损性评估决定了后续攻击方案制定的正确性。一个准确的战场目标易损性评估结果可以充分利用战场的资源，有效降低战场的成本。无论是在首次命中之后，还是多发命中之后，都需要利用各种评估手段去获取及时、可靠的目标易损性结果，以此不断修正进一步的打击目标、打击方法和重点打击区域。准确的目标打击效果不仅能为指挥官提供攻击方案调整的依据，同时可以最大程度地利用战场资源，降低战斗消耗的成本。
目标易损性评估，是一项极具风险而要求又很高的工作。高精度的目标易损性评估保障了战场资源的合理利用。现有的图像识别技术通常用于识别图像中目标的类型和数量，在目标易损性评估方面鲜有应用。常见的识别是对机场跑道弹坑的数量和类型识别，通过数量去表征机场跑道的易损性。但是现代战场对目标易损性的评估指标并不限于对于数量，同时仅仅用图像识别的结果去表征目标易损性的结果是单一、准确度较差的。
因此，如何能够提高目标易损性评估的精度和准确度成为本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种基于图像识别的目标易损性评估方法、基于图像识别的目标易损性评估装置及电子设备，解决相关技术中存在的易损性评估精度低以及准确度低的问题。
作为本发明的第一个方面，提供一种基于图像识别的目标易损性评估方法，其中，包括：
分别获取打击前的目标图像和打击后的目标图像；
根据所述打击后的目标图像进行图像识别确定打击目标数据，以及根据所述打击前的目标图像与所述打击后的目标图像的比对确定变化区域图像，其中所述打击目标数据包括目标类型、目标数量和目标所受攻击的命中点位置；
根据所述变化区域图像计算目标毁伤面积以确定图像识别毁伤结果；
根据所述打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果；
将所述图像识别毁伤结果与所述毁伤仿真结果进行对比，并根据比对结果确定目标易损性结果。
进一步地，根据所述打击前的目标图像与所述打击后的目标图像的比对确定变化区域图像，包括：
将所述打击前的目标图像作为标准图；
将所述打击后的目标图像与所述标准图进行比较，确定差异图像；
对所述差异图像进行图像处理，获得变化区域图像。
进一步地，根据所述变化区域图像计算目标毁伤面积以确定图像识别毁伤结果，包括：
对所述变化区域图像进行特征识别，获得目标所受攻击区域；
确定所述目标所受攻击区域的易损面积，并根据所述易损面积与目标在所述变化区域图像上的投影面积确定图像识别所对应的第一目标毁伤概率；
根据所述第一目标毁伤概率确定第一毁伤等级。
进一步地，确定所述目标所受攻击区域的易损面积，并根据所述易损面积与目标的投影面积确定图像识别所对应的第一目标毁伤概率，包括：
根据所述变化区域图像的像素坐标值估算所述目标所受攻击区域的表面面积；
将所述目标所受攻击区域的表面面积确定为所述目标所受攻击区域的易损面积；
将所述易损面积与目标在所述变化区域图像上的投影面积的比值确定为图像识别所对应的第一目标毁伤概率。
进一步地，根据所述第一目标毁伤概率确定第一毁伤等级，包括：
若第一目标毁伤概率＜10％，则确定所述第一毁伤等级为未毁伤；
若10％≤第一目标毁伤概率＜50％，则确定所述第一毁伤等级为轻度毁伤；
若50％≤第一目标毁伤概率＜80％，则确定所述第一毁伤等级为中度毁伤；
若所述第一目标毁伤概率≥80％，则确定所述第一毁伤等级为重度毁伤。
进一步地，根据所述打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果，包括：
根据所述目标所受攻击的命中点位置确定战斗部初始位置；
根据所述战斗部初始位置进行不同攻击工况下的战斗部毁伤效应建模，获得战斗部毁伤效应模型；
根据所打击目标的目标类型和目标数量构建目标模型；
根据所述目标模型与所述战斗部毁伤效应模型进行毁伤效应仿真，获得毁伤仿真结果。
进一步地，根据所述目标模型与所述战斗部毁伤效应模型进行毁伤效应仿真，获得毁伤仿真结果，包括：
将所述目标模型与所述战斗部毁伤效应模型分别进行破片效应毁伤仿真和冲击波毁伤效应仿真，获得破片仿真毁伤概率和冲击波仿真毁伤概率；
将所述破片仿真毁伤概率与所述冲击波仿真毁伤概率相加获得毁伤仿真所对应的第二目标毁伤概率；
根据所述第二目标毁伤概率确定第二毁伤等级。
进一步地，将所述图像识别毁伤结果与所述毁伤仿真结果进行对比，并根据比对结果确定目标易损性结果，包括：
计算所述图像识别毁伤结果中的第一目标毁伤概率与所述毁伤仿真结果中的第二目标毁伤概率的差值；
判断所述差值是否小于预设阈值；
若所述差值小于预设阈值，则输出所述第一目标毁伤概率以及所述第一目标毁伤概率对应的毁伤等级；
若所述差值不小于预设阈值，则修正毁伤仿真过程或重新选择打击后的目标图像，并将重新获得的毁伤仿真结果或重新获得的图像识别毁伤结果重复上述差值计算，直至所述差值小于预设阈值。
作为本发明的另一个方面，提供一种基于图像识别的目标易损性评估装置，用于实现前文所述的基于图像识别的目标易损性评估方法，其中，包括：
图像获取模块，用于分别获取打击前的目标图像和打击后的目标图像；
图像识别模块，用于根据所述打击后的目标图像进行图像识别确定打击目标数据，以及根据所述打击前的目标图像与所述打击后的目标图像的比对确定变化区域图像，其中所述打击目标数据包括目标类型、目标数量和目标所受攻击的命中点位置；
图像识别毁伤模块，用于根据所述变化区域图像计算目标毁伤面积以确定图像识别毁伤结果；
毁伤仿真模块，用于根据所述打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果；
毁伤结果对比模块，用于将所述图像识别毁伤结果与所述毁伤仿真结果进行对比，并根据比对结果确定目标易损性结果。
作为本发明的另一个方面，提高一种电子设备，其中，包括：存储器和处理器，所述存储器和处理器通信连接，所述存储器用于存储计算机指令，所述处理器用于加载并执行所述计算机指令，以实现前文所述的基于图像识别的目标易损性评估方法。
本发明提供的基于图像识别的目标易损性评估方法，通过配准打击前后的图像，识别图像中的变化特征，计算特征点之间的图上像素坐标插值，估算出目标受损区域的直径和作用面积。依据目标作用面积与目标投影面积比值，判断目标的毁伤结果。这种以图像识别为基础，结合战场毁伤仿真模拟结果进行综合性目标易损性评估，由此获得“获取-识别-评估”一体化图像识别目标易损性评估方式，有效提升了战场目标易损性评估的准确性，缩短目标易损性评估的时间，从而加速作战过程、优化后续战役方案、节约战争成本，充分利用战役资源。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本发明提供的基于图像识别的目标易损性评估方法的流程图。
图2为本发明提供的图像识别毁伤结果确定的流程图。
图3为本发明提供的根据易损面积确定第一目标毁伤概率的流程图。
图4为本发明提供的目标在战斗部方向投影分割示意图。
图5为本发明提供的毁伤仿真结果获得流程图。
图6为本发明提供的目标易损性结果确定流程图。
图7为本发明提供的基于图像识别的目标易损性评估装置的结构框图。
图8为本发明提供的电子设备的结构框图。
图9为本发明提供的基于图像识别的目标易损性评估系统的结构框图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种基于图像识别的目标易损性评估方法，图1是根据本发明实施例提供的基于图像识别的目标易损性评估方法的流程图，如图1所示，包括：
S100、分别获取打击前的目标图像和打击后的目标图像；
在本发明实施例中，通过设备成像单元实现图像的采集与获取，具体在获取时获取的图像分为两部分，一部分是在打击目标前，通过设备成像单元在预定区域拍摄包含目标的高质量、清晰、完整的图像，被称为打击前的目标图像；另一部分是在打击目标后，同样通过设备成像单元在预定区域拍摄目标被打击后的完整图像，被称为打击后的目标图像。
由于获取的图像准确性不仅决定了图像识别爆炸命中点和毁伤面积的准确性，而且影响着最终毁伤评估的结果，所以在图像获取打击后的目标图像后，需要对图像进行质量评估。若图像质量符合规定的标准，则继续进行图像识别等操作；如果图像质量不满足要求，则重新获取打击后的目标图像。
在对图像质量进行判断时，具体可以采用设备自动化判定图像质量的模式。设备通过均值、标准差、平均梯度、熵等指标评判图像质量，着重对图像的亮度、噪声、清晰度、目标是否被明显遮挡等因子进行分析，判断图像的质量是否符合评估的要求，具体判断过程为本领域技术人员所熟知，此处不再赘述。
S200、根据所述打击后的目标图像进行图像识别确定打击目标数据，以及根据所述打击前的目标图像与所述打击后的目标图像的比对确定变化区域图像，其中所述打击目标数据包括目标类型、目标数量和目标所受攻击的命中点位置；
在本发明实施例中，以打击前的目标图像为标准图，比较目标被攻击后图片，结合图像识别技术得到变化区域。
具体地，根据所述打击前的目标图像与所述打击后的目标图像的比对确定变化区域图像，包括：
将所述打击前的目标图像作为标准图；
将所述打击后的目标图像与所述标准图进行比较，确定差异图像；
对所述差异图像进行图像处理，获得变化区域图像。
应当理解的是，为了实现对目标破坏区域的精确检测，利用形态学方法对所构建出的打击前后差异图像进行处理，消除图像上的噪声、灰点等不利因素。
另外，在本发明实施例中，通过对打击后的目标图像进行几何特征识别，获取所打击目标的类型、数量，以及目标所遭受攻击的命中点位置。以此命中点为指向，分析得出最可能造成这种攻击的三种工况，分别给出不同工况的战斗部初始位置，包括坐标、高低角和方位角，这些数据会应用于毁伤效应仿真。
需要说明的是，本发明实施例中的几何特征识别等均采用现有的图像处理中的常规识别手段即可实现，具体为本领域技术人员所熟知，此处不再赘述。
S300、根据所述变化区域图像计算目标毁伤面积以确定图像识别毁伤结果；
应当理解的是，在确定目标所打击的位置的表面面积后，通过求出目标打击位置的表面面积与投影面积的比值，确定目标的毁伤等级。一般来说，由于目标受损的面积越大，可以直观简洁地确定目标毁伤面积的规模，从而评估目标受到不同方位攻击下的易损性。
目标易损性通常采用目标的易损面积进行评定。目标的易损面积也可转化为目标的毁伤概率。通过将目标的易损面积与目标投影面积的比值，即可确定目标的毁伤概率。目标的易损面积是指目标在被攻击下最容易受到破坏的脆弱区域面积。一旦目标的易损面积被击中，那么目标会立刻丧失战斗力。目标的易损面积与目标易损性呈现正相关，目标易损性越高，目标越容易在攻击下被破坏。
在本发明实施例中，如图2所示，具体可以包括：
S310、对所述变化区域图像进行特征识别，获得目标所受攻击区域；
应当理解的是，通过对变化区域图像进行特征识别，可以选择出目标所受攻击区域，以便于计算易损区域。具体特征识别方式也可以采用本领域图像处理中常规特征识别方式即可实现，此处不再赘述。
S320、确定所述目标所受攻击区域的易损面积，并根据所述易损面积与目标在所述变化区域图像上的投影面积确定图像识别所对应的第一目标毁伤概率；
在本发明实施例中，如图3所示，具体可以包括：
S321、根据所述变化区域图像的像素坐标值估算所述目标所受攻击区域的表面面积；
S322、将所述目标所受攻击区域的表面面积确定为所述目标所受攻击区域的易损面积；
S323、将所述易损面积与目标在所述变化区域图像上的投影面积的比值确定为图像识别所对应的第一目标毁伤概率。
具体地，基于毁伤面积计算的毁伤评估技术的本质是将目标在战斗部来袭方向进行投影，选取目标的投影面的一点作为建立直角坐标系，目标应被包含在坐标系的某一个象限，计算被击中。如图4所示，假定在坐标系中战斗部攻击目标的命中点是(x，y)。将目标划分成不同的单元网格，每个单元网格被击中后损失的概率是p(x,y)，那么目标在被击中此网格的易损面积可表示为：
AV＝∫∫p(x,y)dxdy，
其中，AV表示目标在某一投影方向上的易损面积(m2)，p(x,y)表示战斗部命中坐标点(x,y)后目标的毁伤概率(无量纲)。
在计算目标的易损面积时，将目标投影面积分割成m个相同尺寸的单元网格，每个单元网格的面积设定为△S。假定所有的单元网格具有相同的毁伤概率P。那么当战斗部在命中目标某个单元网格i时，目标对应的毁伤概率是
其中，AV’表示目标在某一射弹方向上的易损面积(m2)，△S表示单个正方形网格面积(m2)，pj表示战斗部命中第j个网格中心目标对应的毁伤概率(无量纲)。
在基于毁伤面积计算的毁伤评估技术中，以同样的思想计算目标毁伤面积。将图像进行像素化处理，对击中部位形成的面积通过像素去量化，求出被击中区域的毁伤面积。通过毁伤面积与总面积的比值，计算出目标的毁伤概率。
其中，PV表示目标的毁伤概率(无量纲)，AV’为目标在某一射弹方向上的易损面积(m2)，S为目标在某一方向的投影面积(m2)。
需要说明的是，上述易损面积具体采用的是表面面积的计算方式，即未考虑目标立体的情况，而是将目标映射为二维之后，仅仅计算的是目标所受攻击区域的表面面积。
S330、根据所述第一目标毁伤概率确定第一毁伤等级。
具体地，第一目标毁伤概率与第一毁伤等级的对应可以包括：
若第一目标毁伤概率＜10％，则确定所述第一毁伤等级为未毁伤；
若10％≤第一目标毁伤概率＜50％，则确定所述第一毁伤等级为轻度毁伤；
若50％≤第一目标毁伤概率＜80％，则确定所述第一毁伤等级为中度毁伤；
若80％≤第一目标毁伤概率，则确定所述第一毁伤等级为重度毁伤。
S400、根据所述打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果；
首先在获取到打击目标数据后，构建出目标的模型；然后在三维场景中依据图像识别的数据，设置三种最可能攻击的工况。设置战斗部初始位置，复现实际战场中弹目交会情况；其次在场景中开展战斗部打击目标的毁伤模拟；最后依据毁伤模拟的结果排除其他两种工况，给出最大置信度的弹目交会信息以及目标易损性评估数据。
具体地，根据所述打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果，如图5所示，包括：
S410、根据所述目标所受攻击的命中点位置确定战斗部初始位置；
具体地，战斗部作为不同武器装备的毁伤单元，依据不同的毁伤原理可划分为杀爆战斗部、侵爆战斗部和温压战斗部等。战斗部的威力与弹药的结构无关，从一定程度上来说战斗部的威力取决于战斗部的装药量。战斗部的毁伤效应依据主要作用毁伤元不同，可划分为破片毁伤效应和冲击波毁伤效应。
S420、根据所述战斗部初始位置进行不同攻击工况下的战斗部毁伤效应建模，获得战斗部毁伤效应模型；
S430、根据所打击目标的目标类型和目标数量构建目标模型；
在本发明实施例中，所述目标模型的构建包括几何形状构建和易损性构建。
具体地，所述几何形状建模包括：第一，通过目标的工程图纸构建目标的几何外形。第二，依据部件的相对壳体的位置，在目标模型内部构建部件模型。目标建模利用模型特征对二维图形结合旋转、拉伸等操作构建模型。在建立内部部件时，通常对模型进行简化，利用简单的长方体、圆柱体代替复杂部件模型。
所述易损性建模包括：第一，构建目标的结构树；通过对目标不同部件、系统进行划分，构建目标的结构树。第二，构建目标的毁伤树；依据结构树构建目标的毁伤树，通过用“与”、“或”以及“非”等逻辑符号连接不同层级结构，结合对部件设置不同的毁伤准则、毁伤权重实现。常用的毁伤准则包括破片毁伤准则、冲击波毁伤准则、引燃引爆等准则；第三，对几何模型设置部件的等效厚度；在计算过程中，需要通过部件的厚度计算破片的穿透效果，从而计算部件的毁伤。
S440、根据所述目标模型与所述战斗部毁伤效应模型进行毁伤效应仿真，获得毁伤仿真结果。
在战斗部毁伤效应模型和目标模型构建完成后，开展目标在战斗部作用下的毁伤效应仿真。通常情况下，毁伤效应仿真包括破片效应毁伤仿真和冲击波毁伤效应仿真。
具体地，根据所述目标模型与所述战斗部毁伤效应模型进行毁伤效应仿真，获得毁伤仿真结果，包括：
将所述目标模型与所述战斗部毁伤效应模型分别进行破片效应毁伤仿真和冲击波毁伤效应仿真，获得破片仿真毁伤概率和冲击波仿真毁伤概率；
将所述破片仿真毁伤概率与所述冲击波仿真毁伤概率相加获得毁伤仿真所对应的第二目标毁伤概率；
根据所述第二目标毁伤概率确定第二毁伤等级。
在本发明实施例中，针对破片毁伤效应仿真具体包括：破片分为自然破片和预制破片。在战斗部的装药爆炸作用下，战斗部壳体发生破裂产生自然破片。预制破片是在装药壳体内部装有球形、方形和圆柱形等破片。破片在爆炸的驱动下进行飞散，其飞散轨迹在仿真中通过破片的速度衰减和破片的飞散角度进行描绘。破片在碰撞到目标后，利用THOR侵彻方程计算出破片穿透目标表面防护的剩余速度。依据剩余速度判断破片是否穿透目标防护进入目标内部。若破片进入目标内部，飞行与目标部件发生碰撞，继续利用THOR方程计算破片侵彻部件的剩余速度。依照此种模式多次计算，直至破片剩余速度为0m/s，无法穿透部件。统计在破片作用下目标部件的毁伤结果，结合目标的毁伤树与毁伤准则，获得目标的毁伤概率。
针对冲击波毁伤效应仿真具体包括：冲击波是炸药爆炸产生的能量挤压空气形成的作用。冲击波通常采用压力、比冲量、到达时间和作用时间等参量进行描述。冲击波在传播过程中，会作用所有的目标面元。通常用目标面元的最大压力和平均压力来表征目标某个部件的作用压力，通过冲击波毁伤准则计算目标的毁伤概率。
需要说明的是，针对上述毁伤概率的计算具体可以采用基于三维模型计算毁伤概率，即将三维模型拆解成多个三维体网格，计算毁损之后有多少三维体网格发生毁损，然后将毁损的网格除以整体的三维体网格即可获得毁伤概率。
最后将上述两者的毁伤概率相加即可获得作为毁伤仿真所对应的第二目标毁伤概率，然后根据第二目标毁伤概率确定第二毁伤等级。
需要说明的是，在该实施方式中，所述第二目标毁伤概率与第二毁伤等级的关系具体可以包括：
若第二目标毁伤概率＜10％，则确定所述第二毁伤等级为未毁伤；
若10％≤第二目标毁伤概率＜50％，则确定所述第二毁伤等级为轻度毁伤；
若50％≤第二目标毁伤概率＜80％，则确定所述第二毁伤等级为中度毁伤；
若所述第二目标毁伤概率≥80％，则确定所述第二毁伤等级为重度毁伤。
S500、将所述图像识别毁伤结果与所述毁伤仿真结果进行对比，并根据比对结果确定目标易损性结果。
在本发明实施例中，如图6所示，可以包括：
S510、计算所述图像识别毁伤结果中的第一目标毁伤概率与所述毁伤仿真结果中的第二目标毁伤概率的差值；
S520、判断所述差值是否小于预设阈值；
在本发明实施例中，所述预设阈值具体可以为15％。
S530、若所述差值小于预设阈值，则输出所述第一目标毁伤概率以及所述第一目标毁伤概率对应的毁伤等级；
S540、若所述差值不小于预设阈值，则修正毁伤仿真过程或重新选择打击后的目标图像，并将重新获得的毁伤仿真结果或重新获得的图像识别毁伤结果重复上述差值计算，直至所述差值小于预设阈值。
以所述预设阈值为15％为例，若两者的毁伤结果相差大于15％，则返回三维场景，修正战斗部的命中点和飞行轨迹，重新进行仿真模拟，如若经过预设次数的修正获得的差值仍然大于15％，此时需要考虑是否是图像选取的问题，即重新获得打击后的目标图像，然后重新进行图像识别，并重新获得图像识别毁伤结果，重新进行计算差值，通过上述方式的修正直至获得差值小于15％的毁伤结果。
如差值直接是小于15％，则直接将图像识别毁伤所对应的第一目标毁伤概率以及第一目标毁伤概率所对应的毁伤等级进行输出。例如，所述第一目标毁伤概率为43％，所述第二目标毁伤概率为48％，则直接输出第一目标毁伤概率43，该第一目标毁伤概率对应的毁伤等级为轻度毁伤，这样最终的目标易损性评估结果为毁伤概率为43％，毁伤等级为轻度毁伤。
综上，本发明提供的基于图像识别的目标易损性评估方法，通过配准打击前后的图像，识别图像中的变化特征，计算特征点之间的图上像素坐标插值，估算出目标受损区域的直径和作用面积。依据目标作用面积与目标投影面积比值，判断目标的毁伤结果。这种以图像识别为基础，结合战场毁伤仿真模拟结果进行综合性目标易损性评估，由此获得“获取-识别-评估”一体化图像识别目标易损性评估方式，有效提升了战场目标易损性评估的准确性，缩短目标易损性评估的时间，从而加速作战过程、优化后续战役方案、节约战争成本，充分利用战役资源。
作为本发明的另一实施例，提供一种基于图像识别的目标易损性评估装置10，用于实现前文所述的基于图像识别的目标易损性评估方法，其中，如图7所示，包括：
图像获取模块100，用于分别获取打击前的目标图像和打击后的目标图像；
图像识别模块200，用于根据所述打击后的目标图像进行图像识别确定打击目标数据，以及根据所述打击前的目标图像与所述打击后的目标图像的比对确定变化区域图像，其中所述打击目标数据包括目标类型、目标数量和目标所受攻击的命中点位置；
图像识别毁伤模块300，用于根据所述变化区域图像计算目标毁伤面积以确定图像识别毁伤结果；
毁伤仿真模块400，用于根据所述打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果；
毁伤结果对比模块500，用于将所述图像识别毁伤结果与所述毁伤仿真结果进行对比，并根据比对结果确定目标易损性结果。
本发明提供的基于图像识别的目标易损性评估装置，通过配准打击前后的图像，识别图像中的变化特征，计算特征点之间的图上像素坐标插值，估算出目标受损区域的直径和作用面积。依据目标作用面积与目标投影面积比值，判断目标的毁伤结果。这种以图像识别为基础，结合战场毁伤仿真模拟结果进行综合性目标易损性评估，由此获得“获取-识别-评估”一体化图像识别目标易损性评估方式，有效提升了战场目标易损性评估的准确性，缩短目标易损性评估的时间，从而加速作战过程、优化后续战役方案、节约战争成本，充分利用战役资源。
关于本发明提供的基于图像识别的目标易损性评估装置的具体工作原理可以参照前文的基于图像识别的目标易损性评估方法的描述，此处不再赘述。
作为本发明的另一实施例，提供一种电子设备，其中，包括：存储器和处理器，所述存储器和处理器通信连接，所述存储器用于存储计算机指令，所述处理器用于加载并执行所述计算机指令，以实现前文所述的基于图像识别的目标易损性评估方法。
如图8所示，该电子设备80可以包括：至少一个处理器81，例如CPU(CentralProcessing Unit，中央处理器)，至少一个通信接口83，存储器84，至少一个通信总线82。其中，通信总线82用于实现这些组件之间的连接通信。其中，通信接口83可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口83还可以包括标准的有线接口、无线接口。存储器84可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器84可选的还可以是至少一个位于远离前述处理器81的存储装置。其中，存储器84中存储应用程序，且处理器81调用存储器84中存储的程序代码，以用于执行上述任一方法步骤。
其中，通信总线82可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线82可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器84可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器84还可以包括上述种类的存储器的组合。
其中，处理器81可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器81还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：genericarraylogic,缩写：GAL)或其任意组合。
可选地，存储器84还用于存储程序指令。处理器81可以调用程序指令，实现如本发明图1实施例中所示的基于图像识别的目标易损性评估方法。
作为本发明的另一实施例，提供一种计算机可读存储介质，包括计算机指令，其中，所述计算机指令被处理器加载并执行时实现前文所述的基于图像识别的目标易损性评估方法。
在本发明实施例中，提供了一种非暂态计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于图像识别的目标易损性评估方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
作为本发明的另一实施例，提供一种基于图像识别的目标易损性评估系统1，其中，如图9所示，包括：成像单元70和前文所述的电子设备80，所述成像单元70与所述电子设备80通信连接。
成像单元70用于在预定区域拍摄目标图像，并获得打击前的目标图像以及打击后的目标图像。在本发明实施例中，所述成像单元具体可以为CCD图像传感器。
关于电子设备的工作原理可以参照前文电子设备的描述，此处不再赘述。
综上，本本发明提供的基于图像识别的目标易损性评估系统具有以下优势：
(1)实现了将图像识别技术在目标易损性评估领域的应用，提高了作战的效率。
在实际作战场景下，战场的环境瞬息万变，所有的目标易损性评估效果一定是快速且准确的。依赖于数字图像处理技术的目标易损性评估可以迅速的通过对图像的处理，获取目标的毁伤结果，依据毁伤结果可以进行下一步攻击方案，大大提高了攻击作战的效率。
(2)将图像识别获取的毁伤面积结果和毁伤仿真模拟结果相结合，综合性地评估了目标易损性，保证了评估结果的准确性。
设备将图像识别结果获取的毁伤面积计算结果和毁伤仿真模拟结果进行对比，在结果误差大的情况下会不断修正仿真模拟中战斗部的飞行轨迹进行重新毁伤仿真模拟，最终得到准确性较高的毁伤结果。
(3)评估方法具备通用性，可应用于不同目标的毁伤结果评估。
设备的使用目标并不局限于跑道、建筑这种具有显著特征的目标，而是所有的战场目标包括装甲车、飞机、舰船等武器装备都可以通过基于图像识别的目标易损性评估方法获取真实的毁伤结果。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (6)
1.一种基于图像识别的目标易损性评估方法，其特征在于，包括：
分别获取打击前的目标图像和打击后的目标图像；
根据所述打击后的目标图像进行图像识别确定打击目标数据，以及根据所述打击前的目标图像与所述打击后的目标图像的比对确定变化区域图像，其中所述打击目标数据包括目标类型、目标数量和目标所受攻击的命中点位置；
根据所述变化区域图像计算目标毁伤面积以确定图像识别毁伤结果；
根据所述打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果；
将所述图像识别毁伤结果与所述毁伤仿真结果进行对比，并根据比对结果确定目标易损性结果；
根据所述变化区域图像计算目标毁伤面积以确定图像识别毁伤结果，包括：
对所述变化区域图像进行特征识别，获得目标所受攻击区域；
确定所述目标所受攻击区域的易损面积，并根据所述易损面积与目标在所述变化区域图像上的投影面积确定图像识别所对应的第一目标毁伤概率；
根据所述第一目标毁伤概率确定第一毁伤等级；
确定所述目标所受攻击区域的易损面积，并根据所述易损面积与目标的投影面积确定图像识别所对应的第一目标毁伤概率，包括：
根据所述变化区域图像的像素坐标值估算所述目标所受攻击区域的表面面积；
将所述目标所受攻击区域的表面面积确定为所述目标所受攻击区域的易损面积；
将所述易损面积与目标在所述变化区域图像上的投影面积的比值确定为图像识别所对应的第一目标毁伤概率；
根据所述打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果，包括：
将目标模型与战斗部毁伤效应模型分别进行破片效应毁伤仿真和冲击波毁伤效应仿真，获得破片仿真毁伤概率和冲击波仿真毁伤概率；
将所述破片仿真毁伤概率与所述冲击波仿真毁伤概率相加获得毁伤仿真所对应的第二目标毁伤概率；
根据所述第二目标毁伤概率确定第二毁伤等级；
将所述图像识别毁伤结果与所述毁伤仿真结果进行对比，并根据比对结果确定目标易损性结果，包括：
计算所述图像识别毁伤结果中的第一目标毁伤概率与所述毁伤仿真结果中的第二目标毁伤概率的差值；
判断所述差值是否小于预设阈值；
若所述差值小于预设阈值，则输出所述第一目标毁伤概率以及所述第一目标毁伤概率对应的毁伤等级；
若所述差值不小于预设阈值，则修正毁伤仿真过程或重新选择打击后的目标图像，并将重新获得的毁伤仿真结果或重新获得的图像识别毁伤结果重复上述差值计算，直至所述差值小于预设阈值。
2.根据权利要求1所述的基于图像识别的目标易损性评估方法，其特征在于，根据所述打击前的目标图像与所述打击后的目标图像的比对确定变化区域图像，包括：
将所述打击前的目标图像作为标准图；
将所述打击后的目标图像与所述标准图进行比较，确定差异图像；
对所述差异图像进行图像处理，获得变化区域图像。
3.根据权利要求1所述的基于图像识别的目标易损性评估方法，其特征在于，根据所述第一目标毁伤概率确定第一毁伤等级，包括：
若第一目标毁伤概率＜10%，则确定所述第一毁伤等级为未毁伤；
若10%≤第一目标毁伤概率＜50%，则确定所述第一毁伤等级为轻度毁伤；
若50%≤第一目标毁伤概率＜80%，则确定所述第一毁伤等级为中度毁伤；
若所述第一目标毁伤概率≥80%，则确定所述第一毁伤等级为重度毁伤。
4.根据权利要求1所述的基于图像识别的目标易损性评估方法，其特征在于，根据所述打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果，包括：
根据所述目标所受攻击的命中点位置确定战斗部初始位置；
根据所述战斗部初始位置进行不同攻击工况下的战斗部毁伤效应建模，获得战斗部毁伤效应模型；
根据所打击目标的目标类型和目标数量构建目标模型；
根据所述目标模型与所述战斗部毁伤效应模型进行毁伤效应仿真，获得毁伤仿真结果。
5.一种基于图像识别的目标易损性评估装置，用于实现权利要求1至4中任意一项所述的基于图像识别的目标易损性评估方法，其特征在于，包括：
图像获取模块，用于分别获取打击前的目标图像和打击后的目标图像；
图像识别模块，用于根据所述打击后的目标图像进行图像识别确定打击目标数据，以及根据所述打击前的目标图像与所述打击后的目标图像的比对确定变化区域图像，其中所述打击目标数据包括目标类型、目标数量和目标所受攻击的命中点位置；
图像识别毁伤模块，用于根据所述变化区域图像计算目标毁伤面积以确定图像识别毁伤结果；
毁伤仿真模块，用于根据所述打击目标数据进行目标打击场景构建以实现目标毁伤仿真，获得毁伤仿真结果；
毁伤结果对比模块，用于将所述图像识别毁伤结果与所述毁伤仿真结果进行对比，并根据比对结果确定目标易损性结果。
6.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和处理器通信连接，所述存储器用于存储计算机指令，所述处理器用于加载并执行所述计算机指令，以实现权利要求1至4中任意一项所述的基于图像识别的目标易损性评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211688457.7A CN115984590B (zh) | 2022-12-27 | 2022-12-27 | 基于图像识别的目标易损性评估方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211688457.7A CN115984590B (zh) | 2022-12-27 | 2022-12-27 | 基于图像识别的目标易损性评估方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115984590A CN115984590A (zh) | 2023-04-18 |
| CN115984590B true CN115984590B (zh) | 2023-07-14 |
Family
ID=85969603
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211688457.7A Active CN115984590B (zh) | 2022-12-27 | 2022-12-27 | 基于图像识别的目标易损性评估方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115984590B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118311866B (zh) * | 2024-03-06 | 2024-09-24 | 武汉船用电力推进装置研究所(中国船舶集团有限公司第七一二研究所) | 一种基于误差动态补偿的舰船水炮角度修正方法及修正系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109344452A (zh) * | 2018-09-11 | 2019-02-15 | 北京中恒天威防务科技有限公司 | 一种目标易损性分析方法 |
| CN114492170A (zh) * | 2021-12-30 | 2022-05-13 | 中国人民解放军总参谋部第六十研究所 | 一种典型目标易损性毁伤评估方法及系统 |
| CN114841956A (zh) * | 2022-04-29 | 2022-08-02 | 中国人民解放军军事科学院战争研究院 | 基于图像分析的毁伤评估方法、系统、设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110348103B (zh) * | 2019-07-04 | 2020-12-08 | 北京航空航天大学 | 一种基于数字孪生的车辆抗毁伤评估方法 |
| CN112446874A (zh) * | 2020-12-11 | 2021-03-05 | 中国人民解放军国防科技大学 | 一种人机协作自主等级毁伤评估方法 |
| CN114419450A (zh) * | 2022-03-29 | 2022-04-29 | 中国人民解放军96901部队 | 一种基于影像特征分析的线性目标毁伤效能快速评估方法 |
| CN114882354B (zh) * | 2022-04-15 | 2024-05-31 | 北京理工大学 | 一种活性毁伤元爆裂毁伤快速精确图像识别方法 |
-
2022
- 2022-12-27 CN CN202211688457.7A patent/CN115984590B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109344452A (zh) * | 2018-09-11 | 2019-02-15 | 北京中恒天威防务科技有限公司 | 一种目标易损性分析方法 |
| CN114492170A (zh) * | 2021-12-30 | 2022-05-13 | 中国人民解放军总参谋部第六十研究所 | 一种典型目标易损性毁伤评估方法及系统 |
| CN114841956A (zh) * | 2022-04-29 | 2022-08-02 | 中国人民解放军军事科学院战争研究院 | 基于图像分析的毁伤评估方法、系统、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115984590A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115984590B (zh) | 基于图像识别的目标易损性评估方法、装置及电子设备 | |
| WO2021036135A1 (zh) | 一种深度图像补全方法及装置、计算机可读存储介质 | |
| CN110988818A (zh) | 基于条件生成式对抗网络的欺骗干扰模板生成方法 | |
| CN109740876A (zh) | 目标威胁判断方法 | |
| Hau et al. | Object removal attacks on lidar-based 3d object detectors | |
| CN110765975B (zh) | 作弊行为的判定方法、装置、存储介质和计算机设备 | |
| CN112446874A (zh) | 一种人机协作自主等级毁伤评估方法 | |
| CN111025249B (zh) | 一种判定箔条干扰在仿真环境中干扰效果的方法 | |
| CN112749761A (zh) | 基于注意力机制和循环神经网络的敌方作战意图识别方法及系统 | |
| CN112464451B (zh) | 基于作战仿真系统的防空导弹武器命中概率修正方法 | |
| Kechagias-Stamatis et al. | Local feature based automatic target recognition for future 3D active homing seeker missiles | |
| CN115272403A (zh) | 一种基于图像处理技术的破片飞散特性测试方法 | |
| Wang et al. | A camouflaged object detection model based on deep learning | |
| CN111914910A (zh) | 基于多观察点形状上下文的飞机编队识别方法 | |
| Rossolini et al. | Defending from physically-realizable adversarial attacks through internal over-activation analysis | |
| CN112598032B (zh) | 面向红外图像对抗攻击的多任务防御模型构建方法 | |
| Nam et al. | Estimation of damage probability of combat vehicle components based on modeling and simulation | |
| CN112529917A (zh) | 一种三维目标分割方法、装置、设备和存储介质 | |
| CN110969657B (zh) | 一种枪球坐标关联方法、装置、电子设备及存储介质 | |
| CN115661209A (zh) | 基于事件相机的爆炸威力场毁伤元测量方法及系统 | |
| KR20220121473A (ko) | 탄착군 확률 모델 기반 대공표적 실시간 명중평가 방법 및 장치 | |
| CN112967290A (zh) | 一种可用于无人机对空中目标飞机敌友自动识别的方法 | |
| CN112836298A (zh) | 一种防空导弹对直升机目标毁伤效能评估模型的构建方法 | |
| CN118053071A (zh) | 基于导引头图像的目标毁伤预估方法、装置和设备 | |
| CN117892637B (zh) | 一种基于联合网络模型的靶板击穿厚度预测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Building T1, Xuelang Town, No. 99, Qingshu Road, Wuxi Economic Development Zone, Jiangsu Province, 214000 Applicant after: China Shipbuilding Orlando Wuxi Software Technology Co.,Ltd. Address before: Building T1, Xuelang Town, No. 99, Qingshu Road, Wuxi Economic Development Zone, Jiangsu Province, 214000 Applicant before: CSIC Orlando Wuxi Software Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |