基于深度学习的迷彩伪装效果评估

对迷彩图案伪装效果进行评估，最可信的手段是在实际的作训条件下，通过对真实着装效果的判读进行评估。然而在现代设计流程中，往往需要在实验室或者仿真环境中，首先对产品原型进行有效的评估和筛选，将“优选”后的原型付诸生产，制成小样后，再进入到实测环节。

在上述的整个流程中，离不开通过计算机视觉技术对原型迷彩图案的筛选与评估。为了建立一个合理的评估方法，首先要认识到目前研究领域中几种常见的错误评估方法。下面给出文献中几种常见的错误评估方法。

如图11-33所示，在传统的基于机器视觉的自动迷彩设计方案中，当人眼能够明确判断出着装人体时，这样的图像即为不适用于训练的样本。因为这样会降低机器识别的精度，但目前很多研究资料中均将其当作正样本。换言之，当需要训练神经网络来判别迷彩伪装效果时，要建立的数据集应当由人眼判别存在一定困难，或者无法一眼判读出着装人员和地形背景的图像构成。其含义在于将神经网络的特征提取，放在相似度极高的前景和背景分割命题下进行研究。

事实上，从仿生的角度而言，迷彩伪装对于军事人员或者自然界的动物而言，都有着重要的生存价值。因此，真实环境下的伪装效果评价所需的正样本，应当如图11-34所示。

图11-33　错误的伪装判读方式一

图11-34　深度学习中所需的雪豹伪装效果正样本

除了上述误区之外，在利用机器学习进行迷彩服伪装效果判读的研究中，往往还采用梯度显著性图（gradient saliency map）的方式进行伪装效果的判读，如图11-35所示。

图11-35　错误的伪装判读方式二(www.xing528.com)

图11-35（a）所示伪装效果是失败的设计案例。很显然，当人眼能够明确判断出着装人体时，传统机器视觉中的梯度显著性图却会给出伪装效果良好的伪证。因此，这种错误的利用机器学习或者机器视觉的方案进行的自动迷彩设计，必然会给出错误的设计和评价导向。

第三种常见错误，实际上是迷彩图案设计作为可见光学伪装命题的固有缺陷，即一个角度下观察伪装效果良好的迷彩图案，在另一个角度下观察时，很可能很容易被识别。它实际上是多分辨率问题的另一种表现形式，即多角度下的迷彩伪装效果评价。要解决这个问题，一个可能的思路是将面料、服装、装备均作为一个整体进行设计，并在评估时测试各种不同观察角度。

通过前面这些错误案例的分析，不难看出，迷彩伪装的自动化预评估是一个非常复杂的命题。从目标检测的角度而言，一种方案是采用有监督学习，训练一个神经网络，对目标场景中的前景和背景进行识别，此时的任务可以采用快速的YOLO（如V4版）网络来完成。比如，首先构建大量如图11-36所示的数据集合（注意应选用人眼难以识别的样本，以提高神经网络的识别能力），然后训练YOLO网络，完成目标识别任务（图11-36中方框所示）。由于迷彩伪装的识别只需给出场景中是否有穿着伪装服的军事人员，因此，在这个任务下无须进行实例分割，但如果识别的结果不仅要求找出人，还要给出具体的人体轮廓，则需采用诸如Mask RCNN DetectoRS等实例分割用网络进行训练[图11-36（c）]。很显然，如果一个训练良好的神经网络，无法识别出同样数据分布条件下，穿着伪装服的军事人员在现场存在的可能性，那么该设计就是成功的，反之则是失败的。

图11-36　通过目标检测的方式进行伪装效果评价

迷彩效果评价的另一种可能的正确评估方式可以采用对人眼主观判读的仿生建模。换言之，需要找到一个深度神经网络，使得它“看到”伪装前后的两张照片时，能够给出两个降维的特征向量。这是因为图像通常是高维向量，如一张256×256的彩色RGB图像，就等同于一个196608维的高维向量，而在比较两张图像是否类似时，尽量将其通过主成分分析或者深度学习的方式，降低为比如512维的特征向量，如同人脸识别的道理一样。而这两个512维的特征向量之间的距离（欧式距离或者余弦距离），就是伪装的评价效果。距离越小，伪装效果越好。换言之，如果伪装后的军事人员，能够很好地完成“背景融合”的目标，那么人眼或者是神经网络在进行图像识别时，会将带有伪装人员的图像，识别为“背景”，而非“背景+人”。更一般地，此时对伪装效果的评价，可以当作一个经典的相似度评价问题予以解答。当然，我们希望这个深度神经网络能够有人眼级别的分辨和推理能力。幸运的是，目前能够达到这个水平的深度神经网络架构已经非常多了，比如GoogLeNet, ResNet, DenseNet, EfficientNet，等等，不一而足。

原则上讲，非现场实测的各种评估手段仅仅能够对迷彩伪装效果进行预筛选与预评估，战场实际环境的变量很多，科研人员应该根据实测效果再对自动设计的图案进行优化，从而最大化迷彩设计的效能。按照这一思路，可以充分利用虚拟现实技术，构建虚拟战场和虚拟服装，通过比对，完成迷彩伪装效果的筛选与评估，然后再将优选的结果进行实地或者接近实地的测试，从而提高设计的精准性。图11-32就是按照这一思路所建立的筛选流程。事实上，通过虚拟现实技术进行迷彩伪装效果的评估，不仅能够从更高维度（即从二维图像到三维仿真世界）的角度评价迷彩图案伪装效果，还能够展示不同人体位姿空间下迷彩伪装服的整体伪装效能，有望为该领域的技术进步提供新的思路。