【隐创102期】移动目标的自适应伪装研究(节选二)
编者按:
静态条件下伪装良好的目标往往一开始移动就很容易被发现。技术人员研究和评估了移动目标的自适应伪装方法,同时考虑了潜在观察方向的变化。在一项实验中,采集的图像被用来模拟移动(行走或奔跑)和静止的士兵,配备不同类型的伪装图案,从不同的方向观察。参与者被指示寻找士兵,并在发现士兵后立即做出快速反应。比较了标准林地制服(荷兰)、静态伪装(适应当地背景)和动态伪装士兵的平均目标检测率。技术人员通过改变士兵的环境(如丛林和城市)来研究背景类型和可变性对探测性能的影响。总的来说,与静态目标相比,动态目标的伪装表现较差,这证实了运动会破坏伪装的观点。此外,静态自适应伪装条件下的伪装性能一般比标准林地伪装好得多,研究还发现,伪装性能取决于背景。有趣的是,技术人员的动态迷彩设计被一种简单地在迷彩服上显示“精确”背景的方法超越了,因为它更能考虑观察方向的可变性。通过将新的自适应伪装技术与动态自适应伪装设计相结合,有可能在不久的将来提升移动目标伪装效能。
关键词:伪装,检测,自适应,运动目标
3.1目标检测率
技术人员首先检查了每种情况下的目标检测率。除此之外,首先排除了那些参与者做出反应(暗示他们看到了士兵)但未能指出士兵位置(即虚惊一场)。图4a展示了作为定位误差函数的响应分布,定位误差反映了参与者的位置响应和士兵的实际位置之间的差异。更具体地说,如果在特定帧检测到士兵,那么技术人员通过确定该特定帧的质心来计算士兵的实际位置。技术人员应用了150像素的阈值,将大于150像素的定位误差视为误报,将小于或等于150像素的定位误差视为命中。
图 4 作为定位误差函数的响应分布,参与者在每次试验后报告目标定位,以确认他们看到了士兵
定位误差反映的是参与者的反馈与士兵所在位置之间的距离。请注意,技术人员没有绘制定位误差的整个分布,因为技术人员主要关注分布的峰值。目标探测率被绘制为所使用的每个背景的伪装类型的函数(面板a:灌木背景,面板b:城市背景)。请注意,士兵要么在移动(绿色栏),要么静止(橙色栏),士兵要么在跑步(深色栏),要么在行走(浅色栏)。在静态情况下,显示了跑步或行走士兵的一帧图像,误差线代表平均值的标准误差。
实验结果如图4b和4c所示。目标检测率被分别绘制为丛林背景和城市背景条件的伪装类型的函数。技术人员对群体平均目标检测率进行了方差分析,以运动动力学(静态对动态)、士兵运动(行走对跑步)、背景(灌木对城市)和伪装类型(标准、自适应静态和自适应动态)作为受试者变量。
伪装类型的主效应显著,重要的是,技术人员发现了移动的士兵比静止的士兵更容易被发现的证据,表明运动破坏了伪装。
士兵行走时的目标检测率高于他跑步时的目标检测率,因为行走士兵的静止图像显示的时间(5000毫秒)比跑步状态(2650毫秒)长。性能的差异可能与静态帧(行走或跑步士兵的静态图像)无关,而是可以通过呈现持续时间来解释。当然,与跑步条件相比,较长的演示持续时间可能也会导致行走条件下的性能提高(如在静态条件下),然而,这种差异可能被行走士兵比跑步士兵伪装得更好的事实所补偿。事实上,邓肯和汉弗莱斯发现了令人信服的证据,如果目标-干扰物差异增加,在视觉搜索范式中检测目标变得更容易。这种相互作用可能意味着,总的来说,在丛林环境中伪装的效率比在城市环境中好。
3.2视角对两种适应性伪装条件的影响
对于自适应伪装条件(自适应静态和自适应动态),如果观察位置偏离伪装设计的观察位置,技术人员操纵视角来研究伪装图案是否正常工作。视角要么是最佳的(即,伪装服从参与者的角度来看是适合的)或不同的(即,迷彩服适应了另一种视角)。此外,对于自适应静态和自适应动态伪装条件,技术人员还将从背景中获取样本的范围从窄范围操纵到更宽范围。假设视角取决于士兵出现的位置(当技术人员缩放士兵的尺寸、视角以及标准差时),技术人员会考虑到到士兵的距离。图5说明了自适应动态和自适应静态伪装条件下,目标探测率与距离、视角(最佳与不同)、士兵动态(静态与动态)的函数关系。
图 5 在自适应动态和自适应静态伪装条件下,目标探测率是距离、视角(最佳与不同)、士兵动态(静态与动态)的函数
像技术人员以前的分析一样,伪装类型与运动动力学的双向交互作用非常显著。随着距离的增加,目标检测率降低,距离的主要影响显著。这种性能的下降在士兵动态时比士兵静态时更强,这很有意义,因为视角与士兵的距离成线性比例(就像在自然场景中一样)。
接下来,技术人员检查了如果视角不是最优的并且伪装模式不是自适应动态的状态。此外,技术人员折叠了图5b-d中的数据,这些数据显示了非常相似的模式。当运动打破伪装时,技术人员可以通过将伪装图案从其背景调整到更宽的范围来改进伪装图案。
在本研究中,技术人员研究了能否通过使伪装模式适应其周围环境来有效地伪装运动目标。总的来说,技术人员表明运动打破了伪装——动态士兵比静态士兵更容易找到。然而,这并不意味着一名士兵在移动时总是被检测到。事实上,技术人员表明,运动速度、视角和伪装技术等因素也对目标物体的可见性起着重要作用。更具体地说,步行士兵比跑步士兵更难找到,这表明检测率随着运动速度的增加而增加。有趣的是,伪装技术对探测率有很大的影响,因为动态地使伪装适应其环境远比适应性静态伪装技术和标准的荷兰林地伪装服更有效。动态自适应伪装图案导致最佳性能并不令人惊讶,因为从已有研究资料情况来看,当目标与其周围非常相似时,比当目标与其周围不相似时,更难找到目标。
那最好的迷彩图案是什么?显然,是一个与其背景相同的物体(这样它就变得透明),不管目标是否在移动。然而,这仅在实验设置中是可能的,但在现实世界中应用是不现实的,在现实世界中不可能预先知道敌人眼睛的“精确”位置(x,y和z坐标)。从结果可以清楚地看出,如果从不同的视角观察到完美的伪装(动态适应环境的伪装),士兵就不再受到“最佳”伪装图案的保护。因此,最好设计出一种在不同视角下最佳工作的伪装图案。在这种情况下,如果从多个方向观察,伪装图案也会保护士兵。一种改进移动物体伪装的方法是不拍摄精确的背景,而是从更大范围的背景中取样。
尽管技术人员发现在非理想环境下的广义标准差条件确实导致了很小的改善(即在5%的试验中,士兵很少被发现),事实上,技术人员确实发现了更广泛的可持续发展的改善证据,这可以作为原则的证明。需要更多的研究来提高技术人员对什么是最佳参数的理解。例如,进行一个后续实验将是有益的,在该实验中,系统地操纵视角和标清参数。这不仅可以提高适应性伪装,还可以通知战场上的士兵在某些情况下他/她是否受到其伪装的保护。事实上,如果一个人知道大致的视角和到敌人的距离,那么他就可以被告知伪装保护,并且可以决定留在某个位置,或者决定开始移动。
在本研究中,技术人员研究了伪装对检测性能的影响。一个有趣的问题是伪装的效果是否也会影响识别士兵的能力?事实上,霍尔和他的同事研究表明,尽管他们伪装的移动物体不能减缓检测,但当参与者执行识别任务时,这些物体比未伪装的物体更难识别。这些发现很有趣,与之前的研究文献一致。
关于目前的研究,有人可能会说,即使参与者有时能够发现移动的士兵,这并不一定意味着他们能够识别士兵(由于伪装)。不幸的是,与霍尔等人的研究不同,技术人员无法调查士兵的身份是否受到伪装的影响,因为参与者只执行检测任务。此外,技术人员也不能指定检测士兵的最大目标偏心率,因为参与者在试验过程中可以移动他们的眼睛。因此,在一些试验中,这名士兵可能是被巧合发现的。对于未来的研究来说,测量眼球运动,将探测任务转变为识别任务,检查伪装是否影响探测和识别移动士兵的能力,以及确定在给定性能水平下执行这些任务所需的最小目标偏心率,将是有益的。
目前的研究引入了一种有前途的方法来创建一个伪装模式,快速适应其环境属性。当然,需要更多的研究来优化伪装效果,但是技术人员发现有趣结果的事实是有益的。