随着光电与通信技术的发展，针孔摄像头、微型摄像机等光电窥视设备已被越来越多地用于会场、展厅等环境，导致信息泄露。如何保证信息不被“敌方”通过光电窥视设备获取，是当今信息社会的一个重要课题。在此背景下，亟待研发并设计一套可有效探测光电窥视设备的算法与系统，用于重要场所的检测，以便尽早发现可疑目标，排除潜在危险，确保信息安全。

激光主动探测技术是利用光电设备存在的“猫眼效应”对敌方光电设备进行探测的一种新技术^[1]。当激光照射光电系统时，由于“猫眼效应”的存在，使得猫眼目标反射的回波强度要明显高于普通漫反射物体，因此，可以利用该效应对光电目标进行扫描侦察和识别，以获得目标的位置、速度等信息。

目前，基于猫眼效应的激光主动探测技术已广泛应用在快速目标侦察定位等领域^[2,3]。国外已将该技术成果广泛应用于光电侦察告警系统中，并已研制出实用的仪器设备^[4]，如美国的“魟鱼”激光武器系统等^[5]；国内则主要在“猫眼”目标识别等算法方面展开研究，如：结合灰度和形状信息的猫眼目标识别方法^[6]、基于时空双重判据的猫眼目标识别方法^[7]等。文献[6]所提算法利用单幅激光主动照射图像与固定阈值检测猫眼效应目标，在复杂背景的情况下会将目标“湮没”在噪声中而出现错误，鲁棒性不强；文献[7]提高了复杂背景中猫眼目标识别的正确率，但其处理过程需要大量图像序列的参与，限制了应用场合，加大了时间开销。

本文通过研究基于“猫眼”效应的激光主动成像技术，搭建了由CCD、激光器、图像采集处理设备组成的激光主动探测系统，提出了一种可适用于复杂背景环境的快速窃视设备检测算法。该算法在脉冲激光主动照明的间隔内，同时采集激光开时对应的主动照射图像和激光关时对应的漫反射图像，根据目标物体与普通漫反射物体的回波强度差异，利用背景差的方法检测出目标物体。实验表明，相较于利用单幅图像进行检测的算法，本文提出算法的检测正确率更高，且速度较快，易于实时处理。

对于激光测距仪、望远镜等大多数光电侦察系统和光学观瞄系统，当入射光线经其会聚并投射在探测器或分划板等反射元件时，会将入射光线进行反射，使得反射光线沿原路返回，在接收端得到的反射光回波强度通常是漫反射目标回波强度的10²~10⁴倍，即所谓的“猫眼效应”。通过区分漫反射目标和光电设备的回波强度，即可实现对猫眼目标的识别和定位。猫眼效应的物理模型可以近似等效为一个透镜与一个反射面的组合^[8,9]，如图1所示。

图  1  “猫眼”效应原理图

Figure 1.  Principle sketch map of cat-eye effect

AB为一束平行于光轴OO′的光线，透过透镜会聚在焦点F处，HH′为反射元件。由光学系统的对称性可知，反射光将沿BA方向原路返回。同理，倾斜入射的光线MN经透镜会聚在焦平面上的某点，其反射光同样将沿NM方向原路返回。

设检测设备的激光发射功率为P₁，接收系统光学口径面积为A_r，猫眼目标有效面积为A_ct，猫眼目标的反射率为ρ_ct，发射光学系统透过率为τ₁，接收系统光学透过率为τ_r，大气透过率为τ_ɑ，猫眼目标透过率为τ_ct，探测系统到目标的距离为R，激光发射角为θ₁，猫眼目标反射激光发射角为θ_ct，漫反射目标截获入射激光时的有效截面积为A_dt，漫反射目标对入射激光的反射率为ρ_dt。

由式(4)和(5)可以看出，对于漫反射小目标而言，猫眼目标与其回波功率之比不受距离的改变而变化，因此可以利用回波的强度差异有效区分猫眼目标与漫反射小目标；但对于漫反射大目标而言，猫眼目标与其回波功率之比随着距离的增加而减少，直至猫眼目标与漫反射大背景的回波功率相当，此时，依靠回波强度差异的方法将无法识别猫眼目标，即对于漫反射大目标背景而言，存在极限探测距离。这里，漫反射大目标通常指地面等大背景^[10]，由于其面积远大于激光光斑，当激光照射其上时，会将激光全部反射。

本系统在其作用范围内，猫眼目标反射的回波强度始终远大于漫反射目标的回波强度，故无需考虑背景中漫反射小目标和大目标的情况。

背景差方法(Background Difference Method)是在运动目标检测中使用较多的一类算法，其突出特点是实现简单、运算速度快，便于实时处理，并且在大多数情况下检测效果良好，最适于静态背景下的运动目标检测^[11]。

背景差方法是利用当前帧和背景帧进行差分比较，从而实现运动目标检测的方法，其检测结果的准确性依赖于所使用的背景模型。背景差方法适用的前提是当前帧和背景帧两幅图像除了目标以外，其它像素点均是一一对应的。

设图像B(x,y)在t时刻对应的背景图像为B(x,y,t)，t+1时刻对应的运动图像为B(x,y,t+1)，则根据背景差方法得到的差分后图像f(x,y)有:
f(x,y)=|B(x,y,t+1)-B(x,y,t)| .(6)

通常，差分得到的f(x,y)会包含大量噪声，因此还需设定合适的阈值将差分图像进行阈值分割，才能适用于后续处理。

为了更好地适应复杂背景的需求，本文设计的激光主动探测系统可以对半径为5 m范围内的“猫眼”目标检测与识别。如图2所示，激光主动探测系统主要由激光器、CCD探测器、图像采集卡和计算机组成。

图  2  激光主动探测系统原理图

Figure 2.  Principle sketch map of active laser detection system

常用的激光器有半导体激光器和固体激光器。在转换效率方面，固体激光器的电光转换效率为15%，半导体激光器的电光转换效率可达50%。因此，本系统选用半导体激光器作为主动照明方案^[12,13]。

照明用半导体激光器波长一般选用近红外波段，目前常用的激光器波长主要有810,850,880和915 nm。但近红外波段激光会产生红曝现象，而且在相同功率下，波长与红曝现象程度成正比^[14,15]。同时，激光波长越长，CCD对激光的响应度越弱。因此，本文选用810 nm波长的激光器。最大输出功率为1 W，束散角为10°，探测器选用Watec公司的微光黑白CCD，成像分辨率为768×576，其光谱响应范围在300~1 000 nm。

同时，为了保证光学系统在半径为5 m的范围内均可清晰成像，并且“猫眼”目标光斑不至于太小而湮没在噪声中，本系统采用了一枚焦距为5~50 mm的变焦镜头，以实现上述功能。

为了提高光电窥视设备检测的正确率，本文提出一种利用激光主被动图像差分的目标检测方法，即在激光探测时采集主动照明图像，在脉冲间隔采集漫反射图像，利用背景差的方法，实现窃视目标检测，流程图如图3所示。

图  3  算法流程图

Figure 3.  Flow chart of the proposed algorithm

步骤1：分别获得漫反射图像和激光主动照射图像各一张，按照背景差的思想，将其二者进行差分。理论上得到的差分图应该只含有目标物体，但在实际中，由于多数物体会反射激光，导致真实的图像里包含大量的噪声。

步骤2：阈值分割。由步骤1得到的图像包含目标物体和一些噪声，将其二值化，通过阈值分 割将它们分离开来。由于“猫眼”目标亮度较高，灰度分布比较均匀，同时利用“背景差”所得到的图像不受外界环境的光强的影响，因此，该步骤可选用固定阈值法进行分割。

步骤3：噪声抑制。通过步骤2得到的图像依然包含大量噪声，此时为了将目标从大量的噪声提取出来，需要进行噪声抑制处理。各种低通滤波可以有效地去除噪声，但同时也会对目标物体产生影响，因此，模板的选择显得十分重要。本系统使用模板为3×3的中值滤波进行处理。

步骤4：特征提取：由于窃视光学设备的镜头大多是圆形的，并且其光斑面积范围大致可知，因此本系统利用光斑的圆形和面积两个特征进行猫眼目标识别。

对于“猫眼”目标光斑面积的大小，可以通过多次测量获得先验知识，对于本系统，光斑面积的范围在[25，200]，单位为像素。

圆形的判别准则主要有圆形度(C)、偏心率(E)和圆形性(F)等，其表达式和参数说明如表1 圆形特征参数比较 Comparison of circle feature parameters

为了验证本算法的有效性，对20个不同场景进行了实验，探测目标为一光学镜头直径为

图  4  不同场景下的检测实验

Figure 4.  Experiments of detection on different scenes

即同时满足式(10)和(11)时，将所求轮廓认为是圆形区域。

由以上3个场景可以看出，本文所提方法在复杂背景中依然可以正确地检测到窥视目标，验证了本文方法的鲁棒性。

图  5  不同场景下的检测时间

Figure 5.  Computation time of different scenes

对于20个不同场景的每帧检测时间如图5所示，在0.015~0.021 s之间，优于文献[7]中所用的SFDC方法，其每帧计算时间为0.025~0.027 s。

此外，本文所提方法对外界环境的光照强度不敏感。图6为针对同一场景不同光照强度的实验。由图中可以看出，第一排的(a)、(b)图像的灰度要明显高于第二排的(a)和(b)，但由于采用背景差法，不同光照情况下的差分图像几乎没有差别。因此，大大提高了本文算法的鲁棒性，其适用范围更广。

图  6  同一场景下不同光照实验

Figure 6.  Experiments of the same scenes with different lighting

图7给出了20个不同场景本文方法和文献[6]中所用方法的正确率比较。这里规定，漏检、错检的正确率为0，多检的正确率为1/n，即当同时检测出一个目标物体和一个非目标物体时，此 本文方法与文献[6]方法的正确率比较 Comparison of accuracy between proposed algorithm and the algorithm used in Ref.[6] 时正确率为50%。本文方法对于20个不同场景的实验中，共有2次多检，总的检测正确率95%，而文献[6]中所用方法在光照强度变化较大及背景较为复杂时，表现不够鲁棒，总的正确率仅为53.25%。

本文利用光电设备所产生的猫眼效应，搭建了基于CCD的激光主动探测系统，并设计了自动的光电窥视目标检测算法。实验结果表明，设计的激光主动探测系统和相应的软件算法对于半径为5 m以内的窃视目标检测具有良好的效果，对于多个包含复杂背景的目标检测正确率为95%，每帧的检测时间为0.015~0.021 s，这对于未来手持式窃视设备检测仪具有重要意义。但通过实

验也发现，猫眼目标有时仍会被噪声所干扰，出现漏检、虚检现象，考虑到配合特定波长的滤光片可以进一步消除杂散光并降低虚警率，进一步工作将主要集中在滤光片的相关研究上。