基于大數據及云計算技術的警務戰術訓練仿真系統設計

張若龍

(陜西警官職業學院 警體部，西安 710021)

0 引言

虛擬現實技術的實現基礎是計算機技術，用戶在虛擬世界中通過設備和自然技能可以展開交互控制和瀏覽，逼真性良好[1]。虛擬現實技術近年來在各個領域中得到了廣泛的應用，包括娛樂領域、訓練領域、設計領域和醫學領域等，具有良好的發展前景。在警務戰術訓練過程中引入虛擬現實技術可以減少訓練經費，避免訓練過程中的傷亡[2]。警務戰術訓練系統利用網絡通信技術在實時三維場景中完成警務戰術任務，訓練過程中警務人員的表現，系統都能夠完整記錄下來，并給出訓練評估結果，以此提高警員的警務戰術技能。

唐上欽等人[3]在OODA空戰理論的基礎上分析了警務戰術訓練系統的功能需求，結合多層次模塊化技術和DDS分布式仿真技術設計了警務戰術訓練仿真系統的整體架構，采用C++完成系統軟件的開發，該方法采集的訓練場景圖像中存在大量的噪聲，圖像質量不高，降低了三維場景建模的精度，用戶在系統中的沉浸感和體驗感較差。于曉琳等人[4]在系統設計過程中通過傳感器采集訓練者在訓練過程中的信號，引入視頻圖像識別技術判斷并識別訓練者的戰術動作，將訓練者的訓練成績通過無線傳輸方式傳輸到系統的后臺管理中心中，實現警務戰術訓練仿真系統的設計，該方法在系統中切換和調用任務所需的時間較長，存在系統響應效率低的問題。

為了解決上述方法中存在的問題，提出基于大數據及云計算技術的警務戰術訓練仿真系統設計方法。在系統軟件設計中應用了全卷積孿生網絡，并引入大數據技術進行數據的采集和預測，重構相似塊組，提高圖像的清晰度。應用Google SketchUp軟件構建訓練場景矢量圖，根據矢量圖數據進行三維建模，提升軟件系統的響應效率。

1 警務戰術訓練仿真系統

在警務戰術訓練仿真系統的開發和設計過程中應用云計算技術通過分解操作將網絡云分為多個小程序[5-6]，在小程序中利用服務器展開數據分析，并將分析結果傳送給系統用戶[7]。基于大數據及云計算技術的警務戰術訓練仿真系統的總體架構，如圖1所示。

圖1 系統總體架構

根據仿真系統總體構架劃分警務戰術訓練仿真系統，構建警務戰術訓練仿真系統的分層模型，如圖2所示。

圖2 分層模型

1)人機交互層。用戶在人機交互層中可通過控制鼠標或鍵盤將操作指令傳輸給系統，以此實現人機交互[8-9]。根據用戶對象類型以及控制功能間的差異性，可將人機交互層分為以下兩個部分：

(1)總體控制：初始化系統，確定訓練過程中所用的道路、建筑物等場景，初始配置并控制場景中的動態實體狀況以及環境情況。其中動態實體狀況包括警察、車輛以及嫌疑人的位置和數量等，環境情況包括不同光照程度的環境，如黑夜、白天等。

①環境控制：將控制指令輸入至系統的主控制臺中，更新建筑內部結構、建筑分布等場景參數。調整犯罪分子、警員的初始位置和數量等實體情況，為情景控制模塊提供數據支持。

②運動控制：將控制指令傳輸到系統的戰術訓練過程中，計算參加訓練的相關人員在系統中產生的訓練數據，根據計算結果調整實體的姿態以及運動情況。

(2)戰術訓練：在戰術訓練模塊終端中用戶可以通過兩種不同的方式參與訓練：

①控制模式：用戶在控制模式下對動態實體的視景窗展開控制，以此觀察訓練場景，利用鍵盤或鼠標控制訓練實體根據控制指令進行戰術訓練。

②觀察模式：用戶在觀察模式下無法直接對訓練實體展開控制，因此利用多種視角觀察訓練場景，包括警員在訓練場景中的第一人稱視角，警員尾追視角以及警務戰術訓練場景的全景視角等。

2)數據管理層。數據管理層的主要任務是處理人機交互層傳輸的數據，并在外部數據的基礎上生成用于描述動態實體和訓練場景的三維數據。

(1)場景數據管理：根據不同的環境參數在系統中輸入對應的場景描述文件，調整場景的狀態，并建立對應的模型，獲取實體在環境模型中的位置，生成任務場景的初始數據。

所提方法選用XML文件作為場景描述文件，用于管理并組織場景數據。在XML Schema的基礎上建立三維場景描述模型，劃分模型中存在的元素，獲得三維場景模型的基本節點，包括資源元素、警務戰術訓練場景、場景光源以及警員實體等節點。分析上述基本節點之間存在層次關系，以此建立場景樹，進而獲得三維場景數據組織模型。該模型中包含元素的幾何信息以及場景的抽象信息：

①幾何信息：包括方向屬性、范圍信息以及位置信息等，主要用于繪制訓練場景；

②抽象信息：包括運動狀態屬性、名稱以及自然元素節點等，為視景管理提供數據支持。

(2)動態實體管理：根據運動控制模塊輸入的參數信息，用圖形數據代替原始的物理數據，獲取動態實體在訓練場景中的運動數據。以此為依據，調整動態實景的空間姿態和運動情況，結合檢測結果和指令確定訓練場景中需要顯示的實體，最后向視景管理模塊傳輸轉換處理后的三維數據。

(3)視景管理：將動態實體在訓練場景中的運動狀態作為視景管理依據，三維變換處理原始的訓練場景，調整視景窗口內顯示的內容，裁剪訓練場景中的三維元素。

3)視景繪制層。該層在警務戰術訓練仿真系統軟件中的運行基礎是視景數據，該層主要的作用是繪制警務戰術訓練場景中的案件環境以及動態實體，并在訓練場景中添加一些特效。主要采用OpenGL圖形庫[10]在視景繪制層中繪制訓練場景、特效以及戰斗實體。

4)傳輸層。警務戰術訓練仿真系統利用傳輸層完成戰術訓練模塊與主控模塊之間的數據通信與處理，該層的主要目的是確保各功能模塊在警務戰術訓練仿真系統中的正常運行，保證數據在各模塊間的傳輸安全。

(1)在數據初始化階段，主控模塊將數據傳輸到戰術訓練模塊中，以此生成警務戰術訓練所需的案例場景；

(2)在戰術訓練階段：利用數據傳輸層將相關數據傳輸到系統的主控模塊中。主控模塊對數據進行分析與匯總，獲得警員的訓練成績。

5)數據存儲層。該層在警務戰術訓練仿真系統中的主要作用是存儲實時訓練數據、案例數據信息、戰術訓練方案和實體模型數據等系統數據。

1.1 硬件設計

警務戰術訓練仿真系統通過主控模塊生成可以使用仿真工具以及模擬射擊訓練的影像訓練平臺，為警員提供戰術訓練方案推薦以及訓練數據分析的功能。在仿真系統中，警員可以逐漸掌握并熟練戰術的基本動作和相關知識，在訓練過程中結合實際情景進行對抗訓練和思想判斷訓練，提高警員的戰術水平。

基于大數據集及云計算技術的警務戰術訓練仿真系統設計方法設計的系統功能模塊如下：

1)主控模塊。該模塊在系統中主要負責各科目的綜合訓練以及人機交互，在該模塊中，通過添加STC15W408AS單片機控制板和ARM Cortex A8處理器，評估警員戰術訓練的成績、設置訓練科目、處理警務訓練過程中產生的數據。

2)情景控制模塊。警員在實戰中的武力使用包括以下4類：武器制止；徒手制止；口頭制止；警械制止。

警務戰術訓練仿真系統中根據不同的武力使用情況設置了多種訓練場景，警員在訓練過程中需要綜合考慮警情敏感性、性質、當事人身份、涉及人數和影響范圍等因素選擇武力。

情景控制模塊在警務戰術訓練仿真系統中具有實景編輯和實景訓練的功能。

(1)實景訓練。實景訓練指的是實時播放、跳轉以及切換視頻，該功能主要通過情景控制模塊中ZigBee情景控制器和、Lumi情景開關實現的。實景訓練過程中的跳轉表編輯的功能為：劃分戰術訓練情節，并根據不同劃分結果進行編號處理，列出使用催淚噴射劑觸發和揮動警棍觸發等觸發條件，對觸發后跳轉的警務訓練情節關聯。存在多個觸發條件時，系統可以設置任意一個觸發、同時觸發或按順序觸發等情況，最后保存編輯后的文件，根據系統設定的邏輯關系在戰術訓練過程中通過不同的武力手段展開具有情節跳轉特征的警務戰術綜合訓練。

(2)實景編輯。設置拍攝情景是實景編輯的基礎，將警察執法過程中的實際案例作為警務戰術訓練仿真系統設置情景的素材，根據武力使用的等級模式、法律依據、文化背景、政策要求以及使用原則拍攝不同武力行為的視頻情景。其中，武力使用等級屬于設置視頻拍攝腳本的重要依據。在執行任務的過程中，警員面對的違反犯罪行為人所采取的抗拒手段均不相同，與執法環境、警察防范程度、犯罪行為人身心狀況和個性特點相關。因此為了合理、安全、合法地使用武力，警員需要根據法律法規分析執法人員的行為。

3)信息采集模塊。信息采集模塊中包含ADXL345三維加速度傳感器和NI PCI-6229采集卡等硬件設備，在警務戰術訓練仿真系統中主要用于采集語言控制信號、警械具和武器信號、動態實體的躲避隱藏動作信號。根據采集的信號判斷警員在戰術訓練過程中戰術動作、武器和警械的使用情況。

4)判定模塊。在警務戰術訓練過程中，警員采取的武力等級需要根據違法犯罪行為以及實際情況確定。但在實戰中，大部分警員都無法在短時間內作出正確的判斷。面對犯罪嫌疑人的表現行為，警員需要在短時間內確定武力等級。因此，在警務戰術訓練仿真系統中需要通過該模塊中的LM386聲音傳感器和NVIDIA Tesla圖像處理卡針對武力等級展開判定訓練。在判定訓練過程中，利用主控系統開展模擬訓練，生成警械仿真與模擬射擊的訓練平臺，在平臺中為警員推薦訓練的相關方案，并對訓練數據展開分析，使警員通過判定訓練實現思維判斷與動作的結合，并記錄訓練過程中警員的行為表現，通過后續的成績分析結果制定相應的調控策略。

5)信息管理模塊。信息管理模塊主要應用IBM System x3650 M5服務器和NetApp FAS8200存儲設備，在警務戰術訓練仿真系統中的主要功能是輸出警員的訓練結果數據，該模塊由兩部分構成，分別是統計查詢訓練成績和管理受訓者信息。在系統數據庫中存儲受訓者的信息，系統用戶可以通過該模塊查詢并統計數據庫中的信息，確認訓練人員的警務戰術能力，便于教官進行后續指導。

1.2 軟件設計

結合地理信息系統與警務戰術訓練仿真系統需求搭建軟件平臺，建立訓練場景的三維模型，在地理信息系統的基礎上實現警務戰術訓練系統的開發設計。

主要包括警務戰術三維場景的建設、瀏覽、戰術仿真訓練以及空間分析，警務戰術訓練仿真系統軟件流程為：采集警務戰術訓練的視頻圖像，通過Google SketchUp建立訓練區域的三維模型，利用ArcScene生成三維訓練場景的sxd文檔，通過ArcScene平臺實現可視化操作和警務戰術仿真訓練，警務戰術訓練仿真系統的軟件平臺設計流程如圖3所示。

圖3 警務戰術訓練系統軟件設計流程圖

1.2.1 基于影像數據相似塊搜索算法的相似塊組重構

為了提高警務戰術訓練場景三維建模的精度，基于大數據及云計算技術的警務戰術訓練仿真系統設計方法結合全卷積孿生網絡和大數據技術提出一種影像數據相似塊搜索算法，將馬氏距離引入孿生網絡以此獲取不同圖像塊的相似性[11-12]，針對噪聲相似塊與干凈相似塊，基于大數據及云計算技術的警務戰術訓練仿真系統設計方法建立了三元組損失函數，以此獲取兩者的潛在聯系，重構相似塊組，提升圖像質量。

用M(yr，yj)表示馬氏距離，其計算公式如下：

(1)

式中，yr、yj表示警務戰術訓練場景圖像的圖像塊向量；∑代表的是參考圖像塊的協方差矩陣。

在獲取M(yr，yj)的基礎上，應用大數據技術采集戰術訓練場景中的圖像數據，在采集的場景圖像中選取m幅圖像構成孿生網絡的訓練集，對圖像展開中心裁剪，獲得H×W的場景圖像，分3次將高斯噪聲加入場景圖像中，利用干凈的場景圖像和含噪圖像組成一對圖像組合，通過高斯混合模型對干凈場景圖像中的參考塊展開分類處理，并計算其協方差矩陣，計算干凈參考塊A在圖像塊分類搜索鄰域內與噪聲圖像塊cx之間存在的馬氏距離，并對計算結果排序，參考塊的相似塊組標簽選取前M個相似塊。

利用圖4所示的網絡結構結合大數據技術預測cx與A的聯系度，獲取圖像參考塊所對應的相似塊組，提取不同相似塊的重構邏輯。

圖4 全卷積孿生網絡

圖4中，x表示戰術訓練特征圖像塊；γ為特征提取網絡；*代表的是圖像塊之間的相似性度量結果，所提方法選用馬氏距離。在訓練階段中對x輸入γ獲得對應的特征，使特征圖中存在的點通過映射轉變為原始場景圖像中的圖像塊，網絡γ提取的特征圖對應的維度為H×W×C，其中C描述的是通道數，W為圖像對應的寬度，H代表的是圖像對應的高度，用w×w表示參考塊對應的鄰域，根據參考塊所處位置的1×1×C通道向量以及w×w內存在的其他圖像塊對應的w×w×C通道確定損失函數，利用函數對全卷積孿生網絡展開優化。

在測試階段，利用γ提取cx的大數據預測結果，計算參考塊在1×1×C與w×w×C之間的M(yr，yj)，輸出w×w的特征圖，特征圖的值越小，表明特征圖對應的圖像塊越接近圖像的參考塊。

通過上述過程獲得圖像參考塊對應的相似塊組，采用協同搜索原則對圖像塊展開重構處理，并將其放到場景圖像的原始位置，實現相似塊組的重構。

采用高斯混合模型[13-14]訓練干凈圖像中的相似塊組，獲取其對應的外部先驗信息，用Yn表示噪聲相似塊組，μn表示Yn的均值，通過外部字典在每個子空間k中展開內部字典學習：

Dk=M(yr，yj)x[Dk，E，Dk，l]

(2)

式中，Dk，l代表的是內部字典；Dk，E為圖像的特征向量。正交字典Dk可以獲取干凈圖像塊在場景圖像中的分布特點，但向量Dk，E不適用于原始場景圖像，因此基于大數據及云計算技術的警務戰術訓練仿真系統設計方法利用Yn學習Dk，l，以此補充特征向量Dk，E。通過下述公式求解內部字典Dk，l：

(3)

式中，κ為正則化系數；S表示稀疏系數矩陣，通過t次迭代后獲得稀疏系數矩陣S(t)和正交字典D(t)，在此基礎上重構噪聲相似塊組：

(4)

對重構后的相似塊展開聚合處理，獲得高質量的警務戰術訓練場景圖像。

1.2.2 基于Google SketchUp軟件的訓練場景矢量圖構建

地理信息系統(Arc GIS for Desktop)由ArcGlobe、ArcMap、ArcSence和ArcCatalog構成，用于處理地圖數據，在該系統中ArcMap屬于主要程序，其功能是制作和編輯訓練場景地圖，同時具有分層瀏覽地圖的功能，可以編輯基本矢量圖，在ArcMap中設計警務戰術訓練過程中的街區地圖。ArcMap支持不同格式的圖像文件，具有屬性查詢、縮放圖層以及圖層刪除等功能，在ArcMap中可以完成戰術訓練場景區域地圖元素的添加以及圖層修改等操作。

ArcCatalog的主要用途是管理地圖數據，類似于資源管理器。在警務戰術訓練場景三維建模過程中涉及的數據種類多且數量大，采用ArcCatalog可有效管理數據。

ArcSence軟件具有3D可視化功能，在警務戰術訓練仿真系統中用于對訓練場景三維模型的空間分析和可視化。用戶通過ArcSence軟件可以實現網上瀏覽和數據共享，在ArcSence軟件中可以直接轉換警務戰術訓練場景的三維數據。

ArcToolbox中存在地理統計分析、三維可視化分析和空間分析這三類擴展模塊，可用于警務戰術訓練場景三維空間的管理。通過上述模塊可將場景三維數據轉變為三維文件和TIN等數據集。

為了保障軟件系統的響應效率，根據上述軟件系統所具有的功能，提出在獲取基本矢量圖的基礎上，矢量圖數據上傳至云平臺進行高精度儲存，應用Google SketchUp軟件處理基本矢量圖數據，構建訓練場景矢量圖，根據矢量圖數據進行三維建模。該軟件具有功能全和操作簡單等優點，具備生成陰影、貼圖和制作材質等功能，適用于大規模的警務戰術訓練場景建模，可以使軟件系統在切換仿真場景的過程中，保持連貫的調用效果。該軟件可連同ArcGIS和Google Earth軟件一起使用，利用SketchUp建立的警務戰術訓練場景三維模型可以直接在Google Earth的地圖中發布[15-17]，獲得警務戰術訓練的三維場景，為場景街區的建模提供數據支持。

在SketchUp軟件中可簡單、高效地完成警務戰術訓練場景中建筑的建模，符合警務戰術訓練的需求[18-21]，利用該軟件建立的警務戰術訓練場景三維模型如圖5所示。

圖5 警務戰術訓練場景三維模型

2 實驗與分析

為了驗證基于大數據及云計算技術的警務戰術訓練仿真系統設計方法的整體有效性，需要對其展開相關測試。在測試過程中引入文獻[3]方法和文獻[4]方法作為對比方法。

場景數據的采集質量直接影響著場景建模的精度，現采用基于大數據及云計算技術的警務戰術訓練仿真系統設計方法、文獻[3]方法和文獻[4]方法展開場景數據采集測試，對比不同方法的數據采集質量，結果如圖6所示。

圖6 場景圖像采集結果

分析圖6可知，文獻[3-4]方法采集的場景圖像存在噪聲，圖像清晰度較差，無法獲取場景圖像中的細節信息和紋理信息。而所提方法采集的場景圖像細節和紋理信息具有較高的清晰度，可完整提取場景中的元素，為警務戰術訓練場景的三維建模提供了可靠依據。

為了進一步評價上述方法的圖像采集和處理效果，在測試過程中引入峰值信噪比指標測試圖像去噪的效果，峰值信噪比PSNR越高，表明場景圖像去噪后的質量越好。峰值信噪比PSNR的計算公式如下：

(5)

式中，MSE為場景圖像顏色的最大值；MAX為原始場景圖像與去噪后圖像的均方誤差。

結構相似度描述的是去噪后場景圖像與原始圖像之間的相似度，結構相似度越高，場景圖像去噪效果越好。所提方法、文獻[3]方法和文獻[4]方法的峰值信噪比與結構相似度的測試結果如表1所示。

表1 不同方法圖像采集與處理效果

分析表1中的數據可知，所提方法的峰值信噪比和結構相似度均高于其他兩種方法，表明所提方法在場景圖像處理過程中具有良好的去噪效果，可獲得高質量的場景圖像。

三維場景建模是警務戰術訓練仿真系統的關鍵，三維場景建模的精度直接影響著警員的戰術訓練結果，所提方法、文獻[3]方法和文獻[4]方法利用采集的場景圖像建立的三維模型如圖7所示。

圖7 場景三維建模結果

根據圖7可知，所提方法建立的警務戰術訓練場景還原度較高，完整地還原了場景中的細節信息，因為所提方法利用高質量的場景圖像在Google SketchUp軟件中完成警務戰術訓練場景的三維建模，文獻[3]方法和文獻[4]方法建立的警務戰術訓練場景模型與所提方法相比缺少細節信息，無法完整還原訓練場景。通過上述測試可知，所提方法具有較高的三維建模精度，可有效提高警員在警務戰術訓練仿真系統中的沉浸感與體驗感，有助于優化警員的戰術訓練效果。

為了提高警務戰術訓練系統的訓練性能，系統在運行過程中需要不斷調用并切換警務戰術任務，采用所提方法、文獻[3]方法和文獻[4]方法設計的系統展開警務戰術訓練，測試上述方法的任務調用和任務切換時間，結果如圖8和圖9所示。

圖8 任務調用時間

圖9 任務切換時間

分析圖8和圖9可知，隨著警務戰術訓練仿真系統并發用戶數量的增加，所提方法、文獻[3]方法和文獻[4]方法調用和切換任務所需的時間增長，在相同并發用戶數量下，所提方法調用和切換任務的時間均低于文獻[3]方法和文獻[4]方法，表明所提方法設計的警務戰術訓練仿真系統具有較高的響應效率。

3 結束語

針對目前警務戰術訓練仿真系統存在的圖像采集質量差、三維建模精度低和系統響應效率低的問題，提出基于大數據及云計算技術的警務戰術訓練仿真系統設計方法，該方法在硬件設計過程中確定了警務戰術訓練仿真系統的總體架構和功能結構，在軟件設計過程中進行訓練場景相似塊組重構，提高了圖像的整體質量，利用處理后的矢量圖實現警務戰術訓練場景高精度的三維建模，在訓練任務調用和切換方面，所提方法設計的系統表現出良好的響應性能。