美军推进新一代监控技术研究
导
语
2021年5月，美国《国防》杂志刊文《影子战士寻求新一代监控技术》指出，美军需要新一代监控技术来提高未来美国的竞争力，由美国特种作战司令部和情报高级研究计划局负责研究新一代监控技术，用于军方、中情局等情报机构和国土安全部，进行反恐作战、部队保护、关键基础设施保护和边境安全防护。
一、 美军需要新一代监控技术来提高未来美国的竞争力
当前，美国突击队需要新一代监控技术支持打击恐怖组织，或执行其他重要任务。近期，美国特种作战司令部司令理察德·克拉克在参议院军事委员会听证会上提出“情报驱动行动”。克拉克指出，为提高未来美国的竞争力，美军必须现代化精确打击系统和情报、监视与侦察系统，使特种作战员能迅速看到、感知战场，另外，加密通信和电子战能力对保护军队也至关重要。
美国特种作战司令部的特殊侦察项目执行办公室负责研究“情报驱动行动”所需的监控技术，其主要使命是快速、集中采办最先进的传感器和指挥控制系统，同时负责装配、恢复跨全域的专用通信系统，为特种作战部队提供全面感知态势。
美国情报高级研究计划局负责研究“高空远程生物特征和身份识别”（BRIAR）项目。情报高级研究计划局隶属于国家情报总监，负责高风险、高回报的研究投资工作，解决美国情报机构最困难的技术挑战。BRIAR技术主要包括高空远程运动目标的多生物特征识别和人员再识别。
二、美国特种作战司令部新一代监控技术主要情况
“情报驱动行动”所需的监控技术主要包括：①敌对势力标记、跟踪和定位；②蓝军跟踪；③战术视频系统，用于侦察、监视和捕获目标；④远程咨询和协同工具；⑤集成空、海、陆基传感器系统；⑥信号情报处理、利用和传输；⑦有生物识别、取证和情报分析功能的灵敏站点；⑧国家天基技术。
“情报驱动行动”开发的三大领域及需求目标：①先进无人值守陆基传感器，既能帮助突击队收集关键情报，也能为盟国和合作伙伴提供建议。无人值守陆基传感器需要不断减少尺寸、重量和功率，集成通信路径，改善与不同传感器网络的互操作性。增加机载处理能力是改进无人值守陆基传感器的关键。②灵活的战术射频系统，特种作战司令部使用无线电传输图像、语音和文本。为加强通信，小型战术射频系统应该更加灵活，利用软件定义无线电和频率捷变天线，实现跨平台和领域的模块化。③协同自主平台，在传统通信和导航遇到挑战的环境中，需要协同自主技术实现远程作战情报收集。特种作战司令部将利用人工智能/机器学习改进协同自主平台存在的问题，提高特种作战任务的执行效率和成功率，提升情报、监视与侦察系统的自动化程度。
美国特种作战司令部对人工智能和机器学习的具体期望：①提高情报、监视与侦察系统的自动化程度。在当前的自主陆基传感器和自主空中系统中，每个传感器需要一名作战人员协作。如何利用人工智能和机器学习，让传感器自主进行互操作，向每个作战人员提供反馈，使军队专注于目标任务是需要解决的问题。②应用Maven项目的机器学习技术提高目标识别效率和自动化程度。Maven项目的机器学习技术能够实现在小麦中识别谷壳。目前，特种作战司令部可以获取数万亿字节的数据，但人工分析无法详细分类、筛选、快速获得相关信息。特种作战司令部期望利用 Maven项目的机器学习技术可快速目标识别。③应用自主无人机、陆基机器人自动清理建筑物或隧道等区域，让特种部队有更多的时间和精力，更高效地完成目标任务。
三、美国情报高级研究计划局的新一代监视技术主要情况
为保护国家安全，在2021财年下半年，美国情报高级研究计划局将启动为期4年的BRIAR项目。该项目通过开发人工智能算法及软件系统，实现从无人机等平台执行“全身”生物特征识别。情报高级研究计划局指出，美国许多情报机构和国防部机构需要在复杂的场景中进行人员识别。例如，在高空/空中传感器平台中进行远程识别、穿透大气湍流识别。BRIAR项目将扩大生物识别范围，增加可定位目标任务的数量，增多适用于可靠生物识别技术的平台和传感器类型，提高识别准确率和决策质量。项目负责人拉尔丝·艾里克森指出，BRIAR项目成果将用于美国中情局等情报机构、美国军方和国土安全部，进行反恐、部队保护、关键基础设施保护和边境安全防护。
当前BRIAR项目需要解决的具体问题：①克服大气湍流的干扰。大气湍流的干扰是指在目标和传感器之间的光路中，空气分子动态变化导致的视图模糊、失真和强度波动。②当前“探测视频”镜头存在很多问题。“探测视频”镜头监控目标的视角存在一个高俯视角度，还存在目标相对运动、分辨率不合适的问题。③缺乏“全身”生物特征识别。当前生物识别技术聚焦在面部识别（包括远距离和“无约束”的面部识别），还需注重识别非面部生物特征或信息（包括人体形状、运动特征、人体测量信息等），结合面部识别，提高生物识别的可靠性和准确性。如无人机可在活动人群的视频中，利用人体形状、运动特征、测量信息等指标锁定目标。
BRIAR项目预期成果：①远程（100至1000米）图像识别；②在俯仰角20度至50度情况下的图像识别；③缓解大气湍流的干扰；④视频中的多图像模板；⑤运动视频中的人体和人脸定位；⑥室内外视图匹配；⑦对不完整视图或有遮挡视图的准确识别；⑧多模式的生物特征识别，如结合无约束面部识别的全身识别；⑨人员再识别，包括能够识别个人服装颜色和形状、性别、年龄、发型以及携带物品(如背包)的系统。人员再识别是计算机视觉领域的一个热点，主要应用在智慧城市和公共安全领域。此外，还包括：①实现多种传感器平台和光学系统的通用性，适用于各种平台环境；②适应边缘处理，能够进行流媒体的实时传输；③适用于各种人群和体型；④不受姿势、光照、表情和服装变化的影响。