本发明涉及特种车辆技术领域，具体涉及一种特种车辆防御方法及系统。
背景技术：
城市战和巷战是坦克和装甲车等特种车辆的噩梦，面对城市和街巷中狭窄的街道以及复杂的地形，特种车辆因厚重装甲和观瞄装置的局限性，会遇到视野不足的问题，进而使得自身突击能力大打折扣。比如且，特种车辆的主炮很难准确打击到在建筑物里面躲藏的敌人，反而容易被敌人突击。
因此，如何提升特种车辆在城市战和巷战中的防御能力，成为目前亟待解决的技术问题。
技术实现要素：
本发明的目的在于提供一种特种车辆防御方法及系统，用以解决现有特种车辆在城市战和巷战中的防御能力不足的问题。
为实现上述目的，本发明的第一方面提出了一种特种车辆防御方法，所述方法包括：采集作战环境信息；根据所述作战环境信息，识别作战环境中的威胁目标；自动向所述威胁目标发动攻击。
在上述技术方案中，可选地，所述采集作战环境信息的步骤，包括：通过拍摄装置、红外感应装置和雷达探测装置中的一项或多项采集所述作战环境信息。
在上述技术方案中，可选地，根据所述作战环境信息，识别作战环境中的威胁目标的步骤，包括：通过深度学习的方式对所述作战环境信息进行处理，以识别所述作战环境中的所述威胁目标，其中，所述威胁目标包括敌方人员、反特种车辆的战斗装备和地雷。
在上述技术方案中，可选地，在自动向所述威胁目标发动攻击的步骤之前，还包括：根据所述威胁目标的类型和/或与当前特种车辆的距离，确定所述威胁目标的等级。
在上述技术方案中，可选地，自动向所述威胁目标发动攻击的步骤，包括：判断所述威胁目标的等级是否为预定等级中的一个；当判断结果为是时，自动向所述威胁目标发动攻击；当判断结果为否时，发出是否攻击提示，以及在接收到操作信息的情况下，根据所述操作信息向所述威胁目标发动攻击。
本发明的第二方面提出了一种特种车辆防御系统，包括：作战环境信息采集单元，采集作战环境信息；威胁目标识别单元，根据所述作战环境信息，识别作战环境中的威胁目标；自动攻击单元，自动向所述威胁目标发动攻击。
在上述技术方案中，可选地，所述作战环境信息采集单元用于：通过拍摄装置、红外感应装置和雷达探测装置中的一项或多项采集所述作战环境信息。
在上述技术方案中，可选地，所述威胁目标识别单元用于：通过深度学习的方式对所述作战环境信息进行处理，以识别所述作战环境中的所述威胁目标，其中，所述威胁目标包括敌方人员、反特种车辆的战斗装备和地雷。
在上述技术方案中，可选地，还包括：等级确定单元，在所述自动攻击单元自动向所述威胁目标发动攻击之前，根据所述威胁目标的类型和/或与当前特种车辆的距离，确定所述威胁目标的等级。
在上述技术方案中，可选地，所述自动攻击单元用于：判断所述威胁目标的等级是否为预定等级中的一个；当判断结果为是时，自动向所述威胁目标发动攻击；当判断结果为否时，发出是否攻击提示，以及在接收到操作信息的情况下，根据所述操作信息向所述威胁目标发动攻击。
本发明具有如下优点：
通过以上技术方案，特种车辆可多方位地采集作战环境信息，并能够在采集到的作战环境信息中识别出威胁目标，威胁目标指的是对特种车辆本身具有攻击性和威胁性的对象，比如，敌方作战人员、反坦克导弹等，由此，即可对识别的威胁目标进行攻击。其中，识别威胁目标可依据深度学习的方式，模拟人脑的工作方式对作战环境信息进行分析，从中结构出符合预定威胁标准的威胁目标，预定威胁标准可为预定的作战标识、武器形状、武器朝向、藏匿位置等。
通过以上技术方案，通过自动识别威胁目标的方式取代了人工观察方式，提升了识别威胁的速度和反应能力，提升了特种车辆的安全性和自动化水平，便于对敌方实施快速有效的打击。
附图说明
图1示出了本发明的一个实施例的特种车辆防御方法的流程图。
图2示出了本发明的另一个实施例的特种车辆防御方法的流程图。
图3示出了本发明的一个实施例的特种车辆防御系统的框图。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例1
图1示出了本发明的一个实施例的特种车辆防御方法的流程图。
如图1所示，本发明的一个实施例的特种车辆防御方法，包括：
步骤102，采集作战环境信息。
步骤104，根据所述作战环境信息，识别作战环境中的威胁目标。
步骤106，自动向所述威胁目标发动攻击。
通过以上技术方案，特种车辆可多方位地采集作战环境信息，并能够在采集到的作战环境信息中识别出威胁目标，威胁目标指的是对特种车辆本身具有攻击性和威胁性的对象，比如，敌方作战人员、反坦克导弹等，由此，即可对识别的威胁目标进行攻击。其中，识别威胁目标可依据深度学习的方式，模拟人脑的工作方式对作战环境信息进行分析，从中结构出符合预定威胁标准的威胁目标，预定威胁标准可为预定的作战标识、武器形状、武器朝向、藏匿位置等。
通过以上技术方案，通过自动识别威胁目标的方式取代了人工观察方式，提升了识别威胁的速度和反应能力，提升了特种车辆的安全性和自动化水平，便于对敌方实施快速有效的打击。
在上述技术方案中，可选地，步骤102包括：通过拍摄装置、红外感应装置和雷达探测装置中的一项或多项采集所述作战环境信息。
拍摄装置、红外感应装置和雷达探测装置均可三百六十度全方位地采集特种车辆周围的作战环境信息，以提升采集的作战环境信息的全面性，避免因采集信息遗漏而造成特种车辆被遗漏位置处的敌方攻击。其中，拍摄装置可拍摄作战环境的照片，红外感应装置可对整个作战环境生成红外图探测整个作战环境的建筑物分布情况和作战人员分布情况，而雷达探测装置也可以通过发射探测波的方式探测整个作战环境的建筑物分布情况和作战人员分布情况。
在上述技术方案中，可选地，步骤104包括：通过深度学习的方式对所述作战环境信息进行处理，以识别所述作战环境中的所述威胁目标，其中，所述威胁目标包括敌方人员、反特种车辆的战斗装备和地雷。
深度学习机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如，人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。深度学习的动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
由此，通过深度学习的方式对作战环境信息进行分析和处理，可以有效识别出威胁目标的特征，从而根据识别出的特征确定具有该特征的对象为威胁目标，以便进行自动攻击，保护特种车辆的安全。
实施例2
在实施例1的基础上，可选地，在步骤106之前，还包括：根据所述威胁目标的类型和/或与当前特种车辆的距离，确定所述威胁目标的等级。
也就是说，可对威胁目标进行分级，比如，可设置未携带武器的敌方作战人员对应的等级为一级，携带普通枪支武器的敌方作战人员对应的等级为二级，携带反坦克/反装甲武器(如反坦克导弹、RPG火箭筒等)的敌方作战人员对应的等级为三级，地雷等埋伏武器的对应的等级为三级。由于特种车辆的攻击成本较高，可仅攻击等级较高的威胁目标，或对不同等级的威胁目标采用不同强度的攻击方式。
实施例3
在实施例2的基础上，步骤106包括：判断所述威胁目标的等级是否为预定等级中的一个；当判断结果为是时，自动向所述威胁目标发动攻击。比如，设置特种车辆仅攻击等级为三级的威胁目标，预定等级即为三级，当识别到的威胁目标的等级为三级时，特种车辆自动发动攻击。
当判断结果为否时，发出是否攻击提示，以及在接收到操作信息的情况下，根据所述操作信息向所述威胁目标发动攻击。此时，威胁目标的等级低于三级，可在特种车辆的操作界面提示操作者是否进行攻击，操作者在操作界面进行操作，如果操作信息为需要进行攻击，则特种车辆自动发动攻击。
由此，提升了特种车辆战斗的可控性，便于将火力集中到更急需攻克的目标。
实施例4
图2示出了本发明的另一个实施例的特种车辆防御方法的流程图。
如图2所示，本发明的另一个实施例的特种车辆防御方法，包括：
步骤202，进入高危环境，自动开启防御系统。在进行作战环境扫描之前，可由人工或特种车辆的系统自动开启防御系统，进入防御作战状态。
步骤204，360°扫描作战环境，获取作战环境信息。
可采用具有360°视场的具有可见光/红外/雷探测能力的观察设备，与传统的通过人工观察的有限视场相比，极大地提高了识别威胁的能力和效率。其中，具有360°视场的视频采集工具，其镜头具有缩放功能，能广角扫描，也能重点放大。其中，通过人工智能以及训练模型由近及远不断扫描战场环境，可识别对方作战人员、武器、车辆、地雷等物体。
步骤206，根据作战环境信息，识别威胁目标。比如，手持RPG火箭筒的武装人员、房顶的狙击手、街角的反坦克导弹发射手等。
步骤208，判断威胁目标是否为高危目标，当判断结果为是时，进入步骤210，否则，返回步骤204。通过人工智能训练模型以及高速计算机能快速判定物体的威胁程度，其中，对坦克等特种车辆的可能伤害越大，对应的威胁程度越高。
步骤210，启动武器系统，自动攻击该威胁目标。如自动指挥机枪/榴弹等武器系统瞄准急迫的高威目标开火。
总之，可借助高速计算机、神经网络芯片和人工智能算法以及预先训练(pre-trained)模型每秒处理上千威胁，同时标记高危威胁，以便对高危的威胁进行攻击(如自动开火)，可提升攻击的反应速度，主动消灭威胁，有效保护了作战人员的人身安全。另外，与传统的通过人工观察的有限视场相比，极大地提高了识别威胁的能力和效率。并且，在极其高危的敌方环境下，可以设定识别到高危威胁的情况下，和机枪武器系统连通，自动开火，消灭威胁。以免人工决策慢，注意力不集中，疏忽大意，被反坦克火力击中。
实施例5
图3示出了本发明的一个实施例的特种车辆防御系统的框图。
如图3所示，特种车辆防御系统300包括：作战环境信息采集单元302，采集作战环境信息；威胁目标识别单元304，根据所述作战环境信息，识别作战环境中的威胁目标；自动攻击单元306，自动向所述威胁目标发动攻击。
在上述技术方案中，可选地，所述作战环境信息采集单元302用于：通过拍摄装置、红外感应装置和雷达探测装置中的一项或多项采集所述作战环境信息。
在上述技术方案中，可选地，所述威胁目标识别单元304用于：通过深度学习的方式对所述作战环境信息进行处理，以识别所述作战环境中的所述威胁目标，其中，所述威胁目标包括敌方人员、反特种车辆的战斗装备和地雷。
在上述技术方案中，可选地，还包括：等级确定单元，在所述自动攻击单元306自动向所述威胁目标发动攻击之前，根据所述威胁目标的类型和/或与当前特种车辆的距离，确定所述威胁目标的等级。
在上述技术方案中，可选地，所述自动攻击单元306用于：判断所述威胁目标的等级是否为预定等级中的一个；当判断结果为是时，自动向所述威胁目标发动攻击；当判断结果为否时，发出是否攻击提示，以及在接收到操作信息的情况下，根据所述操作信息向所述威胁目标发动攻击。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。