[發明專利]一種用于多傳感器信息的目標檢測結果融合判定方法

有效

• 申請號: 201911039728.4
• 申請日: 2019-10-29
• 公開（公告）號: CN110796194B
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 楊文婧;楊紹武;黃達;徐利洋;劉向陽;沙建松;顏豪杰;胡亞清;梁卓
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 國防科技大學專利服務中心 43202
• 代理人: 王文惠

1.一種用于多傳感器信息的目標檢測結果融合判定方法，其特征在于，包括以下步驟：

第一步，針對N種傳感器圖片，構建對應深度學習神經網絡目標檢測算法模型及數據集，分別對其進行目標檢測，其中，每種傳感器目標檢測結果中包括目標區域坐標集合{B_i1,B_i2,...,B_iL}及各類別得分集合{S_i1,S_i2,...,S_iL}，1≤i≤N，B_ij表示第i張傳感器圖片中第j個目標的區域坐標，S_ij表示第i張圖片第j個目標的各類別得分，1≤j≤L，L為該圖片的識別目標數；

第二步，基于識別結果構建證據識別框架并進行基本置信度指派，具體步驟如下：

(1)基于第一步每種傳感器目標檢測結果構建證據識別框架Θ_i；

(2)將某類別為真的命題作為該識別框架的單元素焦元A_j，各類別得分S_ij作為該識別框架的基本概率分配值，1≤j≤L；

(3)對識別框架的不同焦元集合進行融合求并，并根據統一后的基本概率賦值函數m對焦元的基本置信度進行重新指派；

第三步，選取兩個傳感器圖片目標檢測結果的目標區域坐標集合B₁和B₂，進行多目標IOU交叉求解，得到匹配目標的索引，具體步驟如下：

(1)遍歷B₁和B₂，根據目標區域坐標求出IOU；

(2)設置IOU匹配閾值T，當IOUT時，認為這兩個目標匹配成功；

(3)返回匹配目標的索引I₁和I₂；

第四步，對匹配目標進行基于DS證據理論的加權證據融合，具體步驟如下：

(1)根據匹配目標的索引找出對應的基本概率賦值函數m₁和m₂；

(2)根據具體應用場景實際環境變量的輸入，基于DS證據理論給每一個證據動態分配權值，以作為該證據的可信度Crd_i，基于該可信度，對證據作加權平均，獲取加權平均證據基本概率賦值函數m＝(m(A₁),m(A₂),...,m(A_L))，其中m(A_j)表示加權平均后證據的第j個焦元的基本概率賦值，m_i(A_j)表示第i個證據第j個焦元的基本概率賦值，1≤j≤L；

(3)對加權平均證據基本概率賦值函數m利用Dempster組合規則進行自組合，其中，D-S組合公式為：

其中A_i，B_j，C為識別框架的單元素焦元，1≤i,j≤L；

(4)得到融合后的概率集合S₁₂；

第五步，根據匹配目標索引得到B₁和B₂的并集B₁₂；

第六步，根據S₁₂和B₁₂，繼續從目標檢測結果集合中選取Si、Bi(3≤i≤N)，并重復第三步至第六步，直到遞歸至N；

第七步，得到最終的融合證據，并根據置信度進行決策判定，其中，最大化置信度選擇輸出置信度最大的類別。