[發(fā)明專利]一種用于多傳感器信息的目標檢測結(jié)果融合判定方法

有效

• 申請?zhí)枺?/td>: 201911039728.4
• 申請日: 2019-10-29
• 公開（公告）號: CN110796194B
• 公開（公告）日: 2022-03-04
• 發(fā)明（設(shè)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(quán)）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(wù)中心 43202
• 代理人: 王文惠

本發(fā)明屬于多傳感器信息融合領(lǐng)域，公開了一種用于多傳感器信息的目標檢測結(jié)果融合判定方法，目的是對多傳感器多目標信息進行目標檢測決策層級融合。技術(shù)方案是針對多種傳感器圖片信息進行目標檢測，檢測結(jié)果中包括目標區(qū)域坐標集合及各類別得分集合。基于識別結(jié)果構(gòu)建證據(jù)識別框架并對焦元集合進行融合，同時對焦元的基本置信度進行重新指派。基于目標區(qū)域坐標集合進行多目標IOU(交并比)交叉求解，得到匹配目標索引。對匹配目標進行基于DS證據(jù)理論的加權(quán)證據(jù)融合，得到最終的融合證據(jù)，并根據(jù)置信度進行合理的決策判定，最終實現(xiàn)對不同焦元證據(jù)及多目標的融合。

技術(shù)領(lǐng)域

本發(fā)明屬于多傳感器信息融合領(lǐng)域，涉及多傳感器信息多目標融合判定方法，尤其是多傳感器信息中目標檢測決策層級融合判定方法。

背景技術(shù)

目前用來捕獲信息的工具主要是傳感器，其作用類似于人的視覺、聽覺、嗅覺、觸覺等。通過對多個同類的傳感器或多個異類傳感器進行綜合處理來獲得相應(yīng)的融合信息，能夠比單一使用某一傳感器獲得的信息更豐富、更準確、更可靠。多傳感器融合技術(shù)的最大特點是能夠?qū)Χ鄠€同類或異類的傳感器所提供的信息進行有效融合，利用融合后的信息能夠有效的對目標進行判決，克服了單一傳感器存在盲區(qū)的缺陷。由于多傳感器信息融合技術(shù)存在著巨大的優(yōu)勢和潛力，使其逐步在軍事、民用、管理、工業(yè)等領(lǐng)域發(fā)揮了巨大作用，并且該技術(shù)具有對不同類型信息進行融合的能力，使一系列新型學科間的交叉成為可能，多傳感器信息融合技術(shù)已經(jīng)逐步發(fā)展成為新型的現(xiàn)代信息處理模式。

在多傳感器信息融合系統(tǒng)中，目標識別融合方法主要是指在對目標進行識別時，將多傳感器采集的信息根據(jù)目標識別融合的層次結(jié)構(gòu)，對信息進行綜合處理，最終實現(xiàn)融合所采用的方法。基于多傳感器技術(shù)的融合方法能夠克服單一傳感器的缺陷，充分利用了各類傳感器的性能優(yōu)勢，提高目標識別準確性，降低信息的不確定性。但目標識別融合問題本身至今未形成有效的廣義融合模型和方法，不少研究人員根據(jù)各自的具體應(yīng)用背景，提出了許多比較成熟的融合方法，利用DS證據(jù)理論進行目標識別融合是一種常用的目標融合方法，證據(jù)理論推理方法最大的特點和優(yōu)點是能夠有效的描述不確定信息，通過信任函數(shù)和似然函數(shù)將證據(jù)區(qū)間分為支持區(qū)間、信任區(qū)間和拒絕區(qū)間，以此來對信息的不確定和未知進行表達。在量測數(shù)據(jù)提供的證據(jù)相差不大的情況下，證據(jù)合成公式能夠有效的對量測數(shù)據(jù)進行融合，獲得更加準確的判決結(jié)果。然而在多目標識別應(yīng)用場景中，需要對場景中多個目標進行快速有效的融合，現(xiàn)有的這些方法，包括基于DS證據(jù)理論推理算法，主要是針對多傳感器中單一目標識別結(jié)果的融合，該目標需處在同一個識別框架下。因此，在多目標識別場景中，如何構(gòu)建快速有效的多目標信息融合方法是一個需解決的問題。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是：針對多傳感器多目標信息融合的問題，提出一種用于多傳感器信息的目標檢測結(jié)果融合判定方法，本發(fā)法基于深度學習神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論，實現(xiàn)了目標檢測決策層級融合判定，能有效的針對不同識別框架、多個目標的識別結(jié)果進行融合。

本發(fā)明的技術(shù)方案是：

一種用于多傳感器信息的目標檢測結(jié)果融合判定方法，包括以下步驟：

第一步，針對N種傳感器圖片，構(gòu)建對應(yīng)深度學習神經(jīng)網(wǎng)絡(luò)目標檢測算法模型及數(shù)據(jù)集，分別對其進行目標檢測，其中，每種傳感器目標檢測結(jié)果中包括目標區(qū)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(qū)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(shù)。

第二步，基于識別結(jié)果構(gòu)建證據(jù)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(jié)果構(gòu)建證據(jù)識別框架Θ_i；