[發明專利]一種多顆粒度目標識別結果融合方法

在審

• 申請號: 202010837349.6
• 申請日: 2020-08-19
• 公開（公告）號: CN112101421A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 黃辰;張蔚;呂文超;張續瑩
• 申請（專利權）人: 中國電子科技集團公司第二十九研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 徐靜

本發明公開了一種多顆粒度目標識別結果融合方法，包括步驟：S1，將數據劃分為不同類別，包括樣本級、類級和目標級；S2，基于S1中數據劃分，分別生成樣本級識別結果和類級識別結果；S3，基于S2中識別結果進行數據融合，先樣本級識別結果融合間接形成類級識別結果；然后與S2中類級識別結果融合得到類1級識別結果，類1級識別結果進行融合得到類2級識別結果，類2級識別結果進行融合得到類3級識別結果，依次類推得到類n級識別結果等。本發明能實現對同一目標不同顆粒度數據的分級融合，充分運用了各顆粒度數據信息互補優勢，逐級提取關鍵信息，減少冗余信息，得到更加可靠的目標識別結果，提升識別正確率和計算速度。

技術領域

本發明涉及目標識別領域，更為具體的，涉及一種多顆粒度目標識別結果融合方法。

背景技術

利用目標識別結果數據進行融合對于充分運用目標信息、提升識別效果而言具有重要意義。劉海英于2010年7月在《基于信息融合理論的空間點目標識別實驗結果分析》一文中提出一種三級融合的多傳感器信息融合空間點目標識別方法，將BP網絡和D-S證據推理有效地結合起來，較好地解決復雜目標識別問題，兩種方法的結合提高了對目標的識別率及系統穩定性。孫偉等人于2016年3月在《一種新的多目標融合關聯算法》一文中結合灰色理論利用多種量測信息，提出了一種新的多目標融合關聯算法，利用目標方位、LOFAR和DEMON譜特征線譜實現多目標的融合關聯，取得了較好的關聯融合結果。劉佳媛等人于2017年12月在《一種改進的聚類目標融合算法》一文中以K均值算法為基礎，提出了基于空間密度與歐式距離結合的聚類初始化算法，對聚類方法進行改進，并將其應用于多源目標融合領域，提高了多源融合性能。

現有方法多從多源融合及特征融合的角度出發，在一定程度上提升了識別正確率，而本發明主要從不同顆粒度識別結果的融合方法出發，給出了基于不同顆粒度目標識別結果的融合方法，對單傳感器和多傳感器應用均能適應，能綜合運用各類不同顆粒度的識別結果對現有的融合方法進行補充，可為優化目標識別結果提供依據。

發明內容

本發明的目的在于克服現有技術的不足，提供一種多顆粒度目標識別結果融合方法，能實現對同一目標不同顆粒度數據的分級融合，充分運用了各顆粒度數據信息互補優勢，逐級提取關鍵信息，減少冗余信息，得到更加可靠的目標識別結果，提升識別正確率和計算速度。

本發明的目的是通過以下方案實現的：

一種多顆粒度目標識別結果融合方法，包括步驟：

S1，將數據劃分為不同類別，所述類別包括樣本級、類級和目標級；

S2，基于S1中數據劃分，分別生成樣本級識別結果和類級識別結果；

S3，基于S2中識別結果進行數據融合，先樣本級識別結果融合間接形成類級識別結果；然后與S2中類級識別結果融合得到類1級識別結果，類1級識別結果進行融合得到類2級識別結果，類2級識別結果進行融合得到類3級識別結果，依次類推得到類n級識別結果，n為類數量，即得到目標級識別結果。

進一步地，S2中，生成樣本級識別結果包括步驟：設目標識別結果共有k個元素，表示目標共有k類識別結果；設偵收到的同一目標樣本數量為m，每一樣本經過不同的單樣本識別算法得到樣本級識別結果樣本級識別結果的形式表示為：式中，s為單樣本識別算法標識號，i為同一目標樣本序號，i取值為表示目標的第i個樣本采用識別算法s的識別結果置信度，各置信度之和為1，即

生成類級識別結果包括步驟：對同一目標樣本數據進行聚類，得到多組類數據，設類數量為n，每一類經過識別算法得到類級識別結果為類級識別結果的形式給出如下：式中，t為類識別算法標識號，j為同一目標類序號，j取值為表示目標的第j個類的識別結果置信度，各置信度之和為1，即

進一步地，S3中，包括步驟：