作者投稿和查稿 主编审稿 专家审稿 编委审稿 远程编辑

计算机工程 ›› 2013, Vol. 39 ›› Issue (3): 182-186. doi: 10.3969/j.issn.1000-3428.2013.03.036

• 人工智能及识别技术 • 上一篇    下一篇

巡逻式多电子哨兵目标识别的数据融合方法

李 敏1,2,吴 斌3,刘 恒3   

  1. (1. 绵阳师范学院数学与计算机科学学院,四川 绵阳 621000; 2. 中国工程物理研究院5所,四川 绵阳 621000;3. 西南科技大学信息学院,四川 绵阳 621000)
  • 收稿日期:2012-02-08 出版日期:2013-03-15 发布日期:2013-03-13
  • 作者简介:李 敏(1975-),男,博士研究生,主研方向:模式识别,人工智能;吴 斌,教授、博士;刘 恒,副研究员、博士
  • 基金资助:
    国家自然科学基金资助项目“非受限2D及快速3D人耳识别原理与应用研究”(61105020);四川省教育厅基金资助重点项目“视频监控中移动对象异常行为自动识别技术研究”(11ZA166)

Data Fusion Method for Target Recognition of Patrol Multiple Electronic Guards

LI Min 1,2, WU Bin 3, LIU Heng 3   

  1. (1. School of Math and Computer Science, Mianyang Normal University, Mianyang 621000, China; 2. No. 5 Institute, China Academy of Engineering Physics, Mianyang 621000, China; 3. School of Information, Southwest University of Science and Technology, Mianyang 621000, China)
  • Received:2012-02-08 Online:2013-03-15 Published:2013-03-13

摘要: 对巡逻式电子哨兵目标观测在数据层的精确定位方法,以及决策层目标精确识别的数据融合问题进行研究。将个体观测的局部坐标系的目标位置转换到全局坐标系中,利用卡尔曼方法融合数据层信息。决策层目标识别的信息融合采用改进的多层次D-S证据论融合方法,将单个哨兵各异类传感器信息融合后再进行多个电子哨兵识别结果的信息融合。实验结果表明,融合后的数据稳定性和准确性都能得到提高,目标识别的正确率提高了20%。

关键词: 巡逻式多电子哨兵, 目标识别, 多层次D-S证据融合, 目标精确定位, 卡尔曼融合, 决策层融合

Abstract: This paper researches the precise location method for patrolling electronic guards observing object in data layer and precise identification in decision layer data fusion problem. Individual observed object data in local coordinate is transferred into global coordinate system, and Kalman method is used to realize data fusion in data layer. Improvement multilevel D-S evidence theory fusion is used in decision layer data fusion, single guard different sensor information is fused, and then multiple electronic guards observed result sensor information is fused. Experimental results show that stability and reliability of data are improved and precision of target recognition is improved by 20%.

Key words: patrol multiple electronic guards, target recognition, multilevel D-S evidence fusion, precise object orientation, Kalman fusion, decision layer fusion

中图分类号: