[发明专利]一种基于DS证据理论的多目标群威胁度预测装置及方法

权利要求书

1.一种基于DS证据理论的多目标群威胁度预测方法，其特征在于，包括：

步骤1，利用多传感器采集目标信息，获取目标及目标所在区域信息；

步骤2，预设目标类别、特征类别，将获取的目标信息输入卷积神经网络，提取目标特征，对特征进行分类；通过在卷积层后连接上采样层以及在池化层后增加残差结构，弥补原始输入图像经过各个卷积层得到的新图像的分辨率的损失；

步骤3，将通过步骤2获取的目标特征，对特征进行聚类，按照多目标之间进行特征聚类，划分为共有特征和非共有特征，保留满足预设要求的非共有特征，根据事先设定的特征威胁性权值为多个目标赋值；

步骤4，基于连续的两个帧时刻，关联前帧与后帧出现的目标，判断是否为同一目标，若为同一目标，则表示目标关联成功；对同一目标进行标记，连续关联多帧，获取标记目标的轨迹段；

通过步骤4得到多个目标及多个目标各自对应的轨迹段；

步骤5，对于关联成功的目标得到的轨迹段，需要再进行轨迹判断；

有效轨迹：至少连续n帧都存在；为有效轨迹赋予威胁度权值；

消失轨迹：在某一帧消失后，在该帧之后始终未再出现的目标，所对应的轨迹为消失轨迹；

异常轨迹：单个目标出现超过设定次数的频繁消失与出现、且至多只有n帧连续的轨迹，则判断该段轨迹为异常轨迹；为异常轨迹赋予威胁度权值；

对轨迹预测，基于当前时刻对轨迹进行预测，包括：有效轨迹和异常轨迹；若单个目标轨迹在下一时刻有趋势进入设定范围，称该轨迹为潜在轨迹，则为该轨迹赋予威胁度权值；

步骤6，建立威胁度预测空间，包括：目标轨迹、目标特征、位置信息，基于DS证据理论对目标集群的威胁度进行预测，得到威胁度预测结果。

2.基于权利要求1所述的基于DS证据理论的多目标群威胁度预测方法，所述步骤4，还包括关联失败的目标，连续多帧关联失败，若所述目标消失，则定义为t-1时刻目标轨迹与t时刻中各个目标之间不存在关联关系的目标，将所述目标作为消失目标；若所述目标出现，则定义为存在当前时刻目标中与前一时刻目标轨迹中的各个目标之间不存在关联关系的目标，将所述目标作为当前时刻的新目标，对新目标，以当前帧开始标记，获取新目标对应的轨迹段。

3.基于权利要求1所述的基于DS证据理论的多目标群威胁度预测方法，所述步骤1，还包括需要进行时间配准和空间配准，

所述时间配准，具体包括，将激光雷达传感器获取的目标动态位置数据、轨迹与融合后视频图像中的目标物运动轨迹状态数据在时间上进行同步，采用多线程分别处理激光雷达传感器、红外传感器以及可见光传感器分别获取的数据、红外与可见光融合的数据，达到时间的同步；所述融合后视频图像，表示红外视频与可见光视频融合后得到的视频图像；

所述空间配准，具体包括，利用多个传感器各自的局部坐标系和全局坐标系之间的转换关系，将传感器数据信息映射到统一的坐标系。