[发明专利]一种用于目标识别的多种传感器融合权重生成方法

说明书

本发明实施例公开了一种用于目标识别的多种传感器融合权重生成方法，包括：对多传感器目标融合识别系统中各种传感器进行探测识别性能影响因素分析，建立各影响因素下各传感器探测识别能力表和探测识别能力模型，并得到各传感器探测识别能力置信度；基于探测识别能力置信度对各传感器探测识别权重等级进行映射处理，并且得到用于权重等级预测网络的训练样本数据；建立各传感器对应的权重等级预测网络，采用训练样本数据进行网络训练得到网络参数，实现各种影响因素综合作用条件下对各传感器融合权重的有效预测。本发明实施例提供的技术方案解决了现有目标识别系统由于仅依靠单一传感器采集目标信息，从而导致目标识别偏离实际结果的问题。

技术领域

本发明涉及但不限于目标识别技术领域，尤指一种用于目标识别的多种传感器融合权重生成方法。

背景技术

随着现代科学技术及生产水平的提高，自动化、智能化逐渐应用在越来越多的领域，如工业、科研、医学等。在实际使用中，自动化系统运作首要解决的是操作对象的问题，即应用传感器实现目标识别。因此，对目标识别技术的研究具有很重要的现实意义。

目标识别是利用技术处理手段对目标特征信息进行分析，从而获取目标的定性或定量性质。由于现有目标识别系统工作环境复杂、多样化，不同传感器的识别精度不一，且各目标类型的测量数据之间具有交叉性，仅依靠单一传感器采集目标信息通常会偏离实际结果。

发明内容

本发明的目的：本发明实施例提供了一种用于目标识别的多种传感器融合权重生成方法，以解决现有目标识别系统由于仅依靠单一传感器采集目标信息，从而导致目标识别偏离实际结果的问题。

本发明的技术方案：本发明实施例提供一种用于目标识别的多种传感器融合权重生成方法，包括：

对多传感器目标融合识别系统中各种传感器进行探测识别性能影响因素分析，建立各影响因素下各传感器探测识别能力表和探测识别能力模型，并得到各传感器探测识别能力置信度；基于探测识别能力置信度对各传感器探测识别权重等级进行映射处理，并且得到用于权重等级预测网络的训练样本数据；

建立支持多种传感器融合权重等级的权重等级预测网络，采用训练样本数据进行网络训练得到网络参数，实现各种影响因素综合作用条件下对各传感器融合权重的有效预测。

可选地，如上所述的用于目标识别的多种传感器融合权重生成方法中，包括以下步骤：

步骤1，确认多传感器目标融合识别系统中参与目标识别处理的传感器类型，确认影响各类传感器探测识别性能的各影响因素；

步骤2，基于对各传感器影响因素的分析结果，建立各影响因素条件下各传感器探测识别能力表以及各传感器探测识别能力模型；

步骤3，基于各传感器探测识别能力表和探测识别能力模型，计算各传感器探测识别能力置信度；

步骤4，基于各传感器探测识别能力置信度建立各传感器探测识别权重等级映射关系，并且得到用于权重等级预测网络的训练样本数据；

步骤5，构建各传感器的权重等级预测网络，用于基于权重等级预测网络实现多传感器目标融合识别系统中各传感器探测识别权重的预测；

步骤6，采用步骤4得到的训练样本数据，对基于步骤5中构建的权重等级预测网络进行网络训练，得到满足输出结果符合实际预期的网络参数；

步骤7，将步骤6中预测得到的各传感器权重等级信息映射至归一化的权重信息。

可选地，如上所述的用于目标识别的多种传感器融合权重生成方法中，

所述多传感器目标融合识别系统为对地静止目标识别系统，所述步骤1中确定的传感器类型包括：毫米波雷达传感器、激光雷达传感器以及光电传感器；