[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

摘要

本发明提供一种基于DS证据理论的多目标群威胁度预测装置及方法，传感器装置获取目标及目标所在区域信息，卷积神经网络提取目标特征并分类；按照多目标特征聚类，保留共有特征及满足预设要求的非共有特征，根据特征威胁性权值为多目标赋值；关联前后帧目标，标记同一目标，连续关联多帧，获取标记目标的轨迹段；判断成功关联目标的轨迹段；建立威胁度预测空间，为目标特征、异常轨迹、有效轨迹、是否进入受保护区域赋予威胁度权值，DS证据理论预测目标集群的威胁度，获取威胁度值。本发明改进卷积神经网络结构，弥补了原图像经过卷积池化处理后分辨率损失，同时利用DS证据理论提高了多目标集群的威胁度的预测效果，以快速采取应对措施。

主权项

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：/n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；/n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过各个卷积层得到的新图像的分辨率的损失；/n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；/n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；/n通过步骤4得到多个目标及多个目标各自对应的轨迹段；/n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；/n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；/n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；/n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；/n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；/n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。/n