第九讲多传感器信息课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,9 信息融合系统的应用,9 信息融合系统的应用,1,信息融合（数据融合）的最初应用于军事领域，也是其主要的应用，如陆空中目标的探测、识别、跟踪，通过融合中心，把雷达、红外传感器、声纳和其他传感器的不同信息加以融合，用于车辆的自动探测，静态和动态图象获得的属性在决策层的融合，,另一类应用是关于战场的侦察、战术态势评估、威胁评估和目标探测，它们是基于有关敌人的先验知识和陆地观察，这些信息经常是模糊和不确定的，其他诸如天气和飞行的观测可以作为补充，基于生物量测（声音、脸、轮廓和指纹）身份识别可以增进信息融合。,9.1 在军事领域的应用,信息融合（数据融合）的最初应用于军事领域，也是其主要的应用，,2,信息融合在军事上的应用还可扩充到以下一些方面：,采用多传感器的自主武器系统；,由多个平台（如侦察机、舰艇、卫星、地面站）组成的大范围监视系统或分布式传感器网络；,采用多个传感器进行截获、跟踪和指令制导的火控系统；,指示和告警（I&W）系统，其任务是评定威胁和敌方意图；,军事部队的指挥和控制站。,信息融合在军事上的应用还可扩充到以下一些方面：,3,Example 1:美韩演习、美日演习,划定演习区,实际演习区,170公里,Example 1:美韩演习、美日演习划定演习区实际演习区,4,Example 2:中国解放军导弹部队渤海实弹演习,据中国军网报道，北空导弹某团官兵在渤海，针对未来地面防空需要，积极研究,复杂电磁环境,下快速展开兵器，夜间捕捉目标，连续抗击进袭等作战新模式，深化体系对抗演练，,不断锤炼官兵实战技能，防空利剑得到更好地淬火磨砺，实弹射击取得6发6中的佳绩。,Example 2:中国解放军导弹部队渤海实弹演习 据,5,29日夜间，中国军网继续发布北海舰队航空兵,飞豹,战机训练图片，称北海舰队航空兵加强了夜间远程奔袭作战训练，,飞豹战机编队夜间起飞，实施隐蔽出航和夜间海上低空突防作战，强化快速反应、远程机动和突击作战能力。,29日夜间，中国军网继续发布北海舰队航空兵飞,6,第九讲多传感器信息课件,7,第九讲多传感器信息课件,8,第九讲多传感器信息课件,9,第九讲多传感器信息课件,10,北海舰队的海上防区为连云港以北的黄海海域和渤海湾。,主要的任务：一是保卫首都的海上门户；二是警戒美日韩军事联盟对我国的海上威胁。,在1996年台海危机时，美国就曾出动两个航母战斗群进入该地区进行威慑，中国军方对此大为震动。自那时起，解放军海军看到了自己与美军之间的巨大差距，也促使了高层加快海军现代化的步伐，经过十几年的建设，北海舰队得到了很大的发展，实力居三大舰队之首，也可以看出高层对北海舰队的重视。此次装备新歼轰-7“飞豹”战机，可以更好的加强北海舰队的应对能力，有效的回应美日韩联盟对我国的威胁。,北海舰队的海上防区为连云港以北的黄海海域和渤海湾。主,11,信息融合也大量用于地球科学（卫星图象、遥感），主要目的是对图象的分类解释，通过多属性的融合可以加强对道路、机场、山脉和冰块的探测，对同一场景的不同分辨率的融合可以得到比所有输入都精细的图象。,民用领域应用：,机器人及智能车辆（环境识别、定位和导航），对机器人的实时定位的研究已经实现，利用照相机、雷达、红外获得的信息对环境重构可以采用网格编码。导航包括车辆之间的避免碰撞和轨迹跟踪。医学诊断及人体建模，血管的3D重构等，也有一些应用于工业工程（故障诊断、过程监视、经济、交通管制）领域。,信息融合也大量用于地球科学（卫星图象、遥感），主要目的是对图,12,另外，如：气象预报、保密领域、农业应用领域、现代制造领域和经济商业领域等等。信息融合还被用于火车、船舶定位、鱼类识别或车辆通过的探测等等。信息融合技术应用范围日趋广泛。其实际应用取得成效的例子不胜枚举，,如突尼斯科学家利用一种基于物理规则的物理系统融合方法，在甲烷氢氧化物探测中，取得了满意的效果；,法国科学家利用风速和风向信息进行融合，较好地解决了风场问题；,美国科学家研制了一种融合系统（Landsat），可用来监控植被的变化情况等。,另外，如：气象预报、保密领域、农业应用领域、现代制造,13,Example 3:数字滤波技术,假设有如下一组检测点,Example 3:数字滤波技术假设有如下一组检测点,14,算术平均滤波法,就是连续取n个采样值进行算术平均。,适用情况：,对一般具有随机干扰的信号进行滤波。该滤波法对信号的平滑程度取决于n。当n较大时，平滑度高，但灵敏度低；当n较小时，平滑度低，但灵敏度高。在要求计算速度较高的实时系统中，不宜采用该法。,算术平均滤波法就是连续取n个采样值进行算术平均。适用情况：对,15,Example 4:步态识别中的特征融合,分类结果,图像预处理,步态检测,特征提取,步态识别,图像输入,图9.1 步态识别基本框架图,Fig.9.1 Gait recognition framework,步态识别主要是通过分析人的行走状态的变化来判别其身份的，它是一种综合计算机视觉、图像处理和模式识别的识别技术。步态识别主要分为：步态检测、特征提取以及步态识别三个步骤：,Example 4:步态识别中的特征融合分类结果图像预处理,16,图9.2 步态数据库中其中一个人的步态,图9.2 步态数据库中其中一个人的步态,17,(a)普通条件下静态能量图,(b)普通条件下动态能量图,图9.3 步态能量图的分割,(a)普通条件下静态能量图 (b)普通条件下动态能量图,18,图9.4 Zernike 矩特征,图9.4 Zernike 矩特征,19,图9.5 小波矩特征,图9.5 小波矩特征,20,同一人的两组数据得到的Zernike矩,不同人的两组数据得到的Zernike矩,同一人的两组数据得到的Zernike矩不同人的两组数据得到的,21,同一人的两组数据得到的小波矩,不同人的两组数据得到的小波矩,同一人的两组数据得到的小波矩不同人的两组数据得到的小波矩,22,融合特征,融合特征,23,表9.1 单特征和特征融合在Dataset A上的识别率比较,方法,识别率（%）,方法1,86.25,方法2,88.75,方法3,91.25,方法4,92.50,在上表中，方法1为用小波矩提取分割得到的动态能量图（Dynamic GEI）特征的识别率；方法2为用Zernike矩提取分割得到的静态能量图（Static GEI）特征的识别率；方法3为将小波矩和Zernike提取原始的步态能量图（GEI）特征融合后的识别率。,表9.1 单特征和特征融合在Dataset A上的识别率比较,24,表9.1 单特征和特征融合在Dataset A上的识别率比较,方法,识别率（%）,方法1,86.25,方法2,88.75,方法3,91.25,方法4,92.50,方法4,为将用Zernike矩提取的静态能量图特征与用小波矩提取的静态能量图（GEI）特征融合后的识别率。,表9.1 单特征和特征融合在Dataset A上的识别率比较,25,Thank you!,Thank you!,26,