基于多传感器信息融合的目标识别技术

王东明 张明堂

摘 要：目标识别在传统上，都是靠一种性质的传感器采集目标数据，缺点是只能在简单的环境场合应用，识别正确率和识别效率低。本文通过研究将相同的或者不同性质的多传感器进行有效结合，并且同时获取目标的原始信息，通过各种特征提取的方法获得目标的多方位、多性质的特征值数据，并对特征值数据通过特征融合算法进行特征融合，目标识别正确率得到提升和识别的时间得到减少。

关键词：多传感器 特征提取 特征融合 目标识别

中图分类号：TP21 文献标识码：A 文章编号：1672-3791（2018）04（c）-0001-02

多传感器信息融合的目标识别技术在各个方面的应用很多，可以应用在计算机视觉、军事、遥感等很多方面，所以对于理论和应用的研究，具有重要的意义[1]。利用多传感器的信息融合目标识别技术能够在很复杂的背景环境，对目标进行识别，通过融合，减少了信息量，对目标的识别准确率和时间上都得到了极大的提高。目前，在各个领域，信息融合技术已经普遍使用，然而目标特征融合的目标识别技术，在国内目前研究比较少，并且需要解决许多问题，迫切需要开展广泛深入的基础理论和技术研究[2]。

1 多传感器信息融合目标识别整体系统设计

多传感器信息融合的含义是将可见光、红外、激光雷达等性质相异的多个传感器组获取的目标原始信息进行融合。首先解决的问题就是针对不同传感器使用不同的特征提取算法来提取目标的特征数据，然后在使用融合算法，将目标特征信息融合成复合特征信息量，使用分类识别算法，识别目标的过程。特征融合目标识别系统模块能够把原始目标信息中的相关特征数据提取出来、使特征数据真正有效、并且保证信息完整，从而融合成为待识别的融合特征信息，从而实现提高识别的准确率和效率[2]。

2 多传感器信息融合目标识别各功能模块设计

2.1 特征数据库

特征数据库是否完备决定了目标识别的正确率和效率[3]。目标识别算法都需要和已知模式比较，也就是学习训练算法的一些参数。已知模式也就是把各种目标的特征数据存储在特征数据库，那么就构成了已知模式集，可以训练目标识别分类器。

2.2 特征提取

对于红外、可见光、雷达等这些探测物理性质不同的多传感器，他们采集的目标信息原始数据也将是差异很大，数据信息庞大。怎样从众多的特征提取算法中，选择适合的特征提取算法，把目标独自具有的、可以和其他目标有效区分开的特征信息提取出来，是需要大量研究和实验才能解决的问题。

2.3 特征融合

特征融合算法简单的理解就是把特征信息的特征数据合在一起。特征融合所要研究的内容就是采用何种融合方法，能达到融合后的数据少而精，保证后继识别分类的快速、准确。融合的算法有以下两种常用的方法：

式（2）中，i为虚数单位。α、β这两个数据维数不同时，需要补0将低维升为与高维一样，所以并行融合需要维数一致。

也可以采用遗传算法、退火算法等这些优化算法进行特征融合，但是有优点也有缺点，优点是获得的融合特征数据更精减，缺点是融合需要大量时间，并且需要设计适应度函数。

2.4 目标识别

特征融合目标识别的算法当今主要是还是采用模式识别的很多算法，经验级的方法，主要有基于统计的方法、基（上接1页）

于模糊的识别方法、基于人工智能的方法等方法[2]。

2.4.1 基于统计的方法

这种方法也称呼为统计决策法。主要采用如线性和非线性分类、聚类分析、Bayes决策等分类方法[2]。把不同的识别方法统计算所有的特征数据的分类函数数值，然后将目标特征数据和分类函数数据进行对比，从而达到分类的目的。

2.4.2 模糊模式识别

基于模糊的分类识别方法具有很大的应用前景，目前的应用也很广。模糊识别方法最主要的也是最难解决的问题是根据具体问题设计隶属度函数。基于模糊的统计方法、基于模糊的分布方法、基于模糊的二元对比排序方法等是目前的主流方法。模式识别虽然已经应用很广泛并且效果比较好，但是都离不开人的交互，所以研究隶属度函数的建立和设计仍然是难点和关键点。

2.4.3 人工神经网络识别

人工神经网络采取软硬件的手段，通过模拟动物的神经系统一些功能，采用大量的处理单位作为类似动物神经网络的节点，对节点的参数权值进行处理来实现单元之间的互联的网络结构。自动适应和自动组织是人工神经网络的好处和特别之处，并且可以通过参数的学习训练，达到智能和对错误校正，所以能够对复杂的模式识别问题，进行处理[2]。

3 结语

本文对特征级融合目标识别进行了分析设计，设计建立了特征级融合目标识别的功能模块，而且重点阐述说明了多传感器特征融合目标识别的一些需要解决和分析的主要功能模块问题，并且设计了目标特征融合识别的各部分的方法。

参考文献

[1] 刘朝强.基于多传感器特征信息融合的目标识别技术研究[D].沈阳理工大学，2015.

[2] 王东明.基于特征级融合的目标识别方法研究[D].沈阳理工大学，2013.

[3] 孫晋博，余隋怀，陈登凯.基于证据理论融合多特征的物体识别算法[J].计算机工程与应用，2015（9）：147-151.

[4] 金萌萌.多源图像的特征融合方法研究[D].沈阳理工大学，2013.

[5] 顾琳.多源遥感图像的多尺度特征提取和融合方法研究[D].北方工业大学，2015.

[6] 肖保良.基于Gist特征与PHOG特征融合的多类场景分类[J].中北大学学报：自然科学版，2014（6）：690-694.

[7] 高丽燕.基于DSP+FPGA的图像识别系统设计与实现[D].南京理工大学，2006.