基于多源传感器信息融合的目标检测算法研究
这是一篇关于目标检测,信息融合,小目标检测,数据关联的论文, 主要内容为目标检测是实现重点区域监测、城市管理的重要手段,广泛应用于人脸识别、自动驾驶、军事安防等领域。多源传感器信息融合的目标检测技术能够充分发挥各传感器的检测优势,提高目标检测准确性和鲁棒性,其中毫米波雷达与相机传感器凭借成本以及性能优势成为传感器融合的主流趋势。Center Fusion是目前业界主流的雷达与相机信息融合的目标检测算法,能够实现三维目标检测以及目标运动状态预测,但仍存在以下问题:Center Fusion算法通过Center Net目标检测器获取目标的位置与类别信息,当目标被遮挡以及目标尺度过小容易出现漏检现象;通过截锥体的方法实现多源传感器数据关联,在目标密集场景下出现数据绑定错误问题。(1)针对动态场景下目标遮挡干扰和尺度过小问题,结合多层特征融合思想,本文提出基于改进特征提取网络的Center Track++算法。该算法首先使用具有时空关联机制的目标检测器,根据目标在连续帧的空间偏移量预测目标当前时刻位置信息,实现遮挡目标检测。通过对比不同目标检测器在MOT17数据集的表现,选取Center Track++算法实现图像特征提取。然后使用特征金字塔网络对Center Track++算法改进,在主干网络下采样过程中提取不同深度的有效特征层,卷积操作后与特征金字塔网络下采样特征进行融合得到多尺度特征融合结果,提升小目标检测精度。实验结果表明,相较于Center Net算法,其平均检测精度和召回率分别提升5.7%和3.6%,身份切换率下降58.2%。(2)针对目标密集场景下多源传感器数据绑定错误问题,结合目标关联思想,本文提出基于置信度的数据关联算法。该算法首先在(1)算法基础上,获取前一帧同目标雷达信息,然后使用匀速运动模型预测当前帧雷达信息取值范围,最后通过最近邻域关联算法实现当前帧关键雷达点选取,从而有效提升多源传感器数据绑定准确率。为避免传感器测量误差导致真实雷达点被过滤现象,引入卡尔曼滤波算法实现雷达信息修正;提出扩展截锥体方法增大数据关联范围。实验结果表明,相较于Center Fusion算法,该算法在nu Scenes数据集上整体检测分数和平均检测精度分别提升4.3%和3.1%,并且在密集场景下有更好表现效果。在特定目标类型检测中,Truck、Pedestrain、Bicycle三类目标平均精准度分别提升16.8%、6.1%、48.4%。基于提出的目标检测算法,分析智慧安防系统的功能需求,研发雷达与相机结合的智慧哨兵安防系统。该系统实现数据采集、传感器数据关联、目标检测、录像回放、联动报警等功能,验证本文提出的目标检测算法的可行性。
智能代理在电子商务中的应用与研究
这是一篇关于智能代理,电子商务,数据分类,数据关联,安全认证的论文, 主要内容为随着人们生活质量的不断提高，人们已经不再满足于传统的、基于互联网的电子商务模式，而是需要能代替人并且具有一定逻辑推理能力、自学习能力、交流能力的智能化的电子交易模式。因为智能代理具有自主性、交互性、智能性等特点，所有必要将智能代理和电子商务结合起来。 将智能代理应用于电子商务是一个新的课题，国内外在此领域的理论研究还处于起步阶段，还没有成熟的实际系统。在分析、研究和总结了智能代理和电子商务的理论的基础上，本论文主要在以下三方面作了一些研究：1提出了能够应用于电子商务的智能代理框架结构，2为智能决策提出了多阶加权智能算法，3利用JSP开发了一个原型系统。 本文的内容结构如下： 1．本文在总结、分析了诸多对智能代理的描述的基础上，提出了智能代理的框架结构。 2．由于智能代理是要代替顾客去完成任务，因此要分析顾客对商品的喜好，这就需要对顾客过去的购物数据进行分析，然后再对顾客今后的购物行为进行预测，本文对数据的分类、预测等作了介绍。 3．安全认证是电子商务中非常重要的部分，本文也介绍了有关安全认证的理论。 4．在对购物行为的特点进行了仔细的研究后，提出了用于智能决策的多阶加权算法，此算法的特点是：算法简单、计算速度快、实现方便。 5．在多阶加权智能算法的基层上，利用JSP开发一个原型系统。系统采用JSP是因为A．JSP比CGI具有更好的性能和扩展性；B．JSP不需用指定的客户端设置；C．JSP对HTTP会话提供嵌入式支持，使编写更容易。 美国的研究人员已经成功的开发了一套基于智能代理的网上拍卖的原型系统；我国在这方面的研究还处于起步阶段，还有很多工作要做。
基于多源传感器信息融合的目标检测算法研究
这是一篇关于目标检测,信息融合,小目标检测,数据关联的论文, 主要内容为目标检测是实现重点区域监测、城市管理的重要手段,广泛应用于人脸识别、自动驾驶、军事安防等领域。多源传感器信息融合的目标检测技术能够充分发挥各传感器的检测优势,提高目标检测准确性和鲁棒性,其中毫米波雷达与相机传感器凭借成本以及性能优势成为传感器融合的主流趋势。Center Fusion是目前业界主流的雷达与相机信息融合的目标检测算法,能够实现三维目标检测以及目标运动状态预测,但仍存在以下问题:Center Fusion算法通过Center Net目标检测器获取目标的位置与类别信息,当目标被遮挡以及目标尺度过小容易出现漏检现象;通过截锥体的方法实现多源传感器数据关联,在目标密集场景下出现数据绑定错误问题。(1)针对动态场景下目标遮挡干扰和尺度过小问题,结合多层特征融合思想,本文提出基于改进特征提取网络的Center Track++算法。该算法首先使用具有时空关联机制的目标检测器,根据目标在连续帧的空间偏移量预测目标当前时刻位置信息,实现遮挡目标检测。通过对比不同目标检测器在MOT17数据集的表现,选取Center Track++算法实现图像特征提取。然后使用特征金字塔网络对Center Track++算法改进,在主干网络下采样过程中提取不同深度的有效特征层,卷积操作后与特征金字塔网络下采样特征进行融合得到多尺度特征融合结果,提升小目标检测精度。实验结果表明,相较于Center Net算法,其平均检测精度和召回率分别提升5.7%和3.6%,身份切换率下降58.2%。(2)针对目标密集场景下多源传感器数据绑定错误问题,结合目标关联思想,本文提出基于置信度的数据关联算法。该算法首先在(1)算法基础上,获取前一帧同目标雷达信息,然后使用匀速运动模型预测当前帧雷达信息取值范围,最后通过最近邻域关联算法实现当前帧关键雷达点选取,从而有效提升多源传感器数据绑定准确率。为避免传感器测量误差导致真实雷达点被过滤现象,引入卡尔曼滤波算法实现雷达信息修正;提出扩展截锥体方法增大数据关联范围。实验结果表明,相较于Center Fusion算法,该算法在nu Scenes数据集上整体检测分数和平均检测精度分别提升4.3%和3.1%,并且在密集场景下有更好表现效果。在特定目标类型检测中,Truck、Pedestrain、Bicycle三类目标平均精准度分别提升16.8%、6.1%、48.4%。基于提出的目标检测算法,分析智慧安防系统的功能需求,研发雷达与相机结合的智慧哨兵安防系统。该系统实现数据采集、传感器数据关联、目标检测、录像回放、联动报警等功能,验证本文提出的目标检测算法的可行性。
基于Qt的雷达与光电融合显示技术
这是一篇关于雷达光电融合显控,异构数据传输,Qt,智能交互,数据关联,规则模板的论文, 主要内容为雷达和光电传感器单独工作时,受自身特性的局限,难以满足对目标同时快速搜索、定位与精确识别的需求。相比于单传感器工作,雷达、光电等多传感器协同工作、复合探测可以有效提高目标探测精度及可靠性,大幅度提升对边海防等重点区域的监控能力。目标信息显示与控制终端作为探测系统的核心组成,研究满足协同探测的信息融合显控终端,实现多源信息融合处理与一体化显示,对多源融合系统探测能力的生成具有重要作用。在此背景下,本文依托“海空一体智能立体组网监测”项目,为适应多源异构传感器的多元化显示需求,融合利用多传感器提供的目标多类属性信息,采用模块化设计思想,设计了基于Qt的雷达与光电融合显控终端。具体从以下几个方面进行研究:(1)从雷达光电协同探测系统的架构与功能出发,对雷达与光电融合显控终端需求进行分析,完成数据传输、融合显示、融合处理等功能模块需求分析。然后对Qt等软件编程平台进行详尽分析,分析表明Qt具有先进交互机制、丰富开发生态等特点,能够满足显控界面高效、智能、美观等开发需求。(2)依据雷达与光电融合显控终端功能需求,进行低耦合模块化设计,分别对通信模块、数据解析模块以及用户界面模块的方案设计与实现进行详细阐述。研究基于TCP的多线程多点异构数据传输技术,满足多源异构传感器间数据实时稳定传输需求;提出多线程与本地缓存技术,解决交互数据量大而实时绘制送显效率低的问题;同时根据用户界面低耦合高内聚的特点,提出图形用户界面分离式设计,保证用户界面的可靠交互性。(3)为满足雷达与光电显控终端融合直观性、智能交互性需求,开展了雷达光电数据融合处理设计与实现。提出基于坐标融合的图层叠加方案,并依据墨卡托投影坐标转换公式,实现地图与点迹及交互信息的融合显示。研究了基于状态与灰色关联算法的数据关联规则,实现地图上点迹与图像融合显示以及多模型视图联动显示。另外,建立海上移动目标入侵等异常行为规则模板,设计围界智能安防机制,并基于Qt绘图类实现对指定区域目标异常入侵、异常停泊及异常偏航等行为的监测与取证。(4)最后在广西桂林青狮潭水库对本文设计的雷达光电融合显控终端完成实地联调联试,搭建雷达与光电融合探测的测试环境,设计了海面船只取证试验与海上移动目标异常行为自动取证试验。野外现场测试结果表明,显控终端满足雷达光电协同探测系统显控要求,并表现出良好的融合性、可靠性、直观性与智能交互性。
基于多源传感器信息融合的目标检测算法研究
这是一篇关于目标检测,信息融合,小目标检测,数据关联的论文, 主要内容为目标检测是实现重点区域监测、城市管理的重要手段,广泛应用于人脸识别、自动驾驶、军事安防等领域。多源传感器信息融合的目标检测技术能够充分发挥各传感器的检测优势,提高目标检测准确性和鲁棒性,其中毫米波雷达与相机传感器凭借成本以及性能优势成为传感器融合的主流趋势。Center Fusion是目前业界主流的雷达与相机信息融合的目标检测算法,能够实现三维目标检测以及目标运动状态预测,但仍存在以下问题:Center Fusion算法通过Center Net目标检测器获取目标的位置与类别信息,当目标被遮挡以及目标尺度过小容易出现漏检现象;通过截锥体的方法实现多源传感器数据关联,在目标密集场景下出现数据绑定错误问题。(1)针对动态场景下目标遮挡干扰和尺度过小问题,结合多层特征融合思想,本文提出基于改进特征提取网络的Center Track++算法。该算法首先使用具有时空关联机制的目标检测器,根据目标在连续帧的空间偏移量预测目标当前时刻位置信息,实现遮挡目标检测。通过对比不同目标检测器在MOT17数据集的表现,选取Center Track++算法实现图像特征提取。然后使用特征金字塔网络对Center Track++算法改进,在主干网络下采样过程中提取不同深度的有效特征层,卷积操作后与特征金字塔网络下采样特征进行融合得到多尺度特征融合结果,提升小目标检测精度。实验结果表明,相较于Center Net算法,其平均检测精度和召回率分别提升5.7%和3.6%,身份切换率下降58.2%。(2)针对目标密集场景下多源传感器数据绑定错误问题,结合目标关联思想,本文提出基于置信度的数据关联算法。该算法首先在(1)算法基础上,获取前一帧同目标雷达信息,然后使用匀速运动模型预测当前帧雷达信息取值范围,最后通过最近邻域关联算法实现当前帧关键雷达点选取,从而有效提升多源传感器数据绑定准确率。为避免传感器测量误差导致真实雷达点被过滤现象,引入卡尔曼滤波算法实现雷达信息修正;提出扩展截锥体方法增大数据关联范围。实验结果表明,相较于Center Fusion算法,该算法在nu Scenes数据集上整体检测分数和平均检测精度分别提升4.3%和3.1%,并且在密集场景下有更好表现效果。在特定目标类型检测中,Truck、Pedestrain、Bicycle三类目标平均精准度分别提升16.8%、6.1%、48.4%。基于提出的目标检测算法,分析智慧安防系统的功能需求,研发雷达与相机结合的智慧哨兵安防系统。该系统实现数据采集、传感器数据关联、目标检测、录像回放、联动报警等功能,验证本文提出的目标检测算法的可行性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计驿站 ，原文地址：https://m.bishedaima.com/lunwen/53352.html
