一种目标识别方法、装置及系统制造方法及图纸

本发明专利技术提供了一种目标识别方法、装置及系统。一种目标识别方法，首先获取各个传感器的他信度和自信度；其次将他信度和自信度融合，得出可信度；之后对于各个传感器，使用自身对应的可信度对概率向量进行加权，并将各个传感器加权后的概率向量进行求和，得到求和概率向量；最后，对求和概率向量进行融合，得出最终概率向量，从最终概率向量中选取数值最大的概率值作为结果概率值，将待识别目标识别为结果概率值对应的类型。本发明专利技术将传感器正确识别的可靠度和不同传感器间的支持度应用到识别过程中，避免了现有技术中数据的微小变化或者任一传感器的识别结果不同于其他传感器的识别结果所导致的识别错误，从而提高了识别准确度。

【技术实现步骤摘要】

本申请涉及物联网
，特别涉及ー种目标识别方法、装置及系统。
技术介绍
目前，物联网系统常采用基于D-S证据理论的识别系统，识别待识别目标。所述基于D-S证据理论的识别系统包括多个设置在不同位置的传感器和识别装置。其中，各传感器对待识别目标进行数据采集。每个传感器对自身采集的数据进行分析，识别出待识别目标对应的类型，并得出待识别目标为不同类型时的概率，并将各个概率组成的概率向量发送至识别装置，其中，类型为识别結果，每个传感器自身得出的概率之和为I。识别装置利用D-S(Dempster/Shafer)证据组合公式,将各个传感器发送的概率向量中的各个概率进行融合，得出最终概率向量，从最终概率向量中最大概率值，将待识别目标识别为该最大概率值对应的类型。其中融合过程为第i个传感器的概率向量与第i+1个传感器的概率向量融合，再与第i+2个传感器的概率向量融合，融合次数为传感器个数减1，DS证据组合公式如下

【技术保护点】
一种目标识别方法，其特征在于，包括：获取各个传感器发送的概率向量，所述概率向量记录有待识别目标被识别为不同类型时的概率；针对任一所述传感器，获取该任一传感器的他信度和自信度，所述他信度表示不同传感器得出的识别结果之间的支持度，所述自信度表示传感器正确识别的可靠度；将所述他信度和所述自信度融合，得出可信度；对于各个传感器，使用自身对应的所述可信度对自身对应的概率向量进行加权，并将各个传感器加权后的概率向量进行求和，得到求和概率向量，并将各个传感器的概率向量全部更新为所述求和概率向量；对所述求和概率向量分别进行融合，得出最终概率向量，从所述最终概率向量中选取数值最大的概率值作为结果概率值，将所述待...

【技术特征摘要】
1.一种目标识别方法，其特征在于，包括 获取各个传感器发送的概率向量，所述概率向量记录有待识别目标被识别为不同类型时的概率； 针对任一所述传感器，获取该任一传感器的他信度和自信度，所述他信度表示不同传感器得出的识别结果之间的支持度，所述自信度表示传感器正确识别的可靠度； 将所述他信度和所述自信度融合，得出可信度； 对于各个传感器，使用自身对应的所述可信度对自身对应的概率向量进行加权，并将各个传感器加权后的概率向量进行求和，得到求和概率向量，并将各个传感器的概率向量全部更新为所述求和概率向量； 对所述求和概率向量分别进行融合，得出最终概率向量，从所述最终概率向量中选取数值最大的概率值作为结果概率值，将所述待识别目标识别为结果概率值对应的类型。2.根据权利要求1所述的目标识别方法，其特征在于，预先选取一个已知目标作为测试目标； 所述获取该任一传感器的自信度包括 获取所述任一传感器在预设次数内识别所述测试目标时，得出的多个概率向量； 针对任一概率向量，从该任一概率向量记录的概率值中得出所述测试目标对应的类型，并在得出的类型与所述测试目标类型相同时进行计数，所述得出的类型与所述测试目标类型相同表明该任一传感器识别正确； 统计在所述预设次数内，该任一传感器正确识别的次数； 计算所述正确识别的次数与所述预设次数的比值，将所述比值作为所述自信度。3.根据权利要求2所述的目标识别方法，其特征在于，所述将所述他信度和所述自信度融合，得出可信度具体为利用贝叶斯公式，将所述他信度和所述自信度融合，得出可信度。4.根据权利要求3所述的目标识别方法，其特征在于，所述对所述求和概率向量分别进行融合，具体为依据D-S证据组合公式对所述求和概率向量进行n-1次融合，其中，n为传感器个数。5.根据权利要求1至4任意一项所述的目标识别方法，其特征在于，所述获取该任一传感器的他信度具体为利用度量证据间距离的方法获取该任一传感器的他信度。6.一种目标识别装置，其特征在于，包括 概率向量得出单元，用于获取各个传感器发送的概率向量，所...

【专利技术属性】
技术研发人员：邓遂，沈杰，刘海涛，
申请(专利权)人：无锡物联网产业研究院，无锡融格物联网科技有限公司，
类型：发明
国别省市：