多源遥感信息融合

多源遥感信息融合（精选8篇）

多源遥感信息融合 第1篇

随着传感器、遥感平台、数据通信等相关领域的发展, 现代遥感已进入动态、快速、准确、多手段获取对地观测数据的新阶段。在遥感信息处理与应用方面, 由于所获取的可见光、红外、微波及其他电磁波等多源影像数据与日俱增, 且不同传感器数据具有不同分辨率, 单一传感器影像数据通常不能提取足够的信息完成特定应用, 而具有不同信息的多源遥感数据根据需求进行融合处理, 实现多源信息互补、消除冗余等可以减少影像理解的模糊性, 提高遥感数据的利用率。

二、影像融合技术介绍

影像融合是同一地区的多源卫星影像数据进行空间配准, 然后采用一定的算法将各影像数据中所包含的互补性信息有机地结合起来, 生成新影像数据的技术。根据信息抽象程度以及融合应用层次的不同, 遥感信息融合可以划分为像素级融合、特征级融合和决策级融合三个层次。

像素级融合是遥感信息融合各层次中最成熟的技术。像素级融合直接对获取的各幅影像的像素点进行信息综合, 从而使影像分割、特征提取等工作在更准确的基础上进行, 并可能获取更好的影像视觉效果;像素级融合能够最大限度地保持原始数据, 提供其他融合层次所缺乏的细微信息, 具有较高的精确度。目前像素级融合被广泛应用于影像增强、影像质量改善、变化监测、影像分类等领域。常用的像素级影像融合方法有HIS变换融合、PCA变换融合、Brovey变换融合以及小波变换融合等方法。

特征级融合是中间层次的融合, 它并不孤立地看待每个像素, 而是考虑了影像本身所存在的相关性和特征信息, 对影像数据进行特征提取, 产生特征矢量, 然后利用融合算法进行融合。此方法主要是以提高影像空间分辨率和光谱分辨率为目的, 为人工判读提供质量更高、信息细节更为丰富的影像。基于特征的影像融合强调了特征之间的对应, 在处理上避免了像元重采样等方面的人为误差, 对特征属性的判断有更高的可信度和准确性, 针对性更强且数据处理量大大减少。特征级融合实现了信息压缩, 有利于实时处理, 且能提供直接与决策分析相关的特征, 但其融合精度要低于像素级。

像素级和特征级融合主要用于提高目视解译能力、增强影像识别分辨力等。

近年来, 决策级融合技术迅速发展为遥感应用提供更详细的信息, 如影像分割、土地利用分类等。相对于单一数据源而言, 决策级融合在提高分类精度方面具有很大的潜力。决策级融合首先对影像进行信息提取, 然后将所获取信息通过一定的决策规划加以融合, 从而提高对研究对象的辨识程度。决策级融合具有很强的容错性和良好的开放性, 但高效智能的融合算法仍有待研究。

以上三个层次的影像融合性能比较如下表:

三、遥感影像融合应用

现代遥感影像融合方式有很多种, 仅从像素级角度即有全色影像和多光谱影像融合、光学影像与SAR影像融合、光学影像与红外影像融合等方式。现以两种融合方式为例简要介绍融合过程与应用。

1、SPOT全色波段和多光谱影像的融合

SPOT全色波段和多光谱影像融合后的影像具有全色波段的高空间分辨率和多光谱影像的高光谱分辨率特性。用于融合的影像要求具有相同的空间分辨率且需严格配准。影像融合的质量不仅依赖于融合的处理过程、工具, 也依赖于影像之间相对配准的精度。

影像融合中最常用的一种方法是将全色波段整合到多光谱波段中, 其步骤如下:

(1) 选择SPOT的全色影像和SPOT的多光谱影像。

(2) 检查用来做融合的SPOT影像是否满足对它的强制性要求, 包括:相同的分辨率, 严格相对校准 (误差小于1个像素) 。

(3) 将用于融合的影像重采样为统一的分辨率 (10米) , 定位于同一地图投影, 并使其覆盖范围相同。

(4) 根据用于融合的影像的获取时间选择融合方法, 融合。

2、SAR影像与光学影像融合

普通遥感影像一般只能获得地表信息, SAR具有地表穿透能力, 能够获取地下信息, 将两种影像融合可以兼顾地表及地表以下信息, 从而实现地表以下物体的探测。融合方法主要是运用PCA变换技术, 利用高空间分辨率的影像替代低空间分辨率的多光谱影像的第1主分量, 通过主分量反变换获取融合影像。

有关学者曾将这种方法用于宁陕地区明长城的探测研究, 在原始Landsat ETM+影像上无法识别掩埋在沙漠中的明长城, 而在原始PALSAR影像中, 明长城线状地物清晰可见。影像融合后不但可获得掩埋与地表之下明长城的精准空间位置而且能够获得明长城周边和沿线的地类要素及空间布局的基本信息。

遥感影像融合技术能够有效利用多源遥感影像信息的冗余性、互补性和合作性, 具有广泛的应用:

(1) 提高空间分辨率, 例如:高分辨率的全色影像和低分辨率的多光谱影像融合, 在保留影像多光谱信息的同时, 可提高影像的空间分辨率。此外, 不同时相遥感影像融合也可改善影像分辨率。

(2) 增强目标特征:多传感器影像融合可以增强影像的解译能力并可得到单一传感器难以获取的特征信息。

(3) 提高分类精度:多源数据所提供的互补信息可提高地物的分类和解析精度。

(4) 动态监测:由于不同的遥感卫星平台回访周期不同, 将同一区域不同时相的遥感影像进行融合处理可提取特定区域的动态信息。

(5) 信息互补:单一传感器影像不足以全面地反映物体的信息, 多源影像数据进行融合可以实现信息互补。

多源遥感影像数据的融合与综合利用已成为当前遥感领域的研究热点之一。

四、结语

遥感影像融合可以实现信息互补, 提高影像分辨率, 减少模糊度, 改善解译精度, 形成对目标完整一致的信息描述。目前, 基于像素级的影像融合已相当成熟;决策级影像融合研究起步较晚, 尤其是高效智能的决策级融合算法仍有待研究。但由于计算量小、抗干扰能力强、分析能力强, 决策级融合将会是未来影像融合技术的主导方式。

参考文献

[1]陆宇红、马林波、韩嘉福:《遥感影像融合》[J].测绘科学, 2006.[1]陆宇红、马林波、韩嘉福:《遥感影像融合》[J].测绘科学, 2006.

[2]赵书河、李培军、冯学智:《遥感影像决策级融合方法实现》[J].测绘科学技术学报, 2007.[2]赵书河、李培军、冯学智:《遥感影像决策级融合方法实现》[J].测绘科学技术学报, 2007.

[3]张永生、戴晨光等:《天基多源遥感信息融合》[M].科学出版社, 2005, 6.[3]张永生、戴晨光等:《天基多源遥感信息融合》[M].科学出版社, 2005, 6.

[4]李小春:《多源遥感影像融合技术及应用研究》[D].解放军信息工程大学, 2005.[4]李小春:《多源遥感影像融合技术及应用研究》[D].解放军信息工程大学, 2005.

多源遥感信息融合 第2篇

依据多源遥感影像融合技术的`基本理论,结合新时期土地利用更新调查的原则和方法,根据地物在影像的纹理特征,探讨了多源遥感影像技术在土地利用更新和变更调查中的应用,分析比较了融合方法的特点及其实际应用.

作 者：陈冬梅 张利 李彩娟 Chen Dongmei Zhang Li Li Caijuan 作者单位：陈冬梅,Chen Dongmei(宁夏国土资源信息中心,宁夏,银川,750002)

张利,Zhang Li(西安中策咨询科技有限公司,陕西,西安,710075)

李彩娟,Li Caijuan(中宁县国土资源局,宁夏,中宁,755100)

多源遥感数据融合方法比较研究 第3篇

1 乘法性融合

乘积性融合法是应用最基本的乘积组合算法, 直接对2种空间分辨率的遥感数据进行融合, 其运算法则为:

式中:代表融合以后的波段数值 (i=1, 2, , n) ;代表多光谱图像中的任意一个波段数值:代表高分辨率遥感数据波段值。

2 Brovey变换融合法

B r o v e y变换融合法也称彩色标准化 (Color Nurmalization) 融合, 由美国科学家Brovey建立模型并推广而得名, 是目前应用十分广泛的一种R G B彩色融合变换方法。它保留每个像素的相关光谱特性, 并且将所有的亮度信息变换成高分辨率的全色图像融合。Brovey融合的方式公式定义为:

其中:Pan表示调整大小后的全色光谱图像的对应值, 分别表示调整大小后的多光谱图像对应值, 分别表示融合后多光谱图像的对应值。Brovey图像融合对图像的预处理要求较高, 融合前必须预先进行去相关处理和噪声滤波处理, 以便减小数据冗余和非光谱信息。

3 IHS变换融合法

IHS变换融合方法是融合多源遥感图像时最常用的方法。IHS变换属于色度空间变换, I H S变换由于灵活实用的优点而被广泛应用, 成为图像融合成熟的标准方法。

I H S系统能够准确定量的描述颜色特征, 因此在图像的数字处理与分析中应用较为广泛。为充分利用RGB系统与IHS系统两者各自在显示和图像控制方面的优越性, 需要经常在两者之间进行转换, 转换的模型有球体彩色变换、圆柱体彩色变换、三角形彩色变换和单六角锥彩色变换4种。

4 小波变换融合法的算法

小波变化在低频部分具有较高的频率分辨率和较低的时间分辨率, 在高频部分具有较高的时间分辨率和较低的频率分辨率, 被誉为分析信号的显微镜。

基于小波变换的图像融合的物理意义在于以下几点。

(1) 通常图像中的物体、特征和边缘是出现在不同大小的尺度上的。也就是说, 图像中的某些边缘或细节是在一定尺度范围内存在的。也正是因为如此, 任何一幅特定比例尺的地图都无法清晰反映所有特征的细节信息, 例如在较大尺度上, 大陆、山脉、海洋等大的特征是可见的, 而像城市街道等小的细节就在地图的分辨率之外;而在较小尺度上, 细节变得可见而较大的特征却不见了。图像的小波分解是多尺度、多分辨率分解, 其对图像的多尺度分解过程, 可以看作是对图像的多尺度边缘提取过程, 同时, 小波的多尺度分解还具有方向性。若将小波变换用于图像融合处理, 就可能在不同尺度上, 针对不同大小、方向的边缘和细节进行融合处理。

(2) 小波变换具有空间和频域局部性, 利用小波变换可以将融合图像分解到一系列频率通道中, 这样对图像的融合处理是在不同的频率通道分别进行的。而我们知道, 人眼视网膜图像就是在不同的频率通道中进行处理的, 因此基于小波变换的图像融合是可能达到更好的视觉效果的。

小波融合具有在提高图像空间分辨率的同时又保持色调和饱和度不变的优越性。在众多小波融合应用中, 最常用的融合是小波替代法, 它是将多光谱图像的细节用全色图像 (pan) 的细节来代替, 然后将剩余的图像进行融合, 数学计算公式为:

事实上, δp可以是Pan图像的空间细节, Panr是剩余的多光谱图像。

5 方法比较

对于高空间分辨率全色影像和低空间分辨率多光谱影像的融合而言, 目的之一是获取空间分辨率增强的多光谱影像, 而且不应使原多光谱影像的光谱特征产生变化。但实际上, 通过融合多光谱影像空间分辨率增强, 必然会产生多光谱影像光谱特征或多或少的变化。为保证地物在原始影像数据可分离性经融合后仍保持不变, 即融合影像仍具有可分离性, 以适于计算机影像判读和分类等后续处理, 高空间分辨率全色影像和低空间分辨率多光谱影像融合时, 应该在保持原多光谱影像的光谱特性变化小, 以至人眼察觉不到或不影响计算机后续处理的前提下, 尽量提高多光谱影像空间分辨率, 满足实际应用的要求。

通过前面对4种融合方法的介绍, 可以看出每种方法都要其各自的优点和缺点, 现通过列表对4种融合方法进行有缺点比较, 以便对这几种融合方法有更直观的认识。

H I S变换的优点是在纹理上有显著的提高, 同时在色彩上, 基本保持了多光谱的多光谱影像色调。保留了绝大部分的高空间分辨率影像的信息。缺点是光谱信息损失较大, 一次只能选择3个波段而不能选择全部波段作为融合的数据, 降低了遥感数据的利用率。

乘积运算优点是对于大的地貌类型, 如高起伏地区、荒漠区域类型增强效果是比较理想的。缺点是光谱变化大, 纹理不如高分辨率影像清晰, 此类融合方法对于表现细碎地貌类型是不合适的。

Brovey变换优点是多光谱图像的方空间分解为色彩和亮度成分进行计算, 锐化影像的同时能够保持原多光谱信息内容。缺点是只能抽取和选择多光谱影像中的三个波段参与变换, 使其他波段的信息丢失。不利于影像信息的综合利用。融合过程中包括归一化处理, 融合影像像元灰度值一般要比其他方法的小。没有解决波谱范围不一致的全色影像和多光谱影像融合的问题。

小波变换优点是信号分解重建过程不会产生信息的丢失和冗余, 有效地增强多光谱图像的空间细节表现能力, 保持图像融合前后的光谱特性。缺点是融合影像的整体外观就像经过高通滤波的影像效果, 颜色信息并未与空间特征自然的结合在一起, 另外一些小目标波谱信息会丢失。

参考文献

[1]同武勤, 凌永顺, 杨华.一种复合的多源序列图像融合方法[J].科技创新导报, 2008 (16) .

多源遥感信息融合 第4篇

多源信息融合,也可称为多传感器信息综合处理,是一种对信息的多层次、多方面的处理过程。多源信息融合系统中各融合节点对应的数据源是多种传感器,由于各传感器的功能不同、性能各异,它们所能提取的信息也不同。传统的多源信息融合系统的实现主要是针对融合系统中不同节点、不同层次、不同信息处理需求等设计相应的软件,来完成相应的融合功能,这种实现方法最终会导致整个信息融合系统异常庞大,融合系统中各部分组成关系异常复杂。

为优化多源信息融合系统的综合处理和集成能力,针对多源信息融合系统这一领域工程进行分析,采用目前较为流行的软件架构设计思路,来设计一种混合多级式多源信息处理系统架构模型。

1 基本概念

1.1 软件架构

软件架构是一种由特定领域的软件体系结构所决定的软件构造框架,是整个或部分系统的可重用设计。软件架构都是针对特定领域进行分析,识别这些应用的共同特征和可变特征,对刻画这些特征的对象和操作进行选择和抽象。

基于领域工程软件架构设计,首先对多源信息融合系统进行领域需求获取,构建领域模型,进而进行领域设计,最终完成多源信息融合系统架构设计。

1.2 多源信息融合系统领域分析

目前,多源信息融合系统结构体系通常采用3种信息处理结构:集中式、分布式和混合式,另外还有一种拓展结构:多级式。

对于单级小型融合节点或中心,大多可采用集中式或分布式融合结构,融合节点对传感器数据直接或经过局部预处理后,进行数据对准、联合检测、数据关联、航迹相关、航迹合成、特征提取和属性判定等。

对于多级式融合处理系统,具有多个局部融合节点。各局部融合节点可以是集中、分布或混合式融合处理中心,它们接收、处理多个(种)传感器的数据,可形成初级的信息融合结果;系统融合中心或高级融合节点又可将各局部融合节点看作为其输入传感器,再次对各局部融合节点传送来的航迹数据(目标属性)进行关联和合成,形成更准确、全面的融合结果。

基于多级式的多源信息综合处理系统框架如图2所示。

图中单级融合节点可以是某一类承载平台,其上的融合处理器对平台搭载的多种传感器汇集的数据进行融合处理,形成本节点的初级结果数据;多级融合节点可以是一个区域信息融合中心或者综合处理中心,可采用混合式融合处理结构,既可接收初级融合节点的数据,也直接获得初级融合节点传感器的原始数据,对这些数据的处理可采用特殊的数据处理软件,也可采用与初级节点相同的融合处理软件构件。

2 多源信息融合系统软件架构设计

2.1 领域需求分析

通过对多源信息融合系统领域进行分析,从该领域的应用模式来看系统需求和功能配置具有显著的共性,同时不同的应用系统(平台)侧重点以及结构层次又不尽相同。它们的不同点体现在:系统的规模、结构层级不同,系统的传感器种类、功能不同,信息融合处理侧重点不同。它们的共性体现在:数据级的融合模块针对同类传感器数据可进行直接处理;特征级融合模块可针对不同层级的传感器数据进行融合;不同层级的融合节点对于同类传感器数据的融合算法基本相通;基于数据库的融合信息管理模块可以通用。

通过以上分析发现,多源信息融合系统作为特定领域的应用,其业务方式和业务范围相对比较规范、稳定,虽然对于不同应用环境,其业务处理不尽相同,但在业务流程以及基本数据处理算法上基本都是类似的,其应用模式具有非常大的相似性,这一点符合实施软件架构领域工程的前提,即领域特征的相对稳定性。基于多源信息融合这一特定应用领域,完全可以建立一套合理、可行的该领域软件架构的解决方案,从而改变目前该领域软件开发模块复杂、研制周期长、扩展能力差和维护困难等现实问题。

2.2 领域设计

通过对多源信息融合系统架构的分析,可以看到对于多级多平台的信息融合系统可利用软件构件化设计思想,将各级融合算法模块进行构件化设计,将特征层和决策层融合方法相结合,来构建多级混合式信息融合系统。

在进行多源信息融合系统领域的通用架构设计时,应该遵循领域工程的基本原则,同时,为了使通用架构更加具有生命力,必须考虑到该领域的技术发展和需求变化情况,尽可能采用构件技术和设计模式,以达到最大限度地重用和扩展目的。

根据对多源信息融合系统的领域分析,提取领域通用架构需求,在此基础上,对领域软件架构进行如图3设计。

(1)服务管理(构件管理)构件

服务管理模块是整个架构的核心和支撑,用来管理组成应用系统的各个业务功能构件和架构通用构件。服务管理模块包含一个全局的服务管理器和若干服务。

(2)用户界面管理构件

用户界面管理模块只是实现了一个架构的通用模式,在具体应用系统开发时,开发者可以开发具体的应用界面。

(3)通信管理构件

多源信息融合系统需要对多级融合节点、多种传感器的信息进行交互,各应用节点内以及应用节点间的通信需求非常复杂,为了提高系统内通信传输的效率,需要建立一个通用的通信管理平台。包括:组成应用系统和架构的各个构件之间、各个平台之间、软件和传感器设备之间的数据、消息、指令的交互管理。通信管理并不关心所接收和分发的具体信息,仅负责整个应用系统内部和外部的通信收发。

(4)数据库管理构件

提供增、删、改、查、备份、恢复等数据管理功能。

(5)传感器驱动构件

多源信息融合系统要完成一定的传感器数据采集工作,必须指挥控制相应的传感器设备。在以往的系统开发过程中,每增加一种新的设备,或者原有设备功能改造升级后,往往需要改动相应的软件,以适应新的接口和功能需求。为了减少这样的工作量,在通用架构中设计一个传感器驱动管理构件。该驱动构件是一类特殊的适配器,它负责将标准的设备控制命令转换成各种设备特有的控制指令。针对不同的设备只需构造不同的设备驱动构件,设备升级或更换时只需替换相应的设备驱动构件,而无需修改程序的其他部分。

6)业务处理构件包

业务处理构件包是多源信息融合系统应用领域需求核心,主要是针对不同传感器对象、不同融合层级实现相应的融合处理功能。包括:目标融合业务构件包、目标识别业务构件包和态势综合业务构件包等。

各业务处理构件以插件形式集成在多源融合信息系统框架中,不同应用领域、不同融合节点层级可根据需要进行灵活组件,这样既能满足不同融合系统的业务需求,又保持了整个系统框架标准统一,有利于灵活配置、系统维护。

3 通用构件实现

3.1 通用构件提取

为增强系统的复用性、可扩展性,提高系统的运行效率,将系统中一些公共的、使用频度较高的模块抽取出来通用化,形成系统通用的构件库。随着系统架构模型的不断完善,通用构件库中的构件可以不同的升级和完善,同时新的构件可以不断地增加进来。

领域通用构件的提取一般分为3个步骤:① 标识构件和操作;② 对构件进行抽象,将分解后的实体所拥有的共同属性抽象出来。③ 构件的分类、合并和优化。

下面以最常用的数据库管理构件为例说明通用构件设计实现方法。

3.2 通用构件设计

3.2.1 数据库管理构件需求分析

数据库管理构件完成数据库表的查询、新增、编辑、删除、打印和数据库的备份、恢复功能。由于该构件可以依据不同的数据库构成和权限,分配对不同库表的操作权限,因此构件设计时,必须满足以上的要求。

3.2.2 数据库管理构件设计实现

数据库维护构件的开发完全基于COM技术规范,由于该构件定位在嵌入其它软件内,因此采用进程内方式。由于以往信息处理领域软件中的数据库都使用Oracle数据库,在此选用OO40实现数据库的连接、数据集的访问等功能。

数据库管理功能可提取的公共模块包括:增、删、查、改等,其中数据库查询功能是通用构件中重要部分,下面以数据库查询功能为例,说明其实现过程。

数据库查询功能可分为无条件查询和条件查询2种类型。查询功能中一个关键技术是动态SQL语句生成。这其中的难点又是过滤条件的生成。根据用户所选字段的类型不同,相应的该字段的组合条件也不同。当用户选择多个条件时,各个条件之间还要依靠连接符进行连接。连接符最常用的就是与(&&)和或(||)。

实现条件查询的部分代码如下:

4 结束语

通过对软件架构技术基本理论和方法的介绍,针对多源信息融合系统工程领域的应用分析,设计了一个基于软件架构体系的多源信息融合系统框架模型,从系统角度对混合多级式多源信息融合系统的构建提出了一种新的设计思路。

参考文献

[1]徐正权.软件复用方法与技术[M].武汉:华中理工大学出版社,1998:57-62.

[2]耿刚勇,李渊明,仲萃豪.基于构件的应用软件系统的体系结构及其开发模型[J].计算机研究与发展,1998,35(7):594-598.

[3]胡钰舒.基于软件重用的信息系统框架研究[D].重庆:重庆大学,2004.

[4]韩崇昭,朱洪艳,段战胜.多源信息融合[M].北京:清华大学出版社,2006:13-18.

[5]杨露菁,余华.多源信息融合理论与应用[M].北京:北京邮电大学出版社,2006:21-25.

多源遥感信息融合 第5篇

关键词：智能照明,信息融合,ANFIS信息融合模型

1 概述

智能照明控制系统是智能家居的重要组件, 它在满足人们日常照明需求的基础上, 也要节约能源和时间, 达到各种智能控制的目的。智能照明系统在控制家庭设备和智能设备的同时, 也应通过智能决策系统来管理各种自动设备, 在不同操作条件下能够实现最低功耗。随着智能移动设备的普及, 人们倾向于结合用户决策和智能移动设备来实现智能照明控制。本文设计了一种新的多agent系统模型, 将环境信息与用户的决策信息进行融合, 利用ANFIS信息融合模型进行模拟, 通过智能移动设备实现自动控制和手动控制。

2 多agent智能控制系统

多agent智能控制系统由若干agent组成, 它能够随环境的变化去调整自己, 以达到在变化的环境中仍能达到与环境相一致的结果。每个agent都是具有特定完整功能的、独立的、高智能化的个体, 掌握一定的知识, 有自己的目标和解决问题的能力。多agent智能控制系统有四种类型agent:用户agent, 局部agent, 传感器agent和核心agent。

(1) 用户agent:主要实现以用户为中心的智能控制。用户agent负责管理主机信息, 将用户命令提供给主机, 提供反馈。同时, 用户agent实现终端控制方式的多样性。

(2) 局部agent:提供信息, 执行决策。局部agent接收传感器agent提供的数据, 将数据传输到数据融合中心进行分析和处理, 执行决策控制。

(3) 传感器agent:采集环境数据。传感器agent能够感知环境存在的冗余数据, 直接影响网络通信的性能。

(4) 核心agent:核心agent有两个主要功能:agent系统配置, 促进局部agent之间的合作。智能照明系统是智能家居的一个子系统, 还有许多其他子系统由局部agent直接管理。核心agent允许管理员启用或停止局部agent。

3 ANFIS信息融合模型

ANFIS信息融合模型结合了神经网络的学习能力和模糊逻辑决定的能力。图1显示ANFIS的基本架构。

第一层:模糊化层。节点函数可以是一个常见的贝尔或高斯隶属函数。节点输出值由公式1组成:

第二层:规则层。形成模糊化规则, 输出为相应输入信号的乘积, 输出表示一条规则的激励强度, 如公式2所示:

第三层:归一化层。进行归一化计算, 输出如公式3所示:

4 实验分析

在系统设计中, 我们采用了环境视觉数据和能源数据这两种类型的传感器数据网络。其中视觉数据指的是建筑的环境参数, 如太阳辐射、光强度等等。在照明控制中, 光强度直接反映室内光线和阴影的程度, 是最重要的因素。在实验中, 我们利用多个传感器收集太阳辐射、室外光强度和室内光线强度等参数。我们控制窗帘打开率, 同时使用ANFIS分别控制LED灯的亮度。在第一个ANFIS, 我们使用室外光强度值和室内光线强度之间的差异、太阳辐射作为输入变量。在第二个ANFIS, 我们使用室内光线强度和用户决策的差异、LED灯的亮度作为输入变量。仿真实验表明, 该模型能够提高智能照明系统多源数据融合的有效性。

5 结论

本文提出了一种新的基于多源信息融合的智能照明控制系统。根据理论研究和仿真结果, 提出多agent系统和ANFIS模型非常适用于照明控制, 可以有效地满足居民智能照明的需要。另外, 它还提供了一个开放的结构, 在这种结构中, agent可以很容易地配置, 也可以适应不同的家庭环境和不同的功能。信息融合模型还可以扩展到其他智能家居系统。在未来的研究中, 我们计划使用更多的基于神经网络的方法进行理论和实验分析, 得到更好的结果。

参考文献

[1]Wang Z, Wang L, Dounis A I, et al.Multi-agent control system with information fusion based comfort model for smart buildings[J].Applied Energy, 2012, 99:247-254.

[2]Pilecki, Jerzy, Marek A.Bednarczyk, and Wojciech Jamroga."Model Checking Properties of Multi-agent Systems with Imperfect Information and Imperfect Recall."Intelligent Systems'2014.Springer International Publishing, 2015.415-426.

[3]Wen, Guanghui, et al."Node-to-node consensus of multi-agent systems with switched pinning links."Control and Decision Conference (2014 CCDC) , The26th Chinese.IEEE, 2014.

[4]V.R.Budyal, S.S.Manvi.ANFIS and agent based bandwidth and delay aware anycast routing in mobile ad hoc networks.ELSEVIER, Journal of Network and Computer Applications 2014:140-151.

多源遥感信息融合 第6篇

随着交通运输事业的飞速发展,机动车保有量随之剧增,同时也伴随着交通事故的不断增加,据不完全统计,每年,全世界死于交通事故的人数约为60万,直接经济损失125亿美元,这些事故中57%的灾难性事故与驾驶员疲劳驾驶有关[1]。

因此,为了减少疲劳驾驶,驾驶疲劳检测技术成为了国内外重点研究课题。经过大量研究表明,基于身体反应的驾驶疲劳检测方法被认为是众多方法中准确性、实用性和可扩展性最好的方法,其中成果有[2]:美国研制的打瞌睡驾驶员侦探系统DDDS(The Drowsy Driver Detection system);方向盘监视装置S.A.M(Steering Attention Monitor);DAS2000型路面警告系统(The DAS2000 Road Alert System);日本研制的电子“清醒带”等。可以看出这些方法中都使用单一传感器来检测,一旦出现干扰,其可靠性将存疑。而文献[3]中提出了基于全方位视觉传感器的检测方法,采用了多个传感器,但由于多个传感器都采用的是视觉传感器,其干扰因素相同,所有传感器起作用是同时的,受影响也是同时的,它提高的只是起作用时的准确性,而对可靠性依然没有改进。众多检测方法中主要是以图像处理技术来获取信息,而图像的获取受光线等条件的影响较大,尤其是更容易出现驾驶疲劳的夜间,光线不足将无法获取足够信息。因此已有研究使用红外摄像设备来获取图像。如文献[4]中为了满足不同光照条件下能取得稳定的图像使用了普通和红外CCD进行两路输入。然而有研究表明红外线虽然可用于人体的部分疾病的治疗,但长期照射可使晶状体及眼内液体温度升高,会对眼组织造成损害,尤其是当波长在1~1.9微米范围时,作用更强,会造成视力障碍。因此使用红外设备也有其隐患存在,因此为了同时保证检测的可靠性与准确性,无疑需要寻求更好的有效的检测方法。本文中的研究采用不同类的多传感器获取信息,通过模糊神经网络对异构信息进行融合判断,可以有效地改善驾驶疲劳检测的可靠性和准确性。

1 驾驶疲劳特征

医学上把人体困顿、倦怠的感觉定义为疲劳,并作为一种信号来提醒人们休息和放松[5]。驾驶疲劳,则是指驾驶人在长时间连续行车后,产生生理机能和心理机能的失调,而在客观上出现驾驶技能下降的现象。驾驶疲劳会影响到驾驶人的注意力、感觉、知觉、思维、判断、意志、决定和运动等诸方面。疲劳后继续驾驶车辆,会感到困倦瞌睡,四肢无力,注意力不集中,判断能力下降,甚至出现精神恍惚或瞬间记忆消失,出现动作迟误或过早,操作停顿或修正时间不当等不安全因素,极易发生道路交通事故。具体导致驾驶人产生驾驶疲劳的因素多且复杂,在这里不做研究。驾驶疲劳的反映有直接的也有间接的,人眼的状态已经被公认为是疲劳的最直接反映,目前已经对人眼状态的检测作了很多研究,但由于人眼的检测都是基于图像处理技术,而鉴于在驾驶疲劳相对高发的夜间无法获取信息,在文中我们提出结合非图像疲劳特征信息来弥补这一不足,下文中具体对选择的疲劳特征信息PERCLOS值、行驶方向和驾驶员反应不一致情况(DD&DR)、方向盘动作状态(SA)和连续驾驶时间(CDT)进行描述和识别。

1.1 PERCLOS值的计算

眼睛的状态变化已经被研究证明是反映人疲劳最为直接和有效的表征。目前基于眼睛的相关检测方法主要有PERCLOS法[6]、眨眼频率检测法、瞳孔大小的检测和眼睛视线方向检测法等几种。其中PERCLOS法已经被公认为疲劳检测最好的视觉参数。而其他几种眼睛的检测方法也都基于视觉,处理方法类似,因此在文中我们只选取了PERCLOS值作为融合的其中一个参数。PERCLOS(percentage of eyelid closure over the pupil over time)是指眼睛闭合时间占某一特定时间的百分比。PER-CLOS法是1994年Wierwille等根据在驾驶模拟器上的实验结果确立的。其中眼睛闭合还设定了三种标准,分别为70%、80%和完全闭合,通过实验证明80%标准是效果最好。

对PERCLOS值的计算,采用计算1分钟的周期内眼睛闭合80%的图像采样帧数N1和周期内的所有图像采样帧数M1获得:

PERCLOS值越大,即眼睛闭合的时间越长,即驾驶疲劳程度越深。

1.2 行驶方向改变与驾驶员反应不一致情况

在人体工程学原理中提到,当驾驶员进入疲劳状态后,反应迟钝、注意力不集中。当车辆转弯时,行驶路线改变,此时如果转向灯并未开启,则可以间接认为是驾驶员由于疲劳过度或精神不集中造成。因此把识别行驶方向变化和驾驶员反应的不一致情况也作为判断的一个因素。

检测汽车的转向我们通过方向盘转向传感器来实现,同时通过检测转向灯的开关电压值来判断转向灯是否开启。而最后通过计算检测这一不一致情况发生的次数,将此次数作为信息融合的参数,根据次数的多少来判断疲劳程度。

由于车辆何时转向是不定问题,而检测得的数据又希望是对疲劳的实时反映,因此对次数的统计,我们以检测前5分钟作为统计时间。

通过计算检测时前5分钟内的不一致情况的累计次数N2以及5分钟内的转向次数累计M2,对以上描述我们还可以通过用式(2)来表示:

该式表明是不一致的次数占所有变向次数的比例,当值越大,说明疲劳程度也越深,同理值越小,说明疲劳程度就越轻。

1.3 方向盘动作状态

通常,驾驶员在行车过程中,需要不断对方向作出调整,即使在笔直的道路上行驶,也总是需要对方向盘做一些轻微的转动。而根据驾驶疲劳的定义及其从生理表现上考虑,当驾驶员处于驾驶疲劳状态时会出现注意力不集中,操纵停顿等现象,因此通过监测方向盘的动作状态可以间接反映驾驶员是否处于疲劳状态,如果在经历一定时间内方向盘没有任何动作,就可以判断为动作疲劳,方向盘动作状态异常,而且该疲劳的程度与方向盘无动作的时间成正比关系。根据方向盘监视装置S.A.M中的理论,方向盘不动以4s为判断阈值,当检测到方向盘持续不动时间超过4s时,可以判定为驾驶疲劳。

文中我们取方向盘持续不动的累计时间t1,以5s为基准进行实验,得到SA值,如式(3)所示:

式中T1为常值5s,当累计时间t1很小时,如1s,SA值也相应较小为0.2,此时说明驾驶员状态较为清醒,当t1较长时,如4s,则SA值达0.8,因此可以判断处于驾驶疲劳,而当超过5s时,SA值都作1处理,说明处于严重疲劳状态。

1.4 连续驾驶时间

驾驶疲劳产生的一个原因是驾驶员连续行车时间过长,导致生理机能和心理机能的失调。根据我国国家交通法规定,机动车驾驶人在连续驾驶时间达4小时,就必须休息20分钟。由此可以相信连续驾驶时间过长也可以作为驾驶员疲劳的间接原因,因此当驾驶员连续驾驶时间超过一定时间,可以作为判断驾驶疲劳的依据之一,而且疲劳程度也与该时间成正比关系。

文中我们可以通过计算连续驾驶时长,可以用式(4)来表示:

式中t是连续驾驶的时间长度,T在文中我们设定为常量4小时,根据文献[7]研究结果可知,当连续驾驶时间在2h以内时,驾驶员的驾驶综合特性评价处于良好以上状态,评价等级随着时间的增加而逐渐下降,当连续驾驶时间达到3.5h时,驾驶特性处于较差状态,此时,驾驶员注意力下降,极易出现速度错觉及选择反应判断差错。因此CDT值的大小可以说明疲劳程度。

1.5 实际时间参数

由于图像处理技术在光线条件差的情况下无法获取信息,因此在光线条件差的情况下我们不能把PERCLOS值作为检测疲劳的重要依据,而主要作为参考的是其他非图像手段获取的疲劳特征信息。因此我们需要对时间进行分段考虑,文中我们简单的分成白天和夜晚两个时间段,上午8点至下午5点为一个时间段,其余为另一个时间段。

2 模糊神经网络疲劳识别

我们描述了5种常用的驾驶疲劳检测特征参数,各检测方法能够一定程度地检测出疲劳,但由于在实际行车过程中,情况复杂,因此各自检测的可靠性均存在不同程度的疑问,也都存在较高的误报情况。PERCLOS值由于依靠图像处理方法检测,受光线等影响较大,因此不同时间其可靠性不够,另外在眨眼上,不同的人的差异也较大;而对行驶方向改变与司机反应不一致情况和方向盘动作状态单一检测,则由于不同驾驶习惯的区别其检测可靠性也难以满足要求。

在分析以上方法单一检测的情况后,针对其存在的问题,再结合模糊逻辑在处理不确定性和非线性问题的优势,以及神经网络容错能力强且具备自适应学习能力的优点,我们将模糊神经网络的融合方法来进行驾驶疲劳检测。

2.1 疲劳度量化

疲劳识别的研究为了证明一个疲劳检测算法是否具有可行性必须有一个疲劳的量化标准。目前在关于睡眠、药物和疲劳的相关研究[8]中,被广泛使用的疲劳测量方法是PVT(Psychomotor Vigilance Task)测试。PVT是基于反应时间的,是一种测量精神反应速度的标准测试,而驾驶活动的基本要求就是反应速度要快,因此驾驶员的PVT测试得分低,则可以认定当前状态不适合驾驶,因此采用PVT作为疲劳的标准时比较合适的。我们通过疲劳检测实验来设定疲劳等级,实验前,我们先让实验者学习五种交通标志图片及与各自相对应的中断按钮。在实验中,五种交通标志图片以2s间隔随机出现,实验者必须在500ms内迅速反应并按下相应按钮。实验结束时记录图片识别的错误率,每个实验持续2分钟,定义错误率越高,实验者的疲劳程度也较深,最后将这作为客观判断疲劳程度的标准,见表1所示。将PVT值量化为5个等级,分别用1~5表示,对应的疲劳程度依次递增,等级1表示清醒状态,等级5表示极度疲劳状态。对于模糊神经网络分类,每个等级都是为一个单独的类别,需要与其他类别区分开,分类结果在1~2类认为状态属于正常,如果在3~4则认为已经疲劳,等级5则表示处于严重疲劳状态。

2.2 TS模糊神经网络设计(TSFNN)

TS模糊系统是一种自适应能力很强的系统,不仅能自动更新,而且还能不断修正模糊子集的隶属函数。TS模糊神经网络的结构如图1所示,TSFNN由一个前件网络和一个后件网络组成,分别用来匹配模糊规则和产生模糊规则。其典型的模糊规则如下:

其中Aij是输入的模糊集;kij是模糊系统参数;j是模糊规则号。

前件网络包含4层,各层功能说明如下:

第一层是输入层,各个节点直接与输入向量的各分量xi连接,起着将输入值传递给下一层的作用,该层节点数N1=n,n是输入变量的维数。

第二层是模糊层,节点数为每个输入变量的语言变量值的和。该层是计算各输入分量属于各语言变量值模糊集合的隶属度函数μiji=μAjii(xi),i=1,2,,n;ji=1,2,,mi,n是输入量的维数,mi是xi的模糊分割数。文中隶属函数我们使用高斯函数表示:

其中cij和σij分别表示隶属函数的中心和宽度。节点数为

第三层是模糊规则层,用来计算每一条模糊规则的适用度aj,该层节点数与模糊规则数相等,N3=m,m是设定的模糊规则数。

第四层是归一化层,实现的是适用度的归一化。

后件网络包括输出层也包含4层,后件第一层是后件网络的输入层,与前件第一层相比,该层多了一个第0个节点x0=1,用来提供模糊规则后件中的常数项。

后件第二层是有m个节点,每个节点代表一条规则,该层的作用是计算每条规则的后件,即

其中kij(0in)表示后件网络的权重。

后件第三层是计算系统的输出,yk是各规则后件的加权和,加权系数为各模糊规则的归一化适用度,即前件网络的输出用作后件网络第三层的连接权值。

后件第四层是一个节点的输出层,用来求得整个系统的最终结果。

2.3 学习算法

TS模糊神经网络需要确定的参数有:各输入分量的模糊分割数m,每一个模糊分割数对应模糊函数的中心值cij和宽度σij,以及后件网络的连接权值kij(0in;1jm)。而一旦模糊分割数确定,整个网络的节点数,连接数就随之确定,在文中我们选择的输入分量均模糊分割为3级:清醒、轻度疲劳和严重疲劳。因此需要学习就只有每一个模糊分割数对应模糊函数的中心值和宽度,以及后件网络的连接权值。

分析上面给出的整个网络可以发现,该网络本质是一个多层前馈网络,所以我们可以仿照前馈网络用误差反向传播的方法来设计调整参数的学习算法。

我们选择的5种特征参数需要送入模糊神经网络进行疲劳识别,输入的参数共有5个,因此神经网络的第一层有5个节点,而输出只有一个,输出值就代表疲劳等级。

2.4 实验与结果

由于实验条件的限制,以及考虑到实验的安全性,实验都是在驾驶模拟器上进行。在实验车上我们通过一个摄像头来获取驾驶员的脸部图像进行处理;通过方向盘转向传感器来采集车辆的转向情况,同时检测转向灯的操作状态,来判断车辆实际转向与驾驶员反应的不一致情况;并通过判断方向盘动作状态,记录持续无动作时间;从汽车启动后开始计时,记录连续驾驶的时间。由于面部图像的获取受车厢内光线等环境影响比较大,在文中我们分成光线条件好与不好两种情况来进行论证,各自条件下我们分别采集10名驾驶员在不同疲劳状态下的100组数据,其中60组数据用来训练TSFNN,40组用来测试。

表2和表3中疲劳度一栏的数据来自交通标志图片识别的疲劳程度实验,经过各自60组数据训练后,将各自40组数据输入网络测试,得到结果与疲劳程度实验得出的结果比较得出,光线情况良好条件下的40组数据参与测试,其中36组得出的结果与疲劳度实验结果一致,正确率达90.0%;而在光线情况较差的情况下,PERCLOS值检测法基本不起作用,以0值输入进行训练,同样测试40组数据,有33组得出的结果一致,正确率为82.5%,表明该方法在实验条件下进行疲劳检测有较好的效果。

3 结语

本文在研究各种驾驶疲劳检测方法的基础上,针对单一特征检测以及基于同类特征信息的融合方法的不足,提出融合多源特征信息来检测判断驾驶疲劳,强化了所参与融合的特征信息间的互补,可以提高驾驶疲劳检测的可靠性以及不同环境的适应性,可以对相关领域的研究提供一定的参考意义。

文中还存在的一些不足:(1)可以反映驾驶疲劳的特征信息较多,如何组合多源特征信息间的互补效果最好还有待进一步研究;(2)本文中简单地使用实际时间参数来区分不同的光线情况,更好的方法是增加光强度传感器,实时对车厢内光线情况进行检测判断来调整各融合参数间的权值。

参考文献

[1]孙伟,张为公,张小瑞,等.疲劳驾驶检测方法的研究进展[J].汽车技术,2009(2):01-05.

[2]李志春,何仁,林谋有,等.驾驶员疲劳检测技术的研究现状及发展趋势[J].农机化研究,2006(5):197-200.

[3]汤一平,楼勇攀,周宗思.基于全方位视觉传感器的驾驶疲劳视频检测装置的设计[J].计算机测量与控制,2008,16(9):1233-1236.

[4]薛珠庆.做好红外线的防护[J].职业与健康,1990(5):12.

[5]郑培.机动车驾驶员驾驶疲劳测评方法的研究[D].中国农业大学,2001.

[6]郑培,宋正河,周一鸣.基于PERCLOS的机动车驾驶员驾驶疲劳的识别算法[J].中国农业大学学报,2002,7(2):104-109.

[7]马艳丽,裴玉龙.连续驾驶时间对驾驶特性测评指标的影响[J].中国公路学报,2009,1(22):84-88.

多源遥感信息融合 第7篇

(一) 数据层信息融合

数据层信息融合联合来自每一个传感器的原始数据, 其优点是信息丰富, 结果精确, 但是通讯和运算量大, 数据需要预处理, 传感器之间往往要求同质或者同等精度。主要的数学方法是:加权平均法、卡尔曼滤波、贝叶斯估计、参数估计法等, 与信号处理有一定的相似性。

(二) 特征层信息融合

特征层融合联合从观测量中提取的特征向量, 既保持足够数量的重要信息, 又实现信息压缩, 有利于实时性;但是不可避免地会有某些信息损失, 精确性有所下降, 因而需对传感器预处理提出较严格的要求。主要的数学方法是:分离性判据方法、搜索树方法、模拟退火方法、遗传算法等, 与模式识别有一定的相似性。

(三) 决策层信息融合

决策层融合联合各传感器的判决形成最终的推理和决策, 它具有很强的灵活性和很小的通讯带宽, 没有同质传感器的要求, 前提是需要很多预处理。主要的数学方法是:投票表决法、贝叶斯方法、模糊积分法、证据理论方法、模糊逻辑法等。

二、按照信息融合过程的输入输出关系

可以把以上三个融合层次进一步细分为五种融合过程:数据输入-数据输出融合 (Data in-Data out) ;数据输入-特征输出融合 (Data in-Feature out) ;特征输入-特征输出融合 (Feature in-Feature out) ;特征输入-决策输出融合 (Feature in-Decision out) ;决策输入-决策输出融合 (Decision in-Decision out) 。这种描述能够清楚地解释在输入输出数据之间存在的差异。

第一, 数据层信息融合联合来自每一个传感器的原始数据, 其优点是信息丰富, 结果精确, 但是通讯和运算量大, 数据需要预处理, 传感器之间往往要求同质或者同等精度。第二, 特征层融合联合从观测量中提取的特征向量, 既保持足够数量的重要信息, 又实现信息压缩, 有利于实时性;但是不可避免地会有某些信息损失, 精确性有所下降, 因而需对传感器预处理提出较严格的要求。第三, 决策层融合联合各传感器的判决形成最终的推理和决策, 它具有很强的灵活性和很小的通讯带宽, 没有同质传感器的要求, 前提是需要很多预处理。

三、信息融合的模型

现有系统模型大致可以分为两大类:一是面向融合过程的功能型模型。典型的功能型模型包括UK情报环、Boyd控制回路 (OODA环) 等。二是面向处理对象的数据型模型。典型的数据型模型则有JDL模型、瀑布模型和Dasarathy模型等。

四、多传感器系统

多传感器系统或多传感器集成, 是指在系统中采用多个同质或异质传感器共同联合工作来完成对对象和环境的检测。

在当前工业监测控制系统中, 从传感器中直接获得的信息可以分为两种不同形式:数据信息和图像信息。在多传感器系统中, 各传感器所提供的空间、时间、表达方式不同, 可信度、不确定性程度不同, 侧重点和用途也不同, 这对信息的处理和管理提出了新的要求:要求采用相应的信息综合处理技术, 要求传感器间彼此协调工作。

(一) 多传感器信息融合的基本结构

信息融合的结构有多种模式, 由n个传感器集成后组成多传感器系统, 提供n个对象及环境信息, 系统中设立m个融合节点对这n个信息进行融合。传感器1和2的输出信息S1和S2在融合节点1被融合成新的信息S12, 它再与传感器3的信息在节点2融合成新的信息S123。如此下去, 从n个传感器系统中获得的信息可以最终被融合成一个结果信息S, 送入融合数据库中。融合数据库存放信息融合的结果, 可以看成是整个智能监测控制系统数据库的一部分。

1、融合节点说明。一是融合节点的输入输出信息一般都是向量的形式。一个融合节点可以融合多个输入信息。二是如果只有一个融合节点 (m=1) , 则n个传感器信息都是这个融合节点的输入信息。三是中间节点的融合结果也可以作为输出直接送入融合数据库中。

2、模块说明。一是专家知识库。一般来说, 信息融合的完成, 除了具有适当的融合算法外, 还应当有必要的领域知识进行监督和指导, 特别是在实际的工业监测控制系统中更是如此。这些领域知识就构成了专家知识库。二是传感器模型库。其中存放了各种传感器的模型, 定量地描述了传感器的特性以及各种外界条件对传感器特性的影响。三是信息协调管理。在一般情况下, 多传感器往往从不同的坐标框架对环境中的同一特征进行描述, 它们所表示的时间、空间和表达方式可能各不相同, 必须将它们统一到一个共同的时空参考系中。该模块完成了时间因素、空间因素和工作因素的全面协调管理, 并对传感器进行选择, 投入最合适和可靠的传感器组以适应不同的条件。四是信息融合方法。对于不同的任务和不同的对象应采用不同的方法, 或者综合使用几种方法。信息融合方法是多传感器信息融合的核心。

(二) 多传感器信息融合的方法 (见图1) 。

五、证据组合规则

来自不同信息源的证据集合形成了四种不同的证据类型, 其多种形式的组合结构反映了证据之间各种的冲突情况。证据理论通过组合证据的概率赋值来处理不同的证据类型, 对冲突的不同处理方法产生了不同的证据组合算法;主要讨论、分析并比较D-S证据规则及其四种改进的证据组合规则:Yager组合规则、Inagak组合规则、Zhang组合规则和DuboisPrade组合规则, 以及两种平均规则:Discount平均规则和平均分配规则。

六、小结

多源遥感信息融合 第8篇

在大规模的城市安全卡口车辆监控系统中, 因障碍物遮挡、污损、设备识别错误等因素会带来对于车辆身份信息采集结果的误差;另一方面, 实战应用中的输入检索线索又是比较片面的, 只能表达车辆的某方面的特征。这两方面的因素叠加到一起, 就造成实战应用中会无法准确的检索到目标车辆, 或产生大批量的候选疑似车辆序列。

车辆在城市道路上行驶的行为带有丰富的时间、空间信息, 例如:车辆通过某个道路的时间、车辆通过的道路路口的空间关系等。而在城市安全监控卡口系统中, 这些信息都会被卡口设备记录在系统中;此外, 卡口系统的采集设备还记录了更加丰富的车辆静态信息, 如:车牌号码、车辆颜色、车辆类型、车辆品牌型号等。本文将把全域卡口系统中关于车辆的静态信息和动态信息融合起来, 在全域卡口范围内检索车辆, 为决策者提供准确的目标车辆信息。

2 全域卡口静态、动态信息的分析

2.1 全域卡口采集的车辆静态信息

车辆的静态信息, 指的是卡口系统中可直接利用的物理特征, 车辆目标的物理特征 (车辆颜色、车辆类型、车辆品牌标志、车辆的运动速度、运动方向等) , 这些信息都是通过卡口的采集设备获取的, 由于受到:采集设备的工作状态、采集时间、采集对象的状态等等因素的制约, 就会出现车辆固有属性的采集误差, 这些固有属性是车辆目标对象所固有的且可区别于其他目标对象的属性, 而采集误差就会导致车辆的检索出现错误。

本文是要将带有误差的车辆颜色、车辆类型、等多种固有属性融合在一起, 利用结构分解的分层匹配算法进行车辆对象的身份比较。

2.2 全域卡口采集的车辆动态信息

车辆的动态信息, 指的是车辆在行驶中所处的空间位置以及对应的时间信息。全域卡口系统中的采集点分布于整个城市的道路网络中, 车辆所经过的卡口采集点的空间位置以及时间是动态变化的, 而这些空间位置、时间序列, 也是车辆行驶行为的重要属性信息。如何将这些空间位置及时间点关联起来, 正是本文要研究的问题。

根据上述分析, 可以将车辆目标的身份比较问题视为是一个复杂对象比较问题, 复杂对象的比较通常出现在语句相似性计算、多媒体对象相似性度量、数据挖掘、频繁项集对象相似度比较中。复杂对象的比较, 常通过多特征的加权相似度比较和复杂对象结构分解分层比较的两种方法来解决。在本文中, 拟借鉴复杂对象的属性间的关系紧密程度的属性分解相似度量方法来完成车辆目标静态信息的比较, 实现车辆目标的同一性检索。然后, 在全域卡口的背景下, 从所在的过往车辆数据库中可获得该车辆对象出现的时间、交通卡点、车辆实行速度等信息。关联这些信息, 可预测车辆对象出现的空间位置, 然后对目标车辆的图像和关键帧进行车辆目标的身份比较, 通过分析的结果可以得到目标车辆在全域卡口中出现的所有轨迹。

3 全域卡口车辆目标的身份检索

3.1 车辆目标的同一性检索

根据前述分析, 根据复杂对象分解的分层相似性度量思想对车辆目标的颜色特征、车类特征进行分解, 比较待检测车辆与目标车辆的相似距离;而后根据选择策略进行融合局部特征和特征的加权多特征比较。首先, 将分层式的相似度量方案在图1中给出。

具体设计方案如下:

(1) 颜色特征CL:采用HSV颜色空间进行定义, 并设定为序数型特征, 颜色类别序列化之后的结果为:

CL (黑) =1;CL (灰) =2;CL (白) =3;C L (红) =4;C L (橙) =5;C L (黄) =6;CL (绿) =7;CL (浅绿) =8;CL (蓝) =9;CL (紫) =10;CL (粉) =11;

颜色类别的欧式距离可定义为:

为了适应于多源融合方法的同一性检索, 必须对其进行规范化, 规范化之后的欧式距离可以定义为:

(2) 车辆类型VT, 仍然设定为序数型特征, VT (小型车) =1;VT (中型车) =2;VT (大型车) =3;车辆类型距离仍然采用规范化的欧式距离。

(3) 车辆号牌VLP, 设定为字符串类型, 采用字符串相似度比较算法完成车辆号牌的相似度比较, 对于车辆号牌的子串的比较可以采用KMP等算法, 对于中文字符, 应该直接进行分割比较。

(4) 车辆品牌VB:车辆品牌变量为枚举型特征, 不做相似度的比较, 只作为最后的分层判别时使用。

3.2 车辆目标的时空关联分析

本文所研究的城市卡口系统, 分布于开放式的道路网络中, 因此, 车辆的行驶路径具有较高的随机性。车辆所经过的卡口采集点, 不具备严格的顺序关系, 但是, 车辆经过某一个卡口采集点Ki, 仅仅与前一个卡口Ki-1的位置有关系, 这就是随机过程中的马尔可夫性。根据车辆的行驶物理规律, 可以预测到车辆可能出现的下一个卡口的可能位置, 然后根据前一个卡口的采集时间Ti-1, 可以给出通过下一个卡口的时间区间Ti。以这个时间点为阈值, 可以筛选出候选的视频片段, 然后在这些视频片段中, 应用车辆目标的同一性检索, 就可以以较大的概率检索到目标车辆。

4 实验及分析

本文选择金鹏电子信息机器有限公司的卡口系统作为实验对象, 以某个行政区内的30个卡口作为实验区;卡口系统中的智能分析模块提供了关于车辆的静态信息有:车牌号码、车牌颜色、车身颜色、车辆品牌 (例如:JEEP) 、车辆型号 (例如:JEEP_牧马人) 、年款 (例如:2013款) 、车辆类别 (例如:货车、轿车) ;动态信息有:车辆速度、卡口名称、方向名称、经过时间。输入一个检索实例, 例如:在2016年8月1日至2016年8月10日期间, 查找一辆红色帕萨轿车, 该车在XX路口附近出现过, 车牌号中有一个数字A。按照这个输入条件, 将其分解为输入关键词, 车牌号码、车牌颜色、车身颜色、车辆品牌、车辆型号、年款、车辆类别的权值分别设定为:0.35、0.05、0.3、0.2、0.05、0.05;对于动态信息, 车辆速度代表的是卡口采集点线圈测速装置的测量值, 并不能代表车辆在道路行驶的平均速度, 因此该信息在检索中的实用价值较小。通过在全域卡口系统中的历史过车数据库中检索:首先, 通过设定检索时间条件, 在XX路口附近的卡口 (共5个) 检索到记录10907条过车记录, 再通过设定静态信息条件, 得到12条过车记录, 其相似度参见表1 (表中的真实车牌号码均用符号和数字代替) 。

然后, 通过对这22条记录对应的过车视频信息进行人工筛选判别, 可得到, 检索结果即为输入检索示例对应的车辆目标。

5 结论

本文针对智慧城市中的全域卡口系统中的车辆检索问题, 提出了一种利用车辆行驶行为的时间、空间关联关系来检索车辆的方法。该方法将车辆目标的静态信息按照层次结构进行了分解, 并分别计算了各个属性的相似度, 通过关联这些相似度来检索候选车辆目标序列。最后, 通过对全域卡口的历史过车数据进行了实验验证。本文提出的方法将有助于提升卡口系统的车辆目标检索效率。

参考文献

[1]Bing-Fei Wu, Chih-Chung Kao, JhyHong Juang, Yi-Shiun Huang.A New Approach to Video-Based Traffic Surveillance Using Fuzzy Hybrid Information Inference Mechanism[J].IEEE Transactions on Intelligent Transportation Systems, 2013, 14 (01) :485-491.

[2]Tianzhu Zhang, Si Liu, Changsheng Xu, Hanqing Lu.Mining Semantic Context Information for Intelligent Video Surveillance of Traffic Scenes[J].IEEE Transactions on Industrial Informatics, 2013, 9 (01) :149-160.

[3]严明.高速公路中车辆对象同一性的检索[D].昆明:昆明理工大学, 2014.

[4]陈文军.相邻卡口时空关联车辆视频检索研究[D].昆明:昆明理工大学, 2013.

[5]陈治平.基于复杂对象分解的相似性计算方法[J].计算机工程与应用, 2008, 44 (34) :149-152.

[6]李桂林, 陈晓云.关于聚类分析中相似度的讨论[J].计算机工程与应用, 2004, 40 (31) :64-66.

[7]钟文.不确定推理在多源信息融合中的若干应用研究[D].南京:南京理工大学, 2002.