《探测与识别技术绪论.pptx》由会员分享，可在线阅读，更多相关《探测与识别技术绪论.pptx（24页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第一章、绪论本章学习要求：1了解目标探测与识别技术的应用背景及发展前景2掌握目标探测与识别的相关概念3准确把握理解目标探测与识别研究的基本问题探测与识别技术探测与识别技术第1页/共24页 对固定或移动目标进行非接触测量，而测量到的信号经过特殊识别方法正确得到相关信息的过程。第一章第一章 绪论绪论1.1目标探测与识别的定义 传感器信号处理第2页/共24页日常生活第一章第一章 绪论绪论1.2典型应用若干实例 手持式条形码扫描仪第3页/共24页1.2典型应用若干实例典型应用若干实例 手持式条形码扫描器原理框图 第4页/共24页1.2典型应用若干实例典型应用若干实例军事领域 感应线圈用于敏感目标舰艇引
2、起鱼雷周围磁场的任何变化，并将感应到的这一变化转换为电脉冲信号。电压放大器用于放大感应线圈中产生的电信号。并有低频滤波特性，以防止低频干扰。滤波器用于将干扰信号排除掉，使目标舰艇的有效信号通过。它是用来防止高频干扰的。执行继电器将信号送到继电器后，继电器使引爆电路接通。引爆电路将电路接通后，使电爆管通电。点火装置点燃雷头炸药。鱼雷磁引信原理 演示动画第5页/共24页机器人技术领域 HR-2 机器人拥有22度自由度，可以轻易模仿人类动作装备三维视觉系统，可以进行目标跟随及手眼协调动作。该机器人还具备对话能力及对人类面部追踪及辨识能力，所有这些都是由HR-2的人工神经网络实现的。HR-2机器人1.
3、2典型应用若干实例典型应用若干实例第6页/共24页 SWAS可以直接量测水分子的产生率。还有，SWAS的视野较宽广，能够同时观测彗核与周遭蒸发物质组成的彗发。此外，SWAS位于太空中，可以避免大气层的影响，持续观测整个撞击过程。航天领域 毫米波天文卫星（简称为SWAS）1.2典型应用若干实例典型应用若干实例第7页/共24页n目标截获（Target Acquisition）：是将位置不确定的目标图像定位，并按所期望的水平辨别它的整个过程。目标获取包括搜寻过程和辨别过程。n搜寻（Search）：是利用器件显示或肉眼视觉搜索含有潜在的目标的景物以定位捕获目标的过程。n位置确定（Localize）：通
4、过搜寻过程确定出目标的位置。n辨别（Discrimination）：是指目标在被观察者所觉察的细节量的基础上确定看得清的程度。辨别的等级可以分为探测、识别、确认。第一章第一章 绪论绪论1.3目标探测与识别的基本术语 第8页/共24页1.3探测与识别的基本术语探测与识别的基本术语n探测（Detection）：可分为纯探测（Pure Detection）和辨别探测（Discrimination Detection）两种。前者是在局部均匀的背景下察觉一个物体。而后者需要认出某些外形或形状，以便将目标从背景的杂乱物体里区别出来。n识别（Recognition）：是能辨别出目标属于哪一类别（如坦克、车辆
5、、人）。n确认（Identification）：是能认出目标，并能足够清晰地确定其类型。第9页/共24页一个完整的目标获得的过程 1.3探测与识别的基本术语探测与识别的基本术语第10页/共24页1.4目标识别的信息特征 1 1、波谱特征、波谱特征 第一章第一章 绪论绪论 不论天然的还是人造物体，它们无时无刻不在向外界发射或反射电磁波谱，而且都有特定的发射谱和发射谱。虽然我们并没有见到目标的形影，但通过对这些特征谱的提取与分析，有可能识别军事武器的类别与型号。第11页/共24页1.4目标识别的信息特征目标识别的信息特征工作方式工作方式地震波地震波电磁波电磁波磁磁激激光光红红外外毫毫米米波波声波声
6、波主主动动声声被被动动声声按工作方式不同，分别为：第12页/共24页2 2、形影（图像）特征、形影（图像）特征 人的知识80%是通过视觉获得的。除可见光图像外，实际整个电磁波谱都具有成像机理，人眼对它们没有感觉，通过器件处理可以把它们转换成图像。成像特点是：对光学系统，波长越长，衍射受限的分辨率越低。短波长可以获得高的空间分辨率，但不利条件增多，如可见光对云、雾的穿透力就很差。因此选择哪一种成像途径，应由一个综合考虑、取长补短、优化结构。1.4目标识别的信息特征目标识别的信息特征第13页/共24页第一章第一章 绪论绪论1.5目标特征目标种类目标种类目标种类目标种类主要目标特征主要目标特征主要目
7、标特征主要目标特征常用探测方式常用探测方式常用探测方式常用探测方式陆地陆地陆地陆地车辆车辆车辆车辆履带式履带式履带式履带式红外辐射、声传播、行驶红外辐射、声传播、行驶红外辐射、声传播、行驶红外辐射、声传播、行驶时地面振动时地面振动时地面振动时地面振动红外、地震波、声探测红外、地震波、声探测红外、地震波、声探测红外、地震波、声探测轮式轮式轮式轮式上同上同上同上同上同上同上同上同人员人员人员人员地面振动地面振动地面振动地面振动地震波探测地震波探测地震波探测地震波探测空中空中空中空中导弹类导弹类导弹类导弹类红外辐射红外辐射红外辐射红外辐射红外、激光或毫米波探红外、激光或毫米波探红外、激光或毫米波探红
8、外、激光或毫米波探测等测等测等测等飞机飞机飞机飞机红外辐射红外辐射红外辐射红外辐射同上同上同上同上水中水中水中水中潜艇潜艇潜艇潜艇磁、声、红外磁、声、红外磁、声、红外磁、声、红外磁、声纳、红外磁、声纳、红外磁、声纳、红外磁、声纳、红外鱼雷鱼雷鱼雷鱼雷声、磁声、磁声、磁声、磁声、磁探测声、磁探测声、磁探测声、磁探测舰船舰船舰船舰船尾流、和声尾流、和声尾流、和声尾流、和声声声声声第14页/共24页第一章第一章 绪论绪论1.6探测与目标识别的发展趋势 1.1.问题提出问题提出 传统的信号采集往往由单一的传感器来完成，即使采用多个（种）传感器也仅是从多个侧面孤立地反映目标信息。实际上，在大多数情况下，
9、必须同时处理多个信号，而这些信号一般又来自多个信号源，即多传感器。但是多传感器也带来了信息冗余甚至矛盾。所以必须通过对各种传感器及其观测信息的合理支配与使用，将其采集的信息依据某种优化准则组合，产生对观测环境一致性的解释和描述，因此迫切要求对信息进一步处理。“信息融合”就是对多传感器的数据进行多级别、多方面、多层次的处理，即组合或融合来自多个传感器或其他信息源的数据，以获得综合的、更好的估计。第15页/共24页 2.2.信息融合的基本概念及优越性信息融合的基本概念及优越性 传统的信号由于信息融合的定义都是功能性的描述，美国国防部JDL从军事应用的角度将数据融合进行定义，Waltz和Llinas
10、对其进行了补充和修改，给出了较完整的定义1：一种多层次的、多方面的处理过程，这个过程是对多源数据进行检测、结合、相关、估计和组合以达到精确的状态估计和身份估计，以及完整及时的态势评估和威胁估计。定义2：将经过集成处理的多传感器信息进行合成，形成一种对外部环境或被测对象某一特征的表达方式。主要表现在：容错性好；系统精度高；信息处理速度快；互补性强；信息获取成本低；增加了系统的生存能力；提高了可信度；改善了探测性能；扩展了空间覆盖范围等方面。1.6探测与目标识别的发展趋势探测与目标识别的发展趋势第16页/共24页1.6探测与目标识别的发展趋势探测与目标识别的发展趋势 3 3、多传感器信息融合分类、
11、多传感器信息融合分类 组合：由多个传感器组合成平行或互补方式来获得多组数据输出的一种处理方法，是一种最基本的方式，涉及的问题有输出方式的协调、综合以及传感器的选择。在硬件这一级上应用。综合：信息优化处理中的一种获得明确信息的有效方法。例：在虚拟现实技术中，使用两个分开设置的摄像机同时拍摄到一个物体的不同侧面的两幅图像，综合这两幅图像可以复原出一个准确的有立体感的物体的图像。融合：当将传感器数据组之间进行相关或将传感器数据与系统内部的知识模型进行相关，而产生信息的一个新的表达式。相关：通过处理传感器信息获得某些结果，不仅需要单项信息处理，而且需要通过相关来进行处理，获悉传感器数据组之间的关系，从
12、而得到正确信息，剔除无用和错误的信息。相关处理的目的：对识别、预测、学习和记忆等过程的信息进行综合和优化。第17页/共24页1.6探测与目标识别的发展趋势探测与目标识别的发展趋势 4 4、多传感器信息融合结构、多传感器信息融合结构信息融合的结构分为串联和并联两种 C1，C2，Cn表示n个传感器S1,S2,，Sn表示来自各个传感器信息融合中心的数据y1，y2，yn表示融合中心。Sn S2 S1Y1Y2YnC1C2CnYSC1C2Cn(a)串联(b)并联第18页/共24页1.6探测与目标识别的发展趋势探测与目标识别的发展趋势 5 5、多传感器信息融合一般方法、多传感器信息融合一般方法n 嵌入约束法
13、 由多种传感器所获得的客观环境(即被测对象)的多组数据就是客观环境按照某种映射关系形成的像，信息融合就是通过像求解原像，即对客观环境加以了解。用数学语言描述就是，所有传感器的全部信息，也只能描述环境的某些方面的特征，而具有这些特征的环境却有很多，要使一组数据对应惟一的环境(即上述映射为一一映射)，就必须对映射的原像和映射本身加约束条件，使问题能有惟一的解。嵌入约束法最基本的方法：Bayes估计和卡尔曼滤波 第19页/共24页1.6探测与目标识别的发展趋势探测与目标识别的发展趋势n 证据组合法 证据组合法认为完成某项智能任务是依据有关环境某方面的信息做出几种可能的决策，而多传感器数据信息在一定程
14、度上反映环境这方面的情况。因此，分析每一数据作为支持某种决策证据的支持程度，并将不同传感器数据的支持程度进行组合，即证据组合，分析得出现有组合证据支持程度最大的决策作为信息融合的结果。它先对单个传感器数据信息每种可能决策的支持程度给出度量(即数据信息作为证据对决策的支持程度)，再寻找一种证据组合方法或规则，在已知两个不同传感器数据(即证据)对决策的分别支持程度时，通过反复运用组合规则，最终得出全体数据信息的联合体对某决策总的支持程度。得到最大证据支持决策，即信息融合的结果。常用的方法有：概率统计法和Dempster-Shafer证据推理 第20页/共24页1.6探测与目标识别的发展趋势探测与目
15、标识别的发展趋势 5 5、多传感器信息融合实例、多传感器信息融合实例机器人中的传感器信息融合机器人中的传感器信息融合 控制和信息融合计算机自主移动装配机器人装配机械手力觉传感器触觉传感器视觉传感器超声波传感器激光测距传感器第21页/共24页1.6探测与目标识别的发展趋势探测与目标识别的发展趋势海军舰船传感器信息融合系统海军舰船传感器信息融合系统 行扫描处理器红外探测器 直流偏压AGC搜索器万向支架惯性导航系统图像摄像机万向支架图像处理共享存储器数据融合处理器环境控制显示记录人机界面图像摄像机传感器第22页/共24页思考题：1.列出你身边的探测与识别技术应用的例子。第一章第一章 绪论绪论第23页/共24页感谢您的观看。第24页/共24页