本文關(guān)鍵詞：基于D-S證據(jù)理論的融合算法及其在交通事件檢測中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：交通事件檢測是智能交通系統(tǒng)的重要研究內(nèi)容之一。本文研究了基于D-S證據(jù)理論的交通事件檢測融合算法。針對隧道火災(zāi)和道路行人檢測的應(yīng)用,本文對D-S證據(jù)理論的融合算法進(jìn)行了研究,并在此基礎(chǔ)上提出了相應(yīng)的改進(jìn)算法,主要改進(jìn)包括:結(jié)合證據(jù)距離可信度和不確定度對證據(jù)源的權(quán)值進(jìn)行修正;利用證據(jù)的相似度和沖突構(gòu)造證據(jù)間的K-L距離,進(jìn)一步得到證據(jù)的權(quán)重。對修正后證據(jù)進(jìn)行加權(quán)后融合。將兩種改進(jìn)算法應(yīng)用于隧道火災(zāi)檢測和道路行人檢測中。首先對提取到的視頻序列利用統(tǒng)計(jì)直方圖法進(jìn)行背景提取,選取直方圖中最大值對應(yīng)的像素點(diǎn)作為背景的像素值。再通過背景差分法對運(yùn)動目標(biāo)進(jìn)行提取,同時(shí)對目標(biāo)進(jìn)行二值化處理,利用連通域標(biāo)記排除干擾目標(biāo)。隧道火災(zāi)檢測中選取火焰的面積增長特性、閃爍特性和形狀復(fù)雜度以及煙霧的紋理特征對火災(zāi)進(jìn)行檢測。行人的特征采用:寬高比、面積和速度。利用目標(biāo)的特征,對視頻中的疑似區(qū)域進(jìn)行識別和分析。利用蒙特卡洛模擬法得到各個(gè)特征檢測的仿真結(jié)果,將統(tǒng)計(jì)的檢測率、誤報(bào)率利用MATLAB進(jìn)行融合。初步實(shí)驗(yàn)驗(yàn)證了算法的有效性。實(shí)驗(yàn)結(jié)果顯示融合后的檢測率、誤報(bào)率都達(dá)到了較高水平,性能優(yōu)于單數(shù)據(jù)源算法。改進(jìn)的D-S證據(jù)理論融合算法與傳統(tǒng)的D-S證據(jù)理論算法相比,在保證不確定度較低的前提下,檢測率得到了明顯的提高,并且在很大程度上減少數(shù)據(jù)之間的沖突。當(dāng)繼續(xù)增加證據(jù)后,融合結(jié)果的檢測率得到了進(jìn)一步的提高。
【關(guān)鍵詞】：交通事件檢測 數(shù)據(jù)融合 D-S證據(jù)理論 證據(jù)沖突 證據(jù)權(quán)重
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U495
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-14
• 1.1 研究背景9-10
• 1.2 國內(nèi)外的發(fā)展?fàn)顩r10-12
• 1.2.1 融合技術(shù)在國內(nèi)外的發(fā)展?fàn)顩r10-12
• 1.2.2 交通事件檢測技術(shù)在國內(nèi)外的發(fā)展?fàn)顩r12
• 1.3 本文的主要研究內(nèi)容及結(jié)構(gòu)安排12-14
• 第二章 基于D-S證據(jù)理論的融合技術(shù)14-26
• 2.1 數(shù)據(jù)融合概述14-15
• 2.2 數(shù)據(jù)融合方式15-18
• 2.2.1 數(shù)據(jù)層融合15-16
• 2.2.2 特征層融合16
• 2.2.3 決策層融合16-18
• 2.3 數(shù)據(jù)融合方法分類18-19
• 2.4 D-S證據(jù)理論19-20
• 2.5 D-S證據(jù)理論的基本概念20-25
• 2.5.1 識別框架20
• 2.5.2 基本概率分配函數(shù)20-21
• 2.5.3 信任函數(shù)21
• 2.5.4 似然函數(shù)21-22
• 2.5.5 D-S證據(jù)理論的合成規(guī)則22-24
• 2.5.6 證據(jù)理論的決策方法24-25
• 2.6 本章小結(jié)25-26
• 第三章 改進(jìn)的D-S證據(jù)理論26-36
• 3.1 沖突出現(xiàn)的原因26-27
• 3.2 證據(jù)理論的修正27-30
• 3.2.1 針對證據(jù)源的修正算法27-28
• 3.2.2 針對合成規(guī)則的修正28-30
• 3.3 基于證據(jù)源的改進(jìn)算法30-35
• 3.3.1 證據(jù)距離與不確定度相結(jié)合的改進(jìn)算法30-34
• 3.3.2 基于K-L距離的可信度34-35
• 3.4 本章小結(jié)35-36
• 第四章D-S證據(jù)理論在隧道火災(zāi)檢測中的應(yīng)用36-49
• 4.1 背景提取36-37
• 4.2 火焰目標(biāo)的提取37-38
• 4.3 火焰特征提取和分析38-40
• 4.3.1 面積增長特性38-39
• 4.3.2 閃爍特性39
• 4.3.3 形狀復(fù)雜度39-40
• 4.4 實(shí)驗(yàn)結(jié)果與分析40-43
• 4.4.1 實(shí)驗(yàn)結(jié)果融合41-42
• 4.4.2 改進(jìn)后的融合結(jié)果42-43
• 4.5 煙霧的紋理特征43-47
• 4.5.1 煙霧目標(biāo)的提取43-44
• 4.5.2 圖像紋理特征44
• 4.5.3 灰度共生矩陣44-45
• 4.5.4 實(shí)驗(yàn)結(jié)果45-47
• 4.6 本章小結(jié)47-49
• 第五章 D-S證據(jù)理論在行人檢測中的應(yīng)用49-57
• 5.1 背景提取49-50
• 5.2 運(yùn)動目標(biāo)提取50-51
• 5.3 行人特征51-53
• 5.3.1 長寬比51-52
• 5.3.2 面積特征52
• 5.3.3 速度特征52-53
• 5.4 實(shí)驗(yàn)結(jié)果與分析53-56
• 5.4.1 實(shí)驗(yàn)結(jié)果融合54
• 5.4.2 結(jié)果分析54-56
• 5.5 本章小結(jié)56-57
• 總結(jié)與展望57-59
• 參考文獻(xiàn)59-62
• 攻讀學(xué)位期間取得的研究成果62-63
• 致謝63

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 曾元鑒;;D-S證據(jù)理論及其改進(jìn)算法研究[J];艦船電子工程;2010年10期

2 夏祖勛，，劉同明，解洪成;關(guān)于證據(jù)理論中辨識框不同類型下的信息綜合[J];華東船舶工業(yè)學(xué)院學(xué)報(bào);1994年02期

3 倪明，單淵達(dá);證據(jù)理論及其應(yīng)用[J];電力系統(tǒng)自動化;1996年03期

4 齊占偉;辜承林;;基于改進(jìn)的D-S證據(jù)理論在設(shè)備故障診斷中的應(yīng)用[J];海軍工程大學(xué)學(xué)報(bào);2008年01期

5 董彥佼;韓元杰;劉潔莉;;D-S證據(jù)理論在多傳感器目標(biāo)識別中的改進(jìn)[J];彈箭與制導(dǎo)學(xué)報(bào);2009年04期

6 鄭德玲，湯新蓓;證據(jù)理論支持下的多專家求解理論框架[J];北京科技大學(xué)學(xué)報(bào);1998年05期

7 張建華,陳新,王紅軍;基于證據(jù)理論的最佳聯(lián)盟評價(jià)方法研究[J];機(jī)械設(shè)計(jì);2004年07期

8 周凌柯,劉瑞蘭;對證據(jù)理論檢測顯著誤差的研究[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年S1期

9 陳煒軍;景占榮;袁芳菲;朱安福;;D-S證據(jù)理論的不足及其數(shù)學(xué)修正[J];中北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

10 宋建勛;張進(jìn);吳欽章;;基于D-S證據(jù)理論的多特征數(shù)據(jù)融合算法[J];火力與指揮控制;2010年07期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 馬永一;沈懷榮;彭穎;;對D-S證據(jù)理論幾種改進(jìn)方法的分析與討論[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2010年

2 鄭德玲;湯新蓓;方巍;王俊然;;基于D-S證據(jù)理論的多專家意見綜合方法[A];1996年中國控制會議論文集[C];1996年

3 孫懷江;楊靜宇;;證據(jù)理論的改進(jìn)及其應(yīng)用[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會文集[C];2000年

4 潘巍;王陽生;;一種基于D-S證據(jù)理論的情感辨識算法[A];第一屆中國情感計(jì)算及智能交互學(xué)術(shù)會議論文集[C];2003年

5 周凌柯;劉瑞蘭;;對證據(jù)理論檢測顯著誤差的研究[A];2005全國自動化新技術(shù)學(xué)術(shù)交流會論文集（三）[C];2005年

6 孔鵬程;周健;;基于D-S證據(jù)理論的改進(jìn)算法的研究[A];2011中國儀器儀表與測控技術(shù)大會論文集[C];2011年

7 趙韓;方艮海;王勇;;證據(jù)理論在機(jī)構(gòu)評價(jià)與選型中的應(yīng)用[A];第十四屆全國機(jī)構(gòu)學(xué)學(xué)術(shù)研討會暨第二屆海峽兩岸機(jī)構(gòu)學(xué)學(xué)術(shù)交流會論文集[C];2004年

8 謝楠;李靖;李建爽;黃絢燁;;基于證據(jù)理論的施工中人為過失改錯(cuò)效果的評估方法[A];第22屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集第Ⅲ冊[C];2013年

9 馬小平;汪永東;樊陽;;模糊證據(jù)理論的深入研究[A];第二十六屆中國控制會議論文集[C];2007年

10 朱靖;王晨熙;鄢茂林;鄭義成;;D-S證據(jù)理論在多傳感器身份融合中的改進(jìn)[A];全國第一屆信號處理學(xué)術(shù)會議暨中國高科技產(chǎn)業(yè)化研究會信號處理分會籌備工作委員會第三次工作會議�？痆C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 張哲;基于證據(jù)理論的結(jié)構(gòu)可靠性分析方法[D];湖南大學(xué);2016年

2 李海生;基于證據(jù)理論的分類方法研究[D];華南理工大學(xué);2013年

3 肖建于;證據(jù)理論研究及其在礦井突水預(yù)測中的應(yīng)用[D];中國礦業(yè)大學(xué);2012年

4 栗崢;后現(xiàn)代證據(jù)理論研究[D];中國政法大學(xué);2008年

5 梁偉光;基于證據(jù)理論的在軌航天器故障診斷方法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

6 繆燕子;多傳感器信息融合理論及在礦井瓦斯突出預(yù)警系統(tǒng)中的應(yīng)用研究[D];中國礦業(yè)大學(xué);2009年

7 鎖斌;基于證據(jù)理論的不確定性量化方法及其在可靠性工程中的應(yīng)用研究[D];中國工程物理研究院;2012年

8 肖明珠;基于證據(jù)理論的不確定性處理研究及其在測試中的應(yīng)用[D];電子科技大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 賀曉;基于改進(jìn)D-S證據(jù)理論的高速列車走行部故障診斷研究[D];西南交通大學(xué);2015年

2 王睿虹;基于廣義證據(jù)理論的多模式智能推理與融合研究[D];上海交通大學(xué);2015年

3 宋姝婷;基于Rough集、T-范數(shù)和證據(jù)理論的屬性約簡研究[D];江西師范大學(xué);2015年

4 何俊;基于證據(jù)理論的在線消費(fèi)者備選商品評價(jià)研究[D];電子科技大學(xué);2015年

5 楊星亞;基于證據(jù)理論的中小企業(yè)信用評級研究[D];合肥工業(yè)大學(xué);2015年

6 郭威;基于證據(jù)理論的多源信息融合技術(shù)研究與應(yīng)用[D];解放軍信息工程大學(xué);2015年

7 吳尚;基于證據(jù)理論的風(fēng)電機(jī)組故障診斷研究[D];上海電機(jī)學(xué)院;2016年

8 田佳霖;基于D-S證據(jù)理論的融合算法及其在交通事件檢測中的應(yīng)用[D];長安大學(xué);2016年

9 劉曉光;基于D-S證據(jù)理論的推理系統(tǒng)研究[D];合肥工業(yè)大學(xué);2010年

10 侯俊;證據(jù)理論幾個(gè)關(guān)鍵問題的研究[D];西北工業(yè)大學(xué);2003年

  本文關(guān)鍵詞：基于D-S證據(jù)理論的融合算法及其在交通事件檢測中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：494997