基于D-S证据理论的融合算法及其在交通事件检测中的应用

发布时间：2017-06-28 19:11

  本文关键词：基于D-S证据理论的融合算法及其在交通事件检测中的应用，由笔耕文化传播整理发布。

【摘要】：交通事件检测是智能交通系统的重要研究内容之一。本文研究了基于D-S证据理论的交通事件检测融合算法。针对隧道火灾和道路行人检测的应用,本文对D-S证据理论的融合算法进行了研究,并在此基础上提出了相应的改进算法,主要改进包括:结合证据距离可信度和不确定度对证据源的权值进行修正;利用证据的相似度和冲突构造证据间的K-L距离,进一步得到证据的权重。对修正后证据进行加权后融合。将两种改进算法应用于隧道火灾检测和道路行人检测中。首先对提取到的视频序列利用统计直方图法进行背景提取,选取直方图中最大值对应的像素点作为背景的像素值。再通过背景差分法对运动目标进行提取,同时对目标进行二值化处理,利用连通域标记排除干扰目标。隧道火灾检测中选取火焰的面积增长特性、闪烁特性和形状复杂度以及烟雾的纹理特征对火灾进行检测。行人的特征采用:宽高比、面积和速度。利用目标的特征,对视频中的疑似区域进行识别和分析。利用蒙特卡洛模拟法得到各个特征检测的仿真结果,将统计的检测率、误报率利用MATLAB进行融合。初步实验验证了算法的有效性。实验结果显示融合后的检测率、误报率都达到了较高水平,性能优于单数据源算法。改进的D-S证据理论融合算法与传统的D-S证据理论算法相比,在保证不确定度较低的前提下,检测率得到了明显的提高,并且在很大程度上减少数据之间的冲突。当继续增加证据后,融合结果的检测率得到了进一步的提高。
【关键词】：交通事件检测 数据融合 D-S证据理论 证据冲突 证据权重
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 研究背景9-10
• 1.2 国内外的发展状况10-12
• 1.2.1 融合技术在国内外的发展状况10-12
• 1.2.2 交通事件检测技术在国内外的发展状况12
• 1.3 本文的主要研究内容及结构安排12-14
• 第二章 基于D-S证据理论的融合技术14-26
• 2.1 数据融合概述14-15
• 2.2 数据融合方式15-18
• 2.2.1 数据层融合15-16
• 2.2.2 特征层融合16
• 2.2.3 决策层融合16-18
• 2.3 数据融合方法分类18-19
• 2.4 D-S证据理论19-20
• 2.5 D-S证据理论的基本概念20-25
• 2.5.1 识别框架20
• 2.5.2 基本概率分配函数20-21
• 2.5.3 信任函数21
• 2.5.4 似然函数21-22
• 2.5.5 D-S证据理论的合成规则22-24
• 2.5.6 证据理论的决策方法24-25
• 2.6 本章小结25-26
• 第三章 改进的D-S证据理论26-36
• 3.1 冲突出现的原因26-27
• 3.2 证据理论的修正27-30
• 3.2.1 针对证据源的修正算法27-28
• 3.2.2 针对合成规则的修正28-30
• 3.3 基于证据源的改进算法30-35
• 3.3.1 证据距离与不确定度相结合的改进算法30-34
• 3.3.2 基于K-L距离的可信度34-35
• 3.4 本章小结35-36
• 第四章D-S证据理论在隧道火灾检测中的应用36-49
• 4.1 背景提取36-37
• 4.2 火焰目标的提取37-38
• 4.3 火焰特征提取和分析38-40
• 4.3.1 面积增长特性38-39
• 4.3.2 闪烁特性39
• 4.3.3 形状复杂度39-40
• 4.4 实验结果与分析40-43
• 4.4.1 实验结果融合41-42
• 4.4.2 改进后的融合结果42-43
• 4.5 烟雾的纹理特征43-47
• 4.5.1 烟雾目标的提取43-44
• 4.5.2 图像纹理特征44
• 4.5.3 灰度共生矩阵44-45
• 4.5.4 实验结果45-47
• 4.6 本章小结47-49
• 第五章 D-S证据理论在行人检测中的应用49-57
• 5.1 背景提取49-50
• 5.2 运动目标提取50-51
• 5.3 行人特征51-53
• 5.3.1 长宽比51-52
• 5.3.2 面积特征52
• 5.3.3 速度特征52-53
• 5.4 实验结果与分析53-56
• 5.4.1 实验结果融合54
• 5.4.2 结果分析54-56
• 5.5 本章小结56-57
• 总结与展望57-59
• 参考文献59-62
• 攻读学位期间取得的研究成果62-63
• 致谢63

【相似文献】

中国期刊全文数据库 前10条

1 曾元鉴;;D-S证据理论及其改进算法研究[J];舰船电子工程;2010年10期

2 夏祖勋，，刘同明，解洪成;关于证据理论中辨识框不同类型下的信息综合[J];华东船舶工业学院学报;1994年02期

3 倪明，单渊达;证据理论及其应用[J];电力系统自动化;1996年03期

4 齐占伟;辜承林;;基于改进的D-S证据理论在设备故障诊断中的应用[J];海军工程大学学报;2008年01期

5 董彦佼;韩元杰;刘洁莉;;D-S证据理论在多传感器目标识别中的改进[J];弹箭与制导学报;2009年04期

6 郑德玲，汤新蓓;证据理论支持下的多专家求解理论框架[J];北京科技大学学报;1998年05期

7 张建华,陈新,王红军;基于证据理论的最佳联盟评价方法研究[J];机械设计;2004年07期

8 周凌柯,刘瑞兰;对证据理论检测显著误差的研究[J];南京理工大学学报(自然科学版);2005年S1期

9 陈炜军;景占荣;袁芳菲;朱安福;;D-S证据理论的不足及其数学修正[J];中北大学学报(自然科学版);2010年02期

10 宋建勋;张进;吴钦章;;基于D-S证据理论的多特征数据融合算法[J];火力与指挥控制;2010年07期

中国重要会议论文全文数据库 前10条

1 马永一;沈怀荣;彭颖;;对D-S证据理论几种改进方法的分析与讨论[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

2 郑德玲;汤新蓓;方巍;王俊然;;基于D-S证据理论的多专家意见综合方法[A];1996年中国控制会议论文集[C];1996年

3 孙怀江;杨静宇;;证据理论的改进及其应用[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

4 潘巍;王阳生;;一种基于D-S证据理论的情感辨识算法[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

5 周凌柯;刘瑞兰;;对证据理论检测显著误差的研究[A];2005全国自动化新技术学术交流会论文集（三）[C];2005年

6 孔鹏程;周健;;基于D-S证据理论的改进算法的研究[A];2011中国仪器仪表与测控技术大会论文集[C];2011年

7 赵韩;方艮海;王勇;;证据理论在机构评价与选型中的应用[A];第十四届全国机构学学术研讨会暨第二届海峡两岸机构学学术交流会论文集[C];2004年

8 谢楠;李靖;李建爽;黄绚烨;;基于证据理论的施工中人为过失改错效果的评估方法[A];第22届全国结构工程学术会议论文集第Ⅲ册[C];2013年

9 马小平;汪永东;樊阳;;模糊证据理论的深入研究[A];第二十六届中国控制会议论文集[C];2007年

10 朱靖;王晨熙;鄢茂林;郑义成;;D-S证据理论在多传感器身份融合中的改进[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

中国博士学位论文全文数据库 前8条

1 张哲;基于证据理论的结构可靠性分析方法[D];湖南大学;2016年

2 李海生;基于证据理论的分类方法研究[D];华南理工大学;2013年

3 肖建于;证据理论研究及其在矿井突水预测中的应用[D];中国矿业大学;2012年

4 栗峥;后现代证据理论研究[D];中国政法大学;2008年

5 梁伟光;基于证据理论的在轨航天器故障诊断方法研究[D];中国科学技术大学;2011年

6 缪燕子;多传感器信息融合理论及在矿井瓦斯突出预警系统中的应用研究[D];中国矿业大学;2009年

7 锁斌;基于证据理论的不确定性量化方法及其在可靠性工程中的应用研究[D];中国工程物理研究院;2012年

8 肖明珠;基于证据理论的不确定性处理研究及其在测试中的应用[D];电子科技大学;2008年

中国硕士学位论文全文数据库 前10条

1 贺晓;基于改进D-S证据理论的高速列车走行部故障诊断研究[D];西南交通大学;2015年

2 王睿虹;基于广义证据理论的多模式智能推理与融合研究[D];上海交通大学;2015年

3 宋姝婷;基于Rough集、T-范数和证据理论的属性约简研究[D];江西师范大学;2015年

4 何俊;基于证据理论的在线消费者备选商品评价研究[D];电子科技大学;2015年

5 杨星亚;基于证据理论的中小企业信用评级研究[D];合肥工业大学;2015年

6 郭威;基于证据理论的多源信息融合技术研究与应用[D];解放军信息工程大学;2015年

7 吴尚;基于证据理论的风电机组故障诊断研究[D];上海电机学院;2016年

8 田佳霖;基于D-S证据理论的融合算法及其在交通事件检测中的应用[D];长安大学;2016年

9 刘晓光;基于D-S证据理论的推理系统研究[D];合肥工业大学;2010年

10 侯俊;证据理论几个关键问题的研究[D];西北工业大学;2003年

  本文关键词：基于D-S证据理论的融合算法及其在交通事件检测中的应用，由笔耕文化传播整理发布。

本文编号：494997