[发明专利]一种基于智能优化算法的海上多目标多模态匹配融合方法

权利要求书

1.一种基于智能优化算法的海上多目标多模态匹配融合方法，其特征在于，包括：

S1、通过多个信息源在预设时间段内获取海上多目标多模态信息；

S2、对所述多目标多模态信息进行预处理；

S3、根据预处理后的多目标多模态信息的时间序列特征，构建全局关联隶属度函数；

S4、通过基于离散烟花优化算法的全局关联匹配算法，对所述全局关联隶属度函数进行处理，获得多目标多模态关联匹配关系所对应的最优解；

S5、根据所述多目标多模态关联匹配关系所对应的最优解，对所述多目标多模态信息进行匹配融合；

所述S2包括将所述多目标多模态信息解析为时间序列特征，并进行保存，具体为：

解析电子海图在预设时间段内提取的多目标多模态信息，并保存为第一时间序列特征{UCT时间、目标类型、目标编号、目标所在经度、目标所在纬度、目标相对于本船舶的方位，以及目标至本船舶的距离}；

解析船舶自动识别系统AIS在预设时间段内获取的多目标多模态信息，并保存为第二时间序列特征{UCT时间、目标类型、目标编号、目标所在经度、目标所在纬度、本船舶航速、本船舶航向、本船舶航行状态、本船舶长度和本船舶宽度}；

解析ARPA雷达在预设时间段内获取的多目标多模态信息，并保存为第三时间序列特征{UCT时间、目标编号、目标相对于本船舶的方位、目标至本船舶的距离、本船舶航速和本船舶航向}；

解析雷达图像目标检测系统在预设时间段内获取的多目标多模态信息，并保存为第四时间序列特征{UCT时间、目标编号、目标中心至本船舶的距离、目标中心相对于本船舶的方位、目标的矩形包络框距离}；

解析光电视频图像目标检测系统在预设时间段内获取的多目标多模态信息，并保存为第五时间序列特征{UCT时间、目标类型、目标编号、目标中心相对于本船舶的方位、目标检测框长度和目标检测框宽度}；

所述S3具体包括：

根据预处理后的多目标多模态信息的时间序列特征，通过欧氏距离法计算每两个信息源之间所述多目标的关联隶属度；

根据计算获得的多个所述关联隶属度，构建所述多目标多模态信息的全局关联隶属度函数；

所述全局关联隶属度函数的约束条件包括：

对于每个所述信息源所获得的多目标多模态信息来讲，最多只有一个目标与其关联；

对于每个所述目标来讲，每个所述信息源所获得的多目标多模态信息中，最多只有一个模态信息与该目标关联；

对于所述全局关联隶属度函数来讲，最少有一个所述关联隶属度。

2.如权利要求1所述的一种基于智能优化算法的海上多目标多模态匹配融合方法，其特征在于，还包括：

S6、将所述多目标多模态信息的匹配融合结果在光电视频和电子海图上叠加显示。

3.如权利要求1所述的一种基于智能优化算法的海上多目标多模态匹配融合方法，其特征在于，所述S1中，所述多个信息源包括电子海图、船舶自动识别系统AIS、ARPA雷达、雷达图像目标检测系统和光电视频图像目标检测系统；所述光电视频图像目标检测系统包括可见光目标检测与热红外目标检测。

4.如权利要求1所述的一种基于智能优化算法的海上多目标多模态匹配融合方法，其特征在于，所述S2还包括：将所述多模态信息统一转化为像素坐标系下的信息，具体为：

根据像素坐标系与世界坐标系的映射关系，结合本船舶的定位信息，将所述ARPA雷达探测到的相对于本船舶的极坐标信息转换为世界坐标系下的经纬度坐标；

通过墨卡托变换法将所述电子海图和船舶自动识别系统AIS获取的经纬度坐标，以及将转换后的经纬度坐标，均转化为世界坐标系下的坐标信息；

根据像素坐标系与世界坐标系的映射关系，将世界坐标系下的坐标信息转换为像素坐标系下坐标信息。