[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

说明书

本发明公开了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，包括：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；对多目标多模态信息进行预处理；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；通过基于离散烟花优化算法的全局关联匹配算法，对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；根据多目标多模态关联匹配关系所对应的最优解，对多目标多模态信息进行匹配融合；通过该方法可以提高海上船舶多目标属性感知完整性、运动状态感知精度，实现辅助导航。

技术领域

本发明属于船舶多目标多模态信息关联匹配融合、辅助导航技术领域，特别是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。

背景技术

近年来随着人工智能技术的发展，船舶自主航行研究得到了迅猛的发展，如船舶图像目标检测、信息融合、辅助导航等技术研究。船舶通过AIS、导航雷达、光电、激光雷达等设备自主感知由远到近的海上目标，通过对不同设备观测的多目标多模态信息关联匹配融合，从而提高感知目标信息完整性与感知精度。

目前，多目标关联方法大多为状态滤波类方法，将目标视为点对象，利用雷达等设备提供的目标位置、速度、方位等运动特征进行关联，如联合概率数据关联(JPDA)、多假设跟踪(MHT)、小波变换、随机有限集、粒子群优化算法、蚁群优化算法等方法。由于海上目标(如船舶、浮标、码头泊位等)探测手段多源，目标特征模态多样(包括视频图像、文本、点云等)，仅针对运动状态的关联算法不再适用，两传感器关联匹配算法在多源关联匹配将大大增加计算复杂度。而且船舶航行时设备探测性能受限于船舶姿态变化、光照等环境因素影响，在复杂场景下，多个目标存在遮挡、交叉运动等情况，传统的智能优化算法(如蚁群优化算法)存在局部收敛、计算量大等缺点，现有关联算法难以满足多模态融合的需求。

目前多模态融合技术研究处于起步阶段，多应用于汽车自动驾驶领域，如基于深度学习神经网络进行多模态信息融合等，包括可见光/红外、可见光/点云、可见光/声音等多模态融合，针对于海上船舶自主航行领域研究较少，且受限于复杂的海上环境。

因此，如何将多模态融合技术应用于海上船舶自主航行领域，从而提高船舶多目标属性感知完整性、运动状态感知精度，实现辅助导航，成为当前研究的关键问题。

发明内容

鉴于上述问题，本发明提供一种至少解决上述部分技术问题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，基于多模态信息的时间序列特征构建关联代价函数，并设计离散烟花优化算法求解多模态信息关联匹配矩阵；通过该方法可以提高海上船舶多目标属性感知完整性、运动状态感知精度，实现辅助导航。

本发明实施例提供了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，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。

进一步地，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、电子海图上叠加显示。

进一步地，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。