一种基于DS证据理论的多目标群威胁度预测装置及方法

摘要

本发明提供一种基于DS证据理论的多目标群威胁度预测装置及方法，传感器装置获取目标及目标所在区域信息，卷积神经网络提取目标特征并分类；按照多目标特征聚类，保留共有特征及满足预设要求的非共有特征，根据特征威胁性权值为多目标赋值；关联前后帧目标，标记同一目标，连续关联多帧，获取标记目标的轨迹段；判断成功关联目标的轨迹段；建立威胁度预测空间，为目标特征、异常轨迹、有效轨迹、是否进入受保护区域赋予威胁度权值，DS证据理论预测目标集群的威胁度，获取威胁度值。本发明改进卷积神经网络结构，弥补了原图像经过卷积池化处理后分辨率损失，同时利用DS证据理论提高了多目标集群的威胁度的预测效果，以快速采取应对措施。