Jag accepterar att kakor lagras på min dator

Läs mer

Användning av datafusion vid klassificering av markmål, en inledande studie.

Användning av datafusion vid klassificering av markmål, en inledande studie. Beställ tryckt exemplar Lägg i kundvagnen
Författare: Karlsson Mikael, Lauberts Andris
Ort: Linköping
Sidor: 18
Utgivningsår: 2000
Publiceringsdatum: 2000-12-06
Rapportnummer: (FOA-R--00-01655-314)
Nyckelord datafusion, klassificering, classification, data fusion, E3676, 36, 77
Sammanfattning Denna studie belyser hur datafusion kan användas vid klassificering av objekt som observerats och följts under en tid. Vid denna följning har ett antal storheter (egenskaper) hos objektet uppmätts och förfinats fram till sensorernas upplösningsförmåga. Klassificeringen görs sedan med hjälp av dessa objektegenskaper. Under några antaganden har en enklare simuleringsmiljö byggts upp för generering av siluettbaserade egenskaper. Denna simuleringsmiljö har baserats på geometriska modeller av några måttyper vid siluettgenereringen. Utgående från siluetterna har fördelningar för utvalda egenskaper genererats, varefter klassificering mot dessa fördelningar gjorts. Klassificeringsmetoden som använts är Bayes beslutsregel. Några av slutsatserna är att användandet av sensorer med komplementära egenskaper ger förbättrad och mer robust klassificering. Klassificering med fusion ger en bättre separation mellan klasserna, vilket leder till färre allvarliga klassificeringsfel.
Abstract This study investigates how datafusion may be used to classify objects which have been observed and tracked for some time. During tracking some features of the target have been measured and revised within the resolution capabilities of the sensors. The classification is then done by using these object features. Under some assumptions, a simplified simulation environment for generating silhouette-based features has been constructed. The simulation environment uses geometric models for some target types for generation of the silhouettes. Depending on these silhouettes, the distributions for the selected features have been generated and the classification is then made using these distributions. The method used for classification is Bayes decision rule. Some of the conclusions are that the use of sensors with complementary properties gives improved and more robust classification. Classification with the use of datafusion gives a better separation between the different classes which leads to less severe classification errors.

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182